基于非线性变换的自适应时间延迟估计方法技术

本发明专利技术提供了一种基于非线性变换的自适应时间延迟估计方法，至少包括以下步骤：首先，对信号进行非线性变换；接着，对信号进行时间延迟估计。其中，较优地，采用Sigmoid函数对采集的带噪声信号进行非线性变换，并采用横向自适应滤波器完成对信号的时间延迟估计。与现有技术相比，本发明专利技术的方法采用神经网络中常用的Sigmoid函数对数据进行非线性变换，抑制了脉冲噪声或反常数值对估计结果的影响；再结合自适应滤波器，对信号进行时间延迟的估计，比现有技术有更宽的适用范围。

【技术实现步骤摘要】

本专利技术涉及一种信号处理技术，特别是涉及一种基于非线性变换的自适应时间延 迟估计方法。
技术介绍
信号的时间延迟通常是指同源信号之间由于传输信道的差异和/或传感器的接 收距离不同而引起的到达时间差。时间延迟是表征信号的一个基本参量，可以利用参数估 计及信号处理的理论技术和方法，对上述时间延迟进行估计，并由此进一步确定其它的有 关参数，例如，信道的结构特点和温度、信源目标的距离、方位、运动方向和速率等。 对时间延迟及其有关参量估计的研究，一直是信号处理领域中一个比较活跃的 研究课题，它具有比较重要的理论意义和较广的应用价值。一方面，时间延迟估计（Time DelayEstimation，简称TDE)的研究对数字信号处理、现代谱估计、信号变换、时间序列分 析及相关技术等提出了新的要求，从而促进了这些学科与技术的进步；另一方面，TDE研究 的进展又在地质勘探、故障诊断、无线电定位、雷达、声纳、通信及生物医学等领域得到了广 泛的应用。 在实际应用中，采集的信号往往含有噪声，这些噪声的特点并不相同。由于信号和 噪声的随机特性，需要采用统计的方法来进行分析处理，这就使得数学上的概率统计理论 在信号处理中起到了举足轻重的作用。将概率统计理论应用于信号处理通常涉及如何利用 概率模型来描述观测信号和噪声的问题，而这种信号和噪声的概率模型通常是所需信息的 函数，信息往往由一组参数构成。这组参数通过某种优化准则从观测数据中提取出来。显 然，用这种方法从数据中得到所需信息的精确程度，很大程度上取决于所采用的概率模型 和优化准则。一个好的统计模型应该与实际信号相符合，并且比较便于分析处理。 在传统的信号处理中，高斯模型占据主导的地位。它是许多背景噪声的概率模型。 在很多情况下，噪声的高斯假定是合理的，并且由中心极限定理得到证明。再者，基于高斯 模型的信号处理算法易于进行理论上的解析分析。尽管高斯模型能够描述许多信号及噪 声，然而，在实际应用中还存在不少非高斯信号及噪声。例如，水声信号、生物医学信号、低 频大气噪声、金融数据以及许多人为产生的信号与噪声等都是非高斯的，且带有明显的脉 冲性；同时在获得数据的过程中，往往会出现一些未被注意或难以察觉的意外情况，使数据 中不可避免地含有或多或少的反常数值。Alpha稳定分布是一种描述脉冲信号噪声的统计 模型。信号和噪声的非高斯脉冲特性，常常引起基于高斯假定所设计的最优信号处理系统 的性能显著退化。当这种性能退化达到一定程度而不能被容忍时，就必须根据信号和噪声 的统计特性重新设计新型的具有鲁棒性的信号处理方法。
技术实现思路
本专利技术要解决的技术问题在于提供一种基于非线性变换的自适应时间延迟估计 方法，其具有鲁棒性，能够有限地提高信号处理系统的性能。 本专利技术提供了一种，至少包括以下 步骤：首先，对信号进行非线性变换；接着，对信号进行时间延迟估计。其中，较优地，采用 Sigmoid函数对采集的带噪声信号进行非线性变换，并采用横向自适应滤波器完成对信号 的时间延迟估计。 与现有技术相比，本专利技术的方法采用神经网络中常用的Sigmoid函数对数据进行 非线性变换，抑制了脉冲噪声或反常数值对估计结果的影响；再结合自适应滤波器，对信号 进行时间延迟的估计，比现有技术有更宽的适用范围。 以下结合附图和具体实施例对本专利技术的技术方案进行详细的说明，以使本专利技术的 特性和优点更为明显。 【附图说明】 图1所示为本专利技术一个实施例的的 流程图； 图2所示为Sigmoid函数的函数图； 图3 (a)为用特征指数a= 1. 5的对称Alpha稳定分布（简称SaS); 图3 (b)为经过Sigmoid变换后的脉冲性信号噪声的波形示意图； 图4所示为本专利技术一个实施例中的单输入横向自适应滤波器的结构示意图； 图5所示为自适应时间延迟估计方法的原理结构示意图； 图6所示为在a= 1. 5、MSNR=OdB时LMSTDE、SAIDE的收敛曲线的对比示意图； 图7所示为MSNR=OdB、a以〇. 2的间隔从1. 2变化到2时LMSTDE、SATDE估计 的均方根误差（RootMeanSquareError，简称RMSE)对比图； 图8所示为在a= 1. 5、MSNR以5dB的间隔从-10dB变化到10dB时LMSTDE、SATDE 估计的均方根误差（RootMeanSquareError,简称RMSE)对比图。 【具体实施方式】 以下将对本专利技术的实施例给出详细的说明。尽管本专利技术将结合一些【具体实施方式】 进行阐述和说明，但需要注意的是本专利技术并不仅仅只局限于这些实施方式。相反，对本专利技术 进行的修改或者等同替换，均应涵盖在本专利技术的权利要求范围当中。 另外，为了更好的说明本专利技术，在下文的【具体实施方式】中给出了众多的具体细节。 本领域技术人员将理解，没有这些具体细节，本专利技术同样可以实施。在另外一些实例中，对 于大家熟知的方法、流程、元件和电路未作详细描述，以便于凸显本专利技术的主旨。 图1所示是本专利技术一个实施例的的 流程图。如图所示，本专利技术的至少包括以下步 骤：S1，对信号进行非线性变换；S2,对信号进行时间延迟估计。 在一个实施例中，所述步骤S1中对信号进行非线性变换是采用神经网络中常用 一种非线性函数--Sigmoid函数作为信息传递函数，Sigmoid函数的数学表达式如下公式 Q)所示： 本文档来自技高网...

【技术保护点】
一种基于非线性变换的自适应时间延迟估计方法，所述基于非线性变换的自适应时间延迟估计方法至少包括下列步骤： 步骤1，对信号进行非线性变换； 步骤2，对信号进行时间延迟估计。

【技术特征摘要】
1. 一种基于非线性变换的自适应时间延迟估计方法，所述基于非线性变换的自适应时 间延迟估计方法至少包括下列步骤： 步骤1，对信号进行非线性变换； 步骤2,对信号进行时间延迟估计。2. 根据权利要求1所述的基于非线性变换的自适应时间延迟估计方法，其特征在于， 在所述步骤1中采用Sigmoid函数对采集的带噪声信号进行非线性变换。3. 根据权利要求2所述的基于非线性变换的自适应时间延迟估计方法，其特征在于， 所述Sigmoid函数根据如下公式确定：4. 根据权利要求1所述的基于非线性变换的自适应时间延迟估计方法，其特征在于， 所述步骤2中对信号进行时间延迟估计由自适应滤波器完成。5. 根据权利要求4所述的基于非线性变换的自适应时间延迟估计方法，其特征在于， 所述自适应滤波器为横向自适应滤波器。6. 根据权利要求5所述的基于非线性变换的自适应时间延迟估计方法，其特征在于， 信道对...

【专利技术属性】
技术研发人员：刘文红，
申请(专利权)人：上海电机学院，
类型：发明
国别省市：上海;31