1.一种基于BCA盲源分离的信号分离和去噪方法，其特征在于，该方法包括以下步骤：S1：获取待分离、去噪的含高斯噪声的信号；

S2：基于傅里叶变换，将信号变换到频域，得到频域信号；

S3：基于改进迭代步长的次梯度BCA框架，分离S2中含高斯噪声的信号，得到去噪并分离后的频域源信号；所述S3具体如下：S3‑1：基于体积比最大化分离源信号:体积比用来表示分离信号的目标函数，通过最大化分离后信号的体积比分离源信号，通过最大化分离信号体积比，获得最优分离矩阵W；适应度函数如下所示：上式表示在无约束情况下求解能够使此目标函数最大情况下的最佳分离矩阵W，其中表示分离信号ZG的体积， 表示边界超矩形的体积；W表示分离矩阵，p表示信号的个数，r表示求r‑norm范数，det(·)表示求矩阵的行列式；

S3‑2:基于改进迭代步长的次梯度迭代边缘分量分析方法:改进迭代步长的具体实现公式为：(t)

μ 表示第t次迭代时的迭代步长，其长度随迭代次数的增加而减小，是一个逆不完全Γ函数，μmin和μmax是迭代步长的最大值和最小值，t表示当前迭代次数，tmax是总迭代次数，λ是随机变量，λ≥0，此处取值为0.01；

所述改进迭代步长的次梯度迭代边缘分量分析方法具体如下：(0)

第一步：随机产生一个分离矩阵W ，并对各参量赋值，tmax＝300,μmax＝10,μmin＝0,λ＝

0.01,p＝3,r＝1；令t＝1；

第二步：求接收混合信号的均值，利用均值求信号的协方差矩阵，(t‑1)

令Z＝W Y,利用公式

求信号的超椭球体体积vol(ε(Z))和边界超矩形体积vol(B(Z))；

第三步：利用公式

(t)

θ ＝vol(ε(Z))‑vol(B(Z))(t) (t‑1) (t) (t)W ＝W +μ θ

(t) (t) (t)

更新迭代方向θ 、迭代步长μ 和分离矩阵W ，令t＝t+1；

(t)

第四步：检查终止条件，若达到终止条件则停止迭代，输出W 作为无约束优化问题(t)的解，Wopt＝W ；

第五步：基于最小失真原则对分离矩阵进行处理：‑1

W＝diag(W )W

并对处理后的分离矩阵进行归一化操作：S4：基于相关系数确定S3中分离后频域源信号的顺序，并反傅里叶变换到时域，得到时域源信号。

2.如权利要求1所述的基于BCA盲源分离的信号分离和去噪方法，其特征在于，所述S1具体如下：S1‑1：信号接收模型：

假设水声通信系统模型采用多发多收模式，发送目标信号为S(t)，S(t)＝[s1(t),s2(t),...,sn(t)]，接收阵元个数为n，则接收端收到的信号为：T T

X(t)＝H(t)S(t) +E(t)T

其中，H(t)表示信道参数，E(t)＝[e1(t),e2(t),...,en(t)]表示高斯噪声，[g]表示转置。

3.如权利要求1所述的基于BCA盲源分离的信号分离和去噪方法，其特征在于，所述S2中信号傅里叶变换：X(t,f)＝STFT(X(t))。

4.如权利要求1所述的基于BCA盲源分离的信号分离和去噪方法，其特征在于，所述S4具体如下：S4‑1：计算分离信号频点之间的相关系数值；

S4‑2：利用区域生长法对相关系数值排序；

S4‑3：对信号反傅里叶变换得到时域目标信号，最终实现短时间、高准确率的声信号盲源分离和去噪，最终得到无噪时域源信号。

5.权利要求1‑4任一权利要求所述的基于BCA盲源分离的信号分离和去噪方法能够应用于水声信号的分离和去噪。