專利名稱：一種在強(qiáng)噪聲背景下提取信號(hào)的方法
技術(shù)領(lǐng)域：
本發(fā)明屬于信號(hào)檢測(cè)與處理技術(shù)領(lǐng)域，尤其屬于基于隨機(jī)共振原理的 信號(hào)檢測(cè)與噪聲抑制領(lǐng)域，涉及了基于一種新的分段線性系統(tǒng)模型，利用隨機(jī)共振原理在強(qiáng)噪聲背景下提取有用信號(hào)和抑制噪聲的方法。
技術(shù)背景隨機(jī)共振的現(xiàn)象最初是由Benzi等科學(xué)家發(fā)現(xiàn)的，g卩當(dāng)對(duì)一個(gè)非線 性連續(xù)雙穩(wěn)系統(tǒng)模型同時(shí)輸入微弱的周期信號(hào)和噪聲信號(hào)時(shí)，在合適的參 數(shù)條件下，當(dāng)噪聲增強(qiáng)到某一強(qiáng)度時(shí)，信噪比不僅不會(huì)降低，相反輸出信 號(hào)會(huì)得到顯著增強(qiáng)，這種現(xiàn)象被稱為"隨機(jī)共振"現(xiàn)象。這一現(xiàn)象的發(fā)現(xiàn) 為利用隨機(jī)共振原理在強(qiáng)噪聲背景下提取有用信號(hào)開(kāi)辟了一條新途徑。目前基于隨機(jī)共振原理的信號(hào)檢測(cè)與處理使用的系統(tǒng)模型為非線性連續(xù)雙穩(wěn)系統(tǒng)模型，又稱朗之萬(wàn)(Langevin)方程，該方程見(jiàn)式(l): <formula>formula see original document page 3</formula> (1)其中表示輸入信號(hào)，7W表示噪聲信號(hào)，A>0是系統(tǒng)參數(shù)。 其勢(shì)函數(shù)描述如下<formula>formula see original document page 3</formula>(2)朗之萬(wàn)(Langevin)方程也可寫(xiě)為<formula>formula see original document page 3</formula> (3)其中，參數(shù)a〉0、 b〉0，其勢(shì)函數(shù)則寫(xiě)為<formula>formula see original document page 3</formula> (4)迄今為止，基于隨機(jī)共振(SR)原理所提出的信號(hào)檢測(cè)或提取方法通 常是以上述非線性連續(xù)雙穩(wěn)系統(tǒng)模型為核心。該類模型的缺點(diǎn)是1.在待檢測(cè)信號(hào)頻率/<<1吋，系統(tǒng)可以產(chǎn)生隨機(jī) 共振，而當(dāng)待檢測(cè)信號(hào)頻率/>1時(shí)，系統(tǒng)很難產(chǎn)生隨機(jī)共振。因而，直接 用上述模型基于隨機(jī)共振原理實(shí)現(xiàn)噪聲背景下的信號(hào)提取有較大的局限性。因?yàn)?，大多?shù)實(shí)際應(yīng)用中的信號(hào)頻率都會(huì)大于1。目前較好的一種改進(jìn) 方法是先將信號(hào)經(jīng)過(guò)二次采樣或比例變換。但是，這增加了實(shí)現(xiàn)的復(fù)雜 性，也不利于對(duì)實(shí)時(shí)信號(hào)的處理。2.非線性連續(xù)雙穩(wěn)系統(tǒng)模型的參數(shù)與系統(tǒng)的整體形態(tài)、特征密切相 關(guān)。參數(shù)的改變會(huì)影響整個(gè)系統(tǒng)特性，所以在使用時(shí)，參數(shù)的選取和調(diào)節(jié) 比較困難，參數(shù)調(diào)節(jié)要求常常是互相有沖突的。 發(fā)明內(nèi)容本發(fā)明的目的是針對(duì)現(xiàn)有技術(shù)的不足，提供一種可在強(qiáng)噪聲背景下提 取出有用信號(hào)的方法。本發(fā)明的具體方法是1. 將含噪聲輸入信號(hào)W)放大K倍作為待處理輸入信號(hào)S(O ，5(0 =^)，其中，^) = //(0 + ^)， H(O表示輸入信號(hào)，？7《)表示噪聲信號(hào)；K值根據(jù)輸入信號(hào)//(0的頻率/設(shè)定/<1時(shí)，《=1; /21曰寸，2. 將待處理輸入信號(hào)S(O進(jìn)行處理，處理的數(shù)學(xué)模型為分段線性數(shù)學(xué)模型，表示為<formula>formula see original document page 4</formula>其中，iW表示^)求導(dǎo)數(shù)，x(/)為處理后的輸出信號(hào)，《、 6、 C為實(shí)參 數(shù)，且">6>0， c>0;3.調(diào)節(jié)實(shí)參數(shù)"和6的值，具體方法是首先設(shè)定0<6<10;然后在""S 26范圍內(nèi)調(diào)節(jié)實(shí)參數(shù)"的值。4. 調(diào)節(jié)實(shí)參數(shù)c的值至利用處理后的輸出信號(hào)4)可以分辯出輸入信號(hào)//(0的頻率/，具體調(diào)節(jié)方法是根據(jù)輸入信號(hào)/ZW的頻率/來(lái)調(diào)節(jié)當(dāng) /<1時(shí)，c在0"《l的范圍內(nèi)調(diào)節(jié)；當(dāng)/2l時(shí)，c在l〈c《2000的范圍內(nèi)調(diào) 節(jié)，并且頻率/越高，c值越大。5. 如果通過(guò)步驟4不能分辯出輸入信號(hào)//(0的頻率/，返回步驟l，在 《的取值范圍內(nèi)重新設(shè)定尺值，重復(fù)步驟1 4。本發(fā)明中，得到系統(tǒng)的輸出信號(hào)x(/)后，如果分段線性系統(tǒng)的參數(shù)己調(diào) 節(jié)在合適的值，則噪聲信號(hào)被大大減弱，使x(0中主要含有輸入信號(hào)Z/(0信 息，從而達(dá)到從噪聲中提取出有用信號(hào)的目的；如果分段線性系統(tǒng)的參數(shù) 未調(diào)節(jié)在合適的值，則噪聲信號(hào)不能被減弱，有用信號(hào)不能被提取出來(lái)， 則可通過(guò)對(duì)上述參數(shù)進(jìn)行多次修正的方法加以解決。本發(fā)明提出了一種新的分段線性系統(tǒng)模型，該模型與連續(xù)非線性模型 具有本質(zhì)不同，其模型由4個(gè)線性方程分段描述。以該模型為核心的本發(fā) 明提出的方法，不僅可以在強(qiáng)噪聲下檢測(cè)頻率/《l的信號(hào)，而且可以在強(qiáng) 噪聲下檢測(cè)頻率/》l的信號(hào)。由于模型的分段性，參數(shù)對(duì)系統(tǒng)特征值的影響相對(duì)獨(dú)立，則參數(shù)易于 調(diào)節(jié)，因而，更易于通過(guò)調(diào)節(jié)參數(shù)，使系統(tǒng)達(dá)到最佳工作狀態(tài)。受到噪聲污染的信號(hào)的檢測(cè)與提取無(wú)論在軍事領(lǐng)域，工業(yè)領(lǐng)域和民用 領(lǐng)域都廣泛存在，目前還沒(méi)有一個(gè)最好的方法，所以本發(fā)明有良好的應(yīng)用 價(jià)值。


圖1是本發(fā)明實(shí)施例第一種情況，輸入信號(hào)//(/)的頻率/ = 0.01的結(jié)果；圖2是本發(fā)明實(shí)施例第二種情況，輸入信號(hào)//(0的頻率/ = 100的結(jié)果；圖3是本發(fā)明實(shí)施例第二種情況，輸入信號(hào)//(0的頻率/ = 1000的結(jié)果。為了便于說(shuō)明本發(fā)明的效果。實(shí)施例取輸入信號(hào)//(/) = 4(^2#，其 中，4是信號(hào)幅值，"戈表時(shí)間，/代表信號(hào)頻率。噪聲信號(hào)Z)7^)是零均 值的高斯白噪聲，D為噪聲強(qiáng)度。分別取信號(hào)頻率/ = 0.01、 / = 100、 / = 1000三種情況用本發(fā)明的方法實(shí)現(xiàn)。具體實(shí)現(xiàn)是用數(shù)值計(jì)算方法實(shí)現(xiàn)。第一種情況/ = 0.01、 D = 2、 4=0.5，可以看出噪聲強(qiáng)度D是信號(hào)幅 值4的4倍。1. 將含噪聲輸入信號(hào)^)放大《倍作為待處理輸入信號(hào)^)， 5(0 =《^(0，《值設(shè)定為《=1;2. 將待處理輸入信號(hào)S(,)進(jìn)行處理，處理所用數(shù)學(xué)模型為本發(fā)明分段 線性數(shù)學(xué)模型，表示為-+卯) 當(dāng)x(Z) < -6a — 6 雄)=6.a —6上述數(shù)學(xué)模型在具體計(jì)算時(shí)采用了數(shù)值計(jì)算方法歐拉算法。3. 調(diào)節(jié)實(shí)參數(shù)a和6的值，首先設(shè)定6 = 1，然后調(diào)節(jié)實(shí)參數(shù)"=2。4. 調(diào)節(jié)實(shí)參數(shù)c的值至^0.25。5. 參數(shù)調(diào)節(jié)確定后，該模型經(jīng)歐拉算法遞推計(jì)算，得到處理后的隨時(shí) 間變化的輸出信號(hào)x(Z)， x(O中噪聲信號(hào)被大大減弱，而主要含有輸入信號(hào) //(0的信息，參見(jiàn)圖1所示。圖1中圖l(a)為輸入信號(hào)s(t)的時(shí)域圖，圖 1(c)為輸出信號(hào)x(/)的時(shí)域圖。從圖l(a)可以看出，信號(hào)7/(0完全被噪聲淹 沒(méi)，無(wú)法區(qū)分出來(lái)。對(duì)照?qǐng)Dl(a)和圖l(c)可以看出，經(jīng)過(guò)處理后噪聲大大 消除，信號(hào)可以被區(qū)分出來(lái)。圖l(b)是輸入信號(hào)s(t)的頻域圖，圖l(d)是 輸出信號(hào)雄)的頻域圖，從頻域圖上也可以看出，噪聲信號(hào)被大大減弱，在 / = 0.01處的有用信號(hào)被凸顯出來(lái)。第二種情況/ = 100、 D = 16、 4=1，噪聲強(qiáng)度"是信號(hào)幅值4)的16 倍，噪聲非常強(qiáng)。1. 將含噪聲輸入信號(hào)^)放大《倍作為待處理輸入信號(hào)WO ， S(0 =W)， K值設(shè)定為^2000;2. 將待處理輸入信號(hào)S(O進(jìn)行處理，處理所用數(shù)學(xué)模型為本發(fā)明分段線性數(shù)學(xué)模型，表示為當(dāng)x(0〈-6 一一+ ^(/) 當(dāng)一6《義(0<0雄)=6-~^ + , 當(dāng)x(O" _ a —6上述數(shù)學(xué)模型在具體計(jì)算時(shí)采用了數(shù)值計(jì)算方法歐拉算法。3. 調(diào)節(jié)實(shí)參數(shù)"和6的值，首先設(shè)定"l，然后調(diào)節(jié)實(shí)參數(shù)a = 0.05 + 6 。4. 調(diào)節(jié)實(shí)參數(shù)c的值至c^60。5. 參數(shù)調(diào)節(jié)確定后，該模型經(jīng)歐拉算法遞推計(jì)算，得到處理后的隨時(shí) 間變化的輸出信號(hào)x(,)， x(O中噪聲信號(hào)被大大減弱，而主要含有輸入信號(hào) //(/)的信息，參見(jiàn)圖2所示。圖2中圖2(a)為輸入信號(hào)s(t)的時(shí)域圖，圖 2(c)為輸出信號(hào)x(r)的時(shí)域圖。從圖2(a)可以看出，信號(hào)//(0完全被噪聲淹 沒(méi)，無(wú)法區(qū)分出來(lái)。對(duì)照?qǐng)D2(a)和圖2(c)可以看出，經(jīng)過(guò)處理后噪聲大大 消除，信號(hào)可以被區(qū)分出來(lái)。圖2(b)是輸入信號(hào)s(t)的頻域圖，圖2(d)是 輸出信號(hào)x(O的頻域圖，從頻域圖上也可以看出，噪聲信號(hào)被大大減弱，在 / = 100處的有用信號(hào)被凸顯出來(lái)。第三種情況/ = 1000 、 D = 6、 4=0.3，噪聲強(qiáng)度Z)是信號(hào)幅值4的 20倍，而且4僅為0.3，說(shuō)明待提取的信號(hào)與噪聲相比非常微弱。對(duì)這種情 況，用其他方法，幾乎無(wú)法提取出有用信號(hào)。1.將含噪聲輸入信號(hào)放大K倍作為待處理輸入信號(hào)，<formula>formula see original document page 8</formula>
，《值設(shè)定為《=30000;2. 將待處理輸入信號(hào)S(O進(jìn)行處理，處理所用數(shù)學(xué)模型為本發(fā)明分段<formula>formula see original document page 8</formula>
上述數(shù)學(xué)模型在具體計(jì)算時(shí)采用了數(shù)值計(jì)算方法歐拉算法。3. 調(diào)節(jié)實(shí)參數(shù)"和6的值，首先設(shè)定"l，然后調(diào)節(jié)實(shí)參數(shù) a = 0.01 + 6。4. 調(diào)節(jié)實(shí)參數(shù)c的值至c^100。5. 參數(shù)調(diào)節(jié)確定后，該模型經(jīng)歐拉算法遞推計(jì)算，得到處理后的隨時(shí) 間變化的輸出信號(hào)W)， x(O中噪聲信號(hào)被大大減弱，而主要含有輸入信號(hào) //(/)的信息，參見(jiàn)圖3所示。圖3中圖3(a)為輸入信號(hào)s(t)的時(shí)域圖，圖 3(c)為輸出信號(hào)x(0的時(shí)域圖。從圖3 (a)可以看出，信號(hào)7/(0完全被噪聲 淹沒(méi)，無(wú)法區(qū)分出來(lái)。對(duì)照?qǐng)D3(a)和圖3(c)可以看出，經(jīng)過(guò)處理后噪聲大 大消除，信號(hào)可以被區(qū)分出來(lái)。圖3(b)是輸入信號(hào)s(t)的頻域圖，圖3(d) 是輸出信號(hào)x(O的頻域圖，從頻域圖上也可以看出，噪聲信號(hào)被大大減弱， 在/ = 1000處的有用信號(hào)被凸顯出來(lái)。為了突出該方法的效果和優(yōu)點(diǎn)，上述實(shí)施例都選擇了強(qiáng)噪聲背景信 號(hào)。尤其是第三種情況，在如此強(qiáng)的噪聲背景下，在/>>1的條件下，應(yīng)用 該方法，可以大大地減弱噪聲，充分表明了該方法的優(yōu)越性。實(shí)際中，一 般噪聲會(huì)相對(duì)較弱。另外，實(shí)例中該方法提取出的信號(hào)還含有一定的噪 聲，這可以再根據(jù)實(shí)際使用的需要，經(jīng)進(jìn)一步濾波或平滑處理。對(duì)該領(lǐng)域 的技術(shù)人員來(lái)說(shuō)，后續(xù)處理方法已比較成熟，不再詳述。線性數(shù)學(xué)模型，
權(quán)利要求
1、一種在強(qiáng)噪聲背景下提取信號(hào)的方法，其特征在于該方法的步驟是(1)將含噪聲輸入信號(hào)s(t)放大K倍作為待處理輸入信號(hào)S(t)，S(t)＝K·s(t)，其中，s(t)＝H(t)+η(t)，H(t)表示輸入信號(hào)，η(t)表示噪聲信號(hào)；K值根據(jù)輸入信號(hào)H(t)的頻率f設(shè)定f＜1時(shí)，K＝1；f≥1時(shí)，K＝n·f，2≤n≤100；(2)將待處理輸入信號(hào)S(t)進(jìn)行處理，處理的數(shù)學(xué)模型為分段線性數(shù)學(xué)模型，表示為其中， id="icf0002" file="A2008100616840002C2.tif" wi="7" he="4" top= "135" left = "39" img-content="drawing" img-format="tif" orientation="portrait" inline="yes"/>表示x(t)求導(dǎo)數(shù)，x(t)為處理后的輸出信號(hào)，a、b、c為實(shí)參數(shù)，且a＞b＞0，c＞0；(3)調(diào)節(jié)實(shí)參數(shù)a和b的值，具體方法是首先設(shè)定0＜b＜10；然后在b＜a≤2b范圍內(nèi)調(diào)節(jié)實(shí)參數(shù)a的值；(4)調(diào)節(jié)實(shí)參數(shù)c的值至利用處理后的輸出信號(hào)x(t)可以分辯出輸入信號(hào)H(t)的頻率f，具體調(diào)節(jié)方法是根據(jù)輸入信號(hào)H(t)的頻率f來(lái)調(diào)節(jié)當(dāng)f＜1時(shí)，c在0＜c≤1的范圍內(nèi)調(diào)節(jié)；當(dāng)f≥1時(shí)，c在1＜c≤2000的范圍內(nèi)調(diào)節(jié)，并且頻率f越高，c值越大；(5)如果通過(guò)步驟(4)不能分辯出輸入信號(hào)H(t)的頻率f，返回步驟(1)，在K的取值范圍內(nèi)重新設(shè)定K值，重復(fù)步驟(1)～(4)。
全文摘要
本發(fā)明涉及一種在強(qiáng)噪聲背景下提取信號(hào)的方法。直接用現(xiàn)有模型基于隨機(jī)共振原理實(shí)現(xiàn)噪聲背景下的信號(hào)提取有較大的局限性。本發(fā)明的具體方法是將含噪聲輸入信號(hào)s(t)放大K倍作為待處理輸入信號(hào)S(t)；將待處理輸入信號(hào)S(t)進(jìn)行處理，處理的數(shù)學(xué)模型為分段線性數(shù)學(xué)模型；調(diào)節(jié)實(shí)參數(shù)a和b的值；調(diào)節(jié)實(shí)參數(shù)c的值至利用處理后的輸出信號(hào)x(t)可以分辨出輸入信號(hào)H(t)的頻率f；如果不能分辨出輸入信號(hào)H(t)的頻率f，在K的取值范圍內(nèi)重新設(shè)定K值。本發(fā)明方法由于模型的分段性，參數(shù)對(duì)系統(tǒng)特征值的影響相對(duì)獨(dú)立，則參數(shù)易于調(diào)節(jié)，更易于通過(guò)調(diào)節(jié)參數(shù)，使系統(tǒng)達(dá)到最佳工作狀態(tài)，可以在強(qiáng)噪聲下提取信號(hào)。
文檔編號(hào)G01H17/00GK101329197SQ20081006168
公開(kāi)日2008年12月24日 申請(qǐng)日期2008年5月23日 優(yōu)先權(quán)日2008年5月23日
發(fā)明者王林澤, 趙文禮 申請(qǐng)人:杭州電子科技大學(xué)