水声信号处理领域的若干问题研究进展，李启虎老师编写，内容详尽的描述了水声信号处理领域的若干问题目前的研究进展。

浅海中的宽带水声信号传播呈现出频散的特点，通过高分辨率的时频分析方法可以刻画频散曲线。通过数值仿真和实验数据处理，对比分析几类常用的时频分析方法在提取宽带声信号频散曲线方面的性能。结果表明：STFT时频局部化精度不够高；在较强频散的情况下，DSTFT时频分辨率较高。WVD时频聚集性最好，但是有严重的交叉项干扰；固定核函数的CWD较好地抑制交叉项，时频分辨率虽优于STFT，但弱化了时频聚集性；AOK时频分布采用自适应高斯核函数，在抑制交叉项的同时，时频聚集性较好，有望较好地用于提取信号频散曲线。

为了解水下爆炸声信号的特征，采用Welch法实现对水下爆炸声信号的特征提取，然后利用Mallat算法，采用一维离散小波变换对爆炸信号进行逐级过程提取分析，将信号中的平滑分量和细节分量分离开来．研究结果表明，该方法可以更加合理地得到水下爆炸信号的全部特征，从而达到准确分析信号特性的目的．

读取声信号，计算自相关，近似熵，lzc复杂度

用汉明窗处理语声信号中的噪声，降低信号中的噪声，提高语声信号的质量

水声信号处理 demon谱分析 matlab 质料完整

经验模态分解（EMD）是用来处理非平稳时变信号的一种信号分析方法，该方法对所分析信号的局部特征信号进行不同时间尺度的分解，从而得到这些局部特征信号的各阶本征模函数（IMF）。提出了一种基于IMF能量谱的水声信号特征提取与选择方法，通过对水声信号进行经验模态分解，提取信号的本征模式分量并转换为能量谱特征向量，从而观测不同信号子频带能量谱的特征变化。分类实验采用支持向量机（SVM）分类器进行。实验结果表明，相对于小波能量谱特征提取法而言，利用IMF能量谱作为特征向量的分类实验具有更佳的分类效果，平均正确率达88%以上。

水下声学信号处理的一本好书。涉及水声信号处理的基本概念和高级信号处理内容，如空时自适应（STAP）等

比较经典的水声信号处理教材，中科院声学所

自适应干扰抵消 声源：CW信号 15kHz 干扰：宽带、连续信号 3k~30kHz