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