Self-noise Removal Using U-Net for AUV-based Underwater Target Detection

在基于移动AUV(自主水下机器人)平台的水下机动目标探测场景中,由于拖曳能力和探测孔径的限制,目标噪声极易淹没在本体噪声中。而且,本体噪声与目标噪声具有非常相似的频谱特性和倍频关系,进一步加重了目标噪声分析的难度。为降低本体噪声的影响、提高目标噪声的信噪比,开展了基于U-Net深度网络的水下混合噪声信号分离算法研究。通过仿真模型测试了算法在不同转速差、桨叶数差以及目标噪声信噪比条件下去除本体噪声的性能。实验结果初步表明:在目标信号信噪比不低于–10dB的条件下,算法可以对本体噪声进行有效去除。