專利名稱：一種低信噪比條件下信號盒維數特征提取方法
技術領域：
本發明涉及信號特征提取技術領域，特別是一種低信噪比條件下信號盒維數特征提取方法。
背景技術：
信號的分形盒維數，作為信號非線性特性的表征方式，已廣泛應用于認知無線電頻譜感知(如文獻[I]趙春暉，馬爽，楊偉超.基于分形盒維數的頻譜感知技術研究[J].電子與信息學報，2011，33 (2):475-478 ;文獻[2]陳小波，陳紅，蔡曉霞等.基于分形盒維數的雙門限合作頻譜感知方法[J].電訊技術，2011,51 (8):75-79;文獻[3]趙春暉，馬爽.脈沖噪聲下基于Myriad濾波及分形盒維數的頻譜感知[J].振動與沖擊，2012，31:84-87)、設備故障檢測(如文獻[4]樊福梅，梁平，吳庚申.基于分形盒維數的汽輪機轉子振動故障診斷的實驗研究[J].核動力工程，2006，27(1):85-89 ;文獻[5]郝研，王太勇，萬劍等.分形盒維數抗噪研究及其在故障診斷中的應用[J].儀器儀表學報，2011，32
(3): 540-545)、信號調制方式識別(如文獻[6]呂鐵軍，郭雙冰，肖先賜.基于復雜度特征的調制信號識別[J].通信學報，2002,23 (I):111-115 ;文獻[7]呂鐵軍，郭雙冰，肖先賜.調制信號的分形特征研究[J].中國科學E輯:技術科學，2001，31 (6):508-513;文獻[8]楊偉超，趙春暉，成寶芝.Alpha穩定分布噪聲下的通信信號識別[J].應用科學學報，2010，28 (2): 111-114)、信號參數估計(如文獻[9]李一兵，李靖超，林云.基于分形盒維數的線性調頻信號參數估計[J].系統工程與電子技術，2012，34 (I):24-27)等眾多領域。分形理論主要研究對象的內在關系，在一定程度上反映與體現著整體系統的特性與信息。分形盒維數是分形理論中的主要參數，描述分形信號的幾何尺度信息，通信信號的各種調制信號類型特點 主要體現在載波信號的幅度、頻率和相位上，因此信號波形就包含了它們在幾何、分布疏密上的信息，將信號分形集的維數作為信號變化特性的定量描述。文獻[I]提出了一種基于時域盒維數的頻譜感知方法，通過提取信號和噪聲的盒維數作為檢驗統計量。研究表明，噪聲的盒維數特征受噪聲參數變化的影響較小，但在低信噪比條件下，信號和噪聲的盒維數較為接近，不易區分進而影響檢測性能。文獻[2]基于分形盒維數特征，提出了一種多用戶雙門限分步合作方法，有效提高了低信噪比條件下檢測的可靠性。文獻[3]提出了一種在Alpha穩定分布噪聲背景下基于Myriad濾波的盒維數頻譜感知方法，該方法能有效地抑制Alpha穩定噪聲，具有良好的檢測性能。文獻[4]根據汽輪機故障的分形特征，采用分形盒維數進行不同故障試驗，驗證這一特征在進行汽輪機轉子故障類型診斷時的有效性。文獻[5]針對不同噪聲強度的影響，分析出分形盒維數具有一定的抗噪性。在使用較為簡單的濾波方法時，仍可以在一定程度上體現信號的非線性特征，并將分形盒維數這一特征應用于機械故障診斷中。文獻[6]結合Lempel-Ziv復雜度和分形維數這兩種表征信號復雜度的特征，設計分層結構的組合分類器實現對未調載波Cff,已調信號BASK、QASK, BFSK, QFSK, BPSK、QPSK共7種信號的識別，獲得較為滿意的識別率。文獻[7]通過提取信號分形盒維數、信息維數作為識別特征，結合神經網絡分類器，可實現對未調載波CW、已調信號BFSK、QFSK, BPSK、QPSK共5種調制樣式的分類識別，并進一步驗證了分形盒維數這一特征的抗干擾性能。文獻[8]驗證了分形盒維數對特征指數介于I和2之間的Alpha穩定分布噪聲是不敏感的，提取所選信號族中信號相位的分形盒維數作為特征參量對信號進行識別，結果表明:基于分形盒維數特征的的方法在非高斯Alpha穩定分布噪聲背景下的識別性能具有一定的韌性。文獻[9]提出了一種基于分形盒維數的LFM信號調頻斜率估計方法，通過計算信號調頻斜率與盒維數的關系，可對LFM信號的調頻斜率進行有效估計。通常在信噪比較高時，信號的盒維數值能得到較好的估計，但低信噪比時，信號的盒維數的估計性能變差，從而影響依賴此特征進行頻譜感知、信號識別等處理的有效性與可靠性。例如:文獻[I]中將時域盒維數特征直接應用于頻譜感知，但當信噪比SNR低于-1OdB時，高斯白噪聲背景下的信號和噪聲的盒維數非常接近，難以區分進而使得檢測性能無法進一步提高。因此，如何在低信噪比條件下，提高信號盒維數的估計精度，顯得十分必要。
發明內容
本發明的目的是解決現有技術在低信噪比條件下盒維數特征估計誤差大的缺陷。為實現上述目的，本發明采取的技術方案為:一種低信噪比條件下信號盒維數特征提取方法，包括以下步驟:(I)對接收到的信號進行分段短時頻域濾波，得到濾波后的重構信號:首先對接收到的信號依次進行分段處理以及離散采樣，設定離散采樣后的信號為Xi (n), i (N0-1)彡η彡(i+1) (Ntl-1)，其中N。為各分段信號的長度；然后對離散采樣后的信號進行分段短時頻域濾波，步驟如下:(1-1)對 Xi (η)作 N0 點 DFT，得到 Xi (k) = DFT [Xi (η)]；(1-2)設計一個帶通波濾器，其傳輸特性如下
權利要求
1.一種低信噪比條件下信號盒維數特征提取方法，其特征是，包括以下步驟: (1)對接收到的信號進行分段短時頻域濾波，得到濾波后的重構信號: 首先對接收到的信號依次進行分段處理以及離散采樣，設定離散采樣后的信號為Xi (n), i (N0-1)彡η彡(i+1) (Ntl-1)，其中N。為各分段信號的長度； 然后對離散采樣后的信號進行分段短時頻域濾波，步驟如下:(1-1)對 Xi (η)作 N0 點 DFT，得到 Xi (k) = DFT [Xi (η)]； (1-2)設計一個帶通波濾器，其傳輸特性如下:
2.根據權利要求1所述的低信噪比條件下信號盒維數特征提取方法，其特征是，方法還包括步驟(3):對提取出的分形盒維數特征進行精度估計，以驗證盒維數特征提取的精度: 針對不同信號類型，分別提取原始調制信號、高斯白噪聲背景下的信號，以及高斯白噪聲背景下且經分段短時頻域濾波后的重構信號，上述三者的盒維數特征值；在不同的信噪比條件下，比較三種盒維數特征值的均值和均方根誤差；如高斯白噪聲背景下且經分段短時頻域濾波后的重構信號的盒維數特征值的均值和均方根誤差均小于濾波前高斯白噪聲背景下的信號，則其更接近于實際信號的盒維數真實值。
3.根據權利要求1或2所述的低信噪比條件下信號盒維數特征提取方法，其特征是，步驟(I)中對接收信號依次進行分段處理和離散采樣的步驟如下: 設定接收到的信號模型為:X (t) =s (t) +w (t), O ^ t ^ T 其中，W(t)是零均值，方差為σ2的高斯白噪聲過程，T為觀測時間，s(t)是調制信號，x(t)用解析信號形式表示
全文摘要
本發明提出了一種低信噪比條件下信號盒維數特征提取方法，該方法首先對接收到的信號進行分段處理進而得到離散采樣信號，然后對離散采樣信號作短時頻域濾波處理，以改善信噪比；接著對濾波后的信號進行重構，從獲得的重構信號中提取其盒維數特征。本發明提取的盒維數特征在低信噪比條件下能提高信號的估計精度，具有一定的抗干擾性能，可進一步提高依賴此特征進行認知無線電頻譜感知、信號調制方式識別、信號參數估計等處理的有效性與可靠性。
文檔編號H04L25/02GK103220241SQ20131010788
公開日2013年7月24日 申請日期2013年3月29日 優先權日2013年3月29日
發明者胡國兵, 高燕, 周波, 李震濤, 吳珊珊 申請人:南京信息職業技術學院