[发明专利]无人机动平台振动噪声自适应抵消方法及系统

权利要求书

1.一种无人机动平台振动噪声自适应抵消方法，其特征在于，包括以下步骤：

步骤S1，构建基于双组合接收水听器的自适应噪声抵消器，其中，所述基于双组合接收水听器的自适应噪声抵消器包括接收传感器和处理器，所述接收传感器采用双组合水听器，其中，一个水听器的导流罩抽为真空，只接收预设机动平台的振动噪声，将其作为自适应噪声抵消器的输入信号，另一个水听器的导流罩内充油，同时接收预设机动平台振动噪声和水下目标信号，将其作为自适应噪声抵消器的期望响应；所述处理器结构采用自适应横向滤波器；

步骤S2，初始化所述自适应噪声抵消器的基本参数，以计算输出信号，所述基本参数包括抽头数、自适应学习步长和抽头权系数矢量函数；

步骤S3，根据所述输出信号和期望响应计算所述自适应噪声抵消器的输出残差信号；

步骤S4，根据所述输出残差信号更新所述自适应噪声抵消器的抽头权系数矢量函数和自适应学习步长；

步骤S5，迭代所述步骤S3-S4直至收敛，获得n个时刻的输出残差信号即为噪声抵消后的有用信号。

2.根据权利要求1所述的无人机动平台振动噪声自适应抵消方法，其特征在于，所述输出残差信号e(n)为：

e(n)＝d(n)-w(n)^Tx(n)。

其中，x(n)为输入信号，d(n)为期望响应，n为信号采样时刻。

3.根据权利要求1所述的无人机动平台振动噪声自适应抵消方法，其特征在于，所述步骤S4中抽头权系数矢量函数得更新过程为：

其中为，w(n+1)为更新后的抽头权系数矢量函数，w(n)为初始时的抽头权系数矢量函数，K(n)＝γμ(n)为l_p范数零吸引子的函数，μ(n)为学习步长，p为逼近l_p范数的正小数，γ、ε为协调参数，sgn(·)为符号函数，sgn(w(n))以独立地处理w(n)的每个元素，e(n)为输出残差信号，n为信号采样时刻。

4.根据权利要求1所述的无人机动平台振动噪声自适应抵消方法，其特征在于，所述步骤S4中自适应学习步长更新过程为：

其中，μ(n)为更新后的自适应学习步长，λ_max为参考信号自相关矩阵的最大特征值，p为逼近l_p范数的正小数，e(n)为输出残差信号，V_th为协调参数。

5.一种无人机动平台振动噪声自适应抵消系统，其特征在于，包括：

构建模块，用于构建基于双组合接收水听器的自适应噪声抵消器，其中，所述基于双组合接收水听器的自适应噪声抵消器包括接收传感器和处理器，所述接收传感器采用双组合水听器，其中，一个水听器的导流罩抽为真空，只接收预设机动平台的振动噪声，将其作为自适应噪声抵消器的输入信号，另一个水听器的导流罩内充油，同时接收预设机动平台振动噪声和水下目标信号，将其作为自适应噪声抵消器的期望响应；所述处理器结构采用自适应横向滤波器；

初始化模块，用于初始化所述自适应噪声抵消器的基本参数，以计算输出信号，所述基本参数包括抽头数、自适应学习步长和抽头权系数矢量函数；

计算模块，用于根据所述输出信号和期望响应计算所述自适应噪声抵消器的输出残差信号；

更新模块，用于根据所述输出残差信号更新所述自适应噪声抵消器的抽头权系数矢量函数和自适应学习步长；

迭代模块，用于迭代所述计算模块和所述更新模块直至收敛，获得n个时刻的输出残差信号即为噪声抵消后的有用信号。

6.根据权利要求5所述的无人机动平台振动噪声自适应抵消系统，其特征在于，所述输出残差信号e(n)为：

e(n)＝d(n)-w(n)^Tx(n)。

其中，x(n)为输入信号，d(n)为期望响应，n为信号采样时刻。