本發(fā)明屬于信號(hào)處理中時(shí)頻分析領(lǐng)域,具體涉及一種基于呂分布(lvdistribution,lvd)的多分量線性調(diào)頻(線性調(diào)頻:linearfrequencymodulated,lfm)信號(hào)去噪技術(shù)。
背景技術(shù):
:通常,無線信號(hào)在傳播過程中會(huì)被噪聲污染。在接收端接收信號(hào)后常需要進(jìn)行去噪處理,獲得盡可能干凈的信號(hào),減少噪聲干擾。lfm信號(hào)由于帶寬較寬,不易從噪聲中提取出來,因此現(xiàn)有技術(shù)如:基于短時(shí)傅里葉變換去噪、基于維納-威利分布去噪、基于小波變換去噪和基于加權(quán)濾波器去噪等技術(shù)針對(duì)lfm信號(hào)的去噪效果欠佳。特別當(dāng)噪聲功率高于信號(hào)功率時(shí),即信噪比(signal-to-noiseratio,snr,定義為10log10(信號(hào)功率/噪聲功率))為負(fù)的情況下,現(xiàn)有去噪技術(shù)失效。這是因?yàn)楝F(xiàn)有技術(shù)無法很好的提取lfm信號(hào)的特征,導(dǎo)致在強(qiáng)噪聲下無法將信號(hào)準(zhǔn)確檢測(cè)并分離出來。例如,基于短時(shí)傅里葉變換去噪方法對(duì)lfm信號(hào)的能量聚集性較差,容易被淹沒在強(qiáng)噪聲中;基于維納-威利分布去噪方法在處理多分量信號(hào)時(shí),會(huì)產(chǎn)生較強(qiáng)的交叉項(xiàng),包括分量之間的交叉項(xiàng)、各分量與噪聲之間的交叉項(xiàng),對(duì)信號(hào)自項(xiàng)產(chǎn)生嚴(yán)重干擾,導(dǎo)致去噪性能下降。表1示出了現(xiàn)有技術(shù)針對(duì)多分量lfm信號(hào)去噪的處理特點(diǎn)。表1現(xiàn)有去噪技術(shù)名稱復(fù)雜度特點(diǎn)基于短時(shí)傅里葉變換(stft)低僅可工作在正snr下,在負(fù)snr下失效基于維納-威利分布(wvd)中僅可工作在正snr下,在負(fù)snr下失效基于小波變換中僅可工作在正snr下,在負(fù)snr下失效基于加權(quán)濾波器中僅可工作在正snr下,在負(fù)snr下失效基于本征模函數(shù)(imf)低不適用于lfm信號(hào)基于優(yōu)化模型高可工作在負(fù)snr下分析表1,可知當(dāng)前缺乏一種針對(duì)多分量lfm信號(hào)、能工作在強(qiáng)噪聲下(負(fù)snr情況)且計(jì)算復(fù)雜度適中的去噪技術(shù)。技術(shù)實(shí)現(xiàn)要素:針對(duì)上述存在問題或不足,為同時(shí)滿足針對(duì)多分量lfm信號(hào)、能工作在負(fù)snr情況下和計(jì)算復(fù)雜度適中這三種要求,本發(fā)明提供了一種基于lvd的多分量lfm信號(hào)去噪技術(shù)。該基于lvd的多分量lfm信號(hào)去噪技術(shù),如圖1所示,包括以下步驟:步驟1、對(duì)輸入含噪信號(hào)進(jìn)行參數(shù)自相關(guān)計(jì)算;設(shè)接收端輸入含噪信號(hào)x(t)為:x(t)=s(t)+n(t),(1)其中t為時(shí)間,n(t)為高斯白噪聲(均值為0,方差為σ2),s(t)為多分量lfm信號(hào),如下:k為該信號(hào)分量總數(shù),ak、fk及γk分別表示第k個(gè)分量的幅值、中心頻率及調(diào)頻率(調(diào)頻率為瞬時(shí)頻率的一階導(dǎo)數(shù),且中心頻率、調(diào)頻率及采樣頻率的取值滿足香農(nóng)采樣定理:|fk+γkt|≤采樣頻率/2);計(jì)算x(t)的參數(shù)自相關(guān)函數(shù)為:其中rs為信號(hào)各分量的自相關(guān)項(xiàng),如下:cr為交叉項(xiàng)(包含不同信號(hào)分量之間的交叉項(xiàng)、信號(hào)各分量與噪聲的交叉項(xiàng)),rn為噪聲的自相關(guān)項(xiàng),τ為延遲量;由式(4)可見相位中時(shí)間量t與延遲量τ纏繞在一起。步驟2、對(duì)式(3)的參數(shù)自相關(guān)函數(shù)rx進(jìn)行時(shí)間維伸縮變換;設(shè)ts為尺度時(shí)間(即伸縮變換后的時(shí)間量),令ts=(τ+1)t,參數(shù)自相關(guān)函數(shù)rx變?yōu)椋哼@里稱為尺度參數(shù)自相關(guān)函數(shù),是時(shí)間量ts和延遲量τ的函數(shù),并且從式(5)可見的相位中時(shí)間量與延遲量已經(jīng)解纏繞;這一步驟在數(shù)字信號(hào)處理中可使用尺度傅里葉變換-傅里葉逆變換來完成,如圖1中陰影框。步驟3、進(jìn)行兩次傅里葉變換;對(duì)式(5)的尺度參數(shù)自相關(guān)函數(shù)先后沿τ維、沿ts維進(jìn)行兩次傅里葉變換,得到:其中fτ{·}、分別表示沿τ維、沿ts維的傅里葉變換;式(6)第一項(xiàng)表示信號(hào)各分量能量以δ函數(shù)形式聚集在頻率-調(diào)頻率平面的(fk,γk)這些點(diǎn)上,第二項(xiàng)為交叉項(xiàng)及噪聲自項(xiàng)的運(yùn)算結(jié)果。步驟4、對(duì)式(6)的lx(f,γ)平面進(jìn)行信號(hào)檢測(cè),得出信號(hào)尖峰位置(fk,γk)。步驟5、根據(jù)步驟4得出的(fk,γk),對(duì)lx(f,γ)平面進(jìn)行掩膜操作,如下:這里步驟5是僅將信號(hào)尖峰位置(fk,γk)處的值保留,其他位置設(shè)為0;步驟6、對(duì)式(7)結(jié)果進(jìn)行如下計(jì)算:即可得到去噪后的信號(hào)sdn(t)。對(duì)比式(8)與式(2),可知去噪后信號(hào)與原始信號(hào)僅有幅值不相同,其他參數(shù)均相同。另外,步驟5與步驟6同時(shí)也是一種信號(hào)重建方法,命名為lvd信號(hào)重建法(lvd信號(hào)重建法:lvdbasedsignalreconstruction,lsr),如圖1中虛框所示。本發(fā)明針對(duì)多分量lfm信號(hào)進(jìn)行去噪,先使用lvd對(duì)輸入含噪信號(hào)進(jìn)行變換(步驟1-3),得到一個(gè)信號(hào)自項(xiàng)能量聚集為尖峰的平面lx(f,γ);然后對(duì)該平面進(jìn)行信號(hào)檢測(cè)(步驟4),得到信號(hào)各分量自項(xiàng)的尖峰位置(fk,γk);再進(jìn)行掩膜操作(步驟5),得到僅含有信號(hào)尖峰的平面最后進(jìn)行步驟6的計(jì)算完成信號(hào)重建,得到最終去噪的時(shí)域信號(hào)sdn(t)。本發(fā)明在lvd的基礎(chǔ)上,提出信號(hào)重建,即提取信號(hào)各分量自項(xiàng)值進(jìn)行反變換計(jì)算,可繼承l(wèi)vd對(duì)噪聲抑制性強(qiáng)的優(yōu)點(diǎn),其輸出結(jié)果為一個(gè)噪聲被大大去除的信號(hào),可應(yīng)用在負(fù)snr環(huán)境下(見圖2與表2),且計(jì)算復(fù)雜度適中。綜上所述,本發(fā)明同時(shí)滿足了針對(duì)多分量lfm信號(hào)、能工作在負(fù)snr下和計(jì)算復(fù)雜度適中。附圖說明圖1為實(shí)施例流程示意圖;圖2為原始信號(hào)、實(shí)施例、基于分?jǐn)?shù)傅里葉變換去噪信號(hào)的時(shí)域曲線圖比較(snr=-10db):(a)實(shí)數(shù)部分;(b)虛數(shù)部分。具體實(shí)施方式下面結(jié)合附圖和實(shí)施例對(duì)本發(fā)明做進(jìn)一步的詳細(xì)說明。在計(jì)算機(jī)matlab環(huán)境下,根據(jù)式(1)產(chǎn)生仿真信號(hào)為:分量個(gè)數(shù)k=2;幅值均為1;中心頻率為f1=-6.5hz、f2=-1.5hz;調(diào)頻率為γ1=1hz/s、γ2=0.75hz/s;采樣頻率fs=128hz,信號(hào)采樣點(diǎn)數(shù)ns=256。根據(jù)此參數(shù)產(chǎn)生的原始信號(hào)、本發(fā)明實(shí)施例、基于分?jǐn)?shù)傅里葉變換去噪信號(hào)的時(shí)域曲線圖在圖2所示。這里基于分?jǐn)?shù)傅里葉變換去噪方法為:先將含噪信號(hào)進(jìn)行分?jǐn)?shù)傅里葉變換;然后在分?jǐn)?shù)傅里葉域進(jìn)行信號(hào)檢測(cè),得出信號(hào)峰值;最后對(duì)信號(hào)峰值進(jìn)行分?jǐn)?shù)傅里葉逆變換,最終得到去噪信號(hào)。由圖2可見,在負(fù)snr下,針對(duì)實(shí)數(shù)部分與虛數(shù)部分,本實(shí)施例均比基于分?jǐn)?shù)傅里葉變換的去噪信號(hào)更接近原始信號(hào)曲線,說明本發(fā)明具有更好的去噪性能。表2為實(shí)施例、基于分?jǐn)?shù)傅里葉變換去噪信號(hào)與原始信號(hào)的均方誤差值比較(均方誤差值定義為e[|s(t)-sdn(t)|2]/e[|s(t)|2],包含實(shí)數(shù)與虛數(shù)兩部分)。由此表可見,本發(fā)明對(duì)信號(hào)的去噪性能更好,其去噪信號(hào)與原始信號(hào)的誤差更小。在snr=-10db以上時(shí),本發(fā)明去噪信號(hào)的均方誤差值小于10%,因此本發(fā)明可工作在負(fù)snr下。表2實(shí)施例、基于分?jǐn)?shù)傅里葉變換去噪信號(hào)與原始信號(hào)的均方誤差值比較snr(db)本發(fā)明實(shí)施例基于分?jǐn)?shù)傅里葉變換去噪-100.08460.2475-60.02630.0594-20.00890.012120.00340.004160.00140.0016綜上可見:通過仿真結(jié)果對(duì)比,對(duì)強(qiáng)噪聲中多分量lfm信號(hào)進(jìn)行去噪處理,本發(fā)明可工作在負(fù)snr下,且復(fù)雜度適中。與原始信號(hào)對(duì)比,本發(fā)明的去噪性能優(yōu)于基于分?jǐn)?shù)傅里葉變換去噪法。當(dāng)前第1頁12