1.一种基于盲源分离的水声信号高斯/非高斯噪声抑制方法，其特征在于，包括以下步骤：S1：获取待去噪的含高斯/非高斯噪声的水声信号；

S2：抑制高斯噪声，得到不含高斯噪声的水声信号；

S3：对S2处理后的水声信号进行盲源分离，得到分离后源信号，即非高斯噪声和目标水声信号；

S4：基于相关系数矩阵确定S3中分离后源信号中的目标水声信号，从而去除非高斯噪声，最终得到高斯/非高斯去噪后的水声信号。

2.如权利要求1所述的水声信号高斯/非高斯噪声抑制方法，其特征在于，所述S1具体如下：建立信号接收模型：假设水声通信系统模型采用一发多收模式，发送目标信号为s0(t)，将信道中的非高斯T噪声信号视为n-1维非高斯信号[s1(t),s1(t),...,sn-1(t)] ，接收阵元个数为n，则接收端收到的信号为：X(t)＝h(t)[s0(t),s1(t),s2(t),...sn-1(t)]T+e(t)其中，h(t)表示信道参数，e(t)表示高斯噪声，[g]T表示转置。

3.如权利要求1所述的水声信号高斯/非高斯噪声抑制方法，其特征在于，所述S2中基于稀疏编码理论抑制高斯噪声。

4.如权利要求3所述的水声信号高斯/非高斯噪声抑制方法，其特征在于，所述S2具体如下：S2-1：信号归一化处理：

对接收信号X(t)＝[x1,x2,...,xn]T归一化处理，处理过程如下所示：其中，xi为X(t)的分量，i＝1,2,...,n，σ1和 分别为X(t)的标准差和均值；归一化后数据表示为X′；

S2-2：求解拉普拉斯稀疏惩罚函数的收缩函数：

拉普拉斯的概率分布如下所示：

其中，s＝E{X′2}，E{X′2}表示求X′2均值；由于水声信号的稀疏性和非高斯性，采用极大似然估计，最大化信号的非高斯性，去除高斯噪声；对p(X′)取对数，得：l(X′)＝lnp(X′)

对X′求导得：

S2-3：求解极大似然估计情况下信号的稀疏分量，去除高斯噪声；

极大似然估计表达式如下所示：

M(X′)＝sign(X′)max(0,|X′|-σ2|l'(X′)|)其中sign(g)为符号函数，由下式给出：

将上式代入极大似然估计表达式，得到去除高斯噪声后信号：式中σ2表示X′中高斯噪声方差，X″是去除高斯噪后的信号；其中X″为归一化信号；为便于S3处理，需对X″进行部分还原，使其仅保持0均值特性，还原过程如下：X″′＝σ1X″

其中σ1为X(t)的标准差，X″′为基于稀疏编码去噪后信号。

5.如权利要求1所述的水声信号高斯/非高斯噪声抑制方法，其特征在于，所述S3中基于改进灰狼算法优化独立分量分析方法对信号进行盲源分离。

6.如权利要求5所述的水声信号高斯/非高斯噪声抑制方法，其特征在于，所述S3中改进灰狼算法优化独立分量分析方法具体为：第一步：初始化种群，基于混沌映射初始化种群，即初始分离矩阵Wt＝[Wt1,Wt2,...,Wtn]，其中t表示迭代次数，t＝0时，W0表示初始种群，W01,W02,...,W0n表示初始个体，n为种群大小；采用Iterative混沌序列产生灰狼的初始位置，Iteraive映射的映射方程如下所示：其中W01是随机生成的分离矩阵，W0(k+1)是经过Iteraive映射之后生成的初始分离矩阵，k＝1,2,...,n，b是控制参数，b∈(0,1)；

第二步：基于改进收敛因子的狩猎模型，当迭代次数为t时，计算种群内个体适应度值，根据适应度值保留前三个最大适应度值对应的个体位置，分别记作群体最优个体为Wtα，次优个体为Wtβ，第三最优个体为Wtδ；随机挑选种群中个体Wtk，k＝1,2,...,n，并根据Wtα、Wtβ、Wtδ更新产生下一代个体，更新规则如下所示：其中A1,A2,A3、C1,C2,C3分别是Wtk对应Wtα、Wtβ、Wtδ的系数向量，A1,A2,A3和C1,C2,C3分别由下式确定：其中r1i,r2i在[0,1]范围内随机取值，a为收敛因子；本发明基于逆不完全Γ函数改进收敛因子a：其中amax＝2，最小值amin＝0，tmax是最大迭代次数，λ是随机变量，λ≥0；

第三步：收敛条件，当算法达到最大迭代次数tmax，或者满足下式时，根据当代最优个体Wtα输出最优分离矩阵Wopt＝Wtα；

||Wtα-W(t-1)α||2＜σ

其中||g||2表示求二范数，σ一般取值为σ＝10-7；分离矩阵Wopt确定之后，分离后信号表示为下所示：y'(t)＝WoptXwhite。

7.如权利要求1所述的水声信号高斯/非高斯噪声抑制方法，其特征在于，所述S4具体如下：S4-1：计算分离信号和观测信号的相关系数矩阵：

定义第i个分离后的独立分量y'i(t)对第j个观测数据分量xj(t)的相关系数矩阵为：其中Cij表示向量y'i(t)和xj(t)的协方差矩阵，Cii和Cjj分别为y'i(t)和xj(t)的方差矩阵；计算相关系数矩阵P得：其主对角线元素相等且值为1，副对角线元素pi,j相等且取值范围在[-1,1]内,当且仅当y'i(t),xj(t)互相独立时为0；

S4-2：对分离后信号进行排序和相位调整：

首先分别选出矩阵P中各行元素中除主对角线之外的绝对值最大的元素Pi，j，且每列也只取能一个元素，若有同一列出现了两个行的最大绝对值，那么选取较大的绝对值元素所在的列，并排除这一列，在剩下的列中再运用相同的方法进行排序，直到将各行相应的排序依据都选出来；依据选出的排序标记进行排序，具体准则为各行选定的绝对值最大者所在的列即为重新排序后信号所处的位置。