The present invention provides a deconvolution power spectrum estimation method. (1) the samples of data pretreatment, and after pretreatment of sample data are used to estimate the power spectrum; (2) the use of power to power on the convolution algorithm data sample spectrum functions of spectrum deconvolution operation; (3) choose the appropriate parameters for the deconvolution operation, choose the number of iterations, and power the real signal spectrum estimation is obtained by iterative convergence. The present invention overcomes the problem of low frequency spectrum leakage and low frequency resolution caused by the limited length of the data sample. The invention can significantly improve the frequency resolution of power spectrum estimation in short length data, and at the same time effect can be achieved in high resolution spectrum estimation of effective sidelobe suppression due to the limited data length, so as to obtain additional signal processing gain, which is of important significance for weak signal detection under strong interference background.
【技术实现步骤摘要】
一种去卷积功率谱估计方法
本专利技术涉及的是一种信号处理方法,具体地说是一种信号谱估计方法。
技术介绍
谱分析技术包括频谱分析和功率谱估计,是对信号进行频域分析的最常用手段。信号的功率谱是关于组成该信号的所有频率的信号能量分布。作为信号谱分析的基本理论,起初,傅立叶变换定义为是一类在无限时域和频域上进行的全局变换,将时域信号分解成不同频率的正弦信号。为了处理离散序列,又发展了离散时间傅立叶变换和离散傅立叶变换。傅立叶变换不仅可以应用于功率谱估计,还可以扩展到信号的时频特性分析领域,例如短时傅立叶变换。然而,在实际应用中,傅立叶变换通常用来计算有限样本数量的信号频谱或功率谱。这些有限长的采样点是离散的采样信号和一个窗函数的乘积。这就使得谱分辨率受到数据采样长度的限制,同时,窗函数的旁瓣带来的谱泄露同样不可忽视。因此,信号有限的采样长度对谱估计结果带来的影响一直以来都是信号处理领域亟待解决的问题。随着信号处理技术不断发展,提出了许多能够获得构成良好、频率分辨率较高的信号谱估计方法。比如一种频率改良技术,Zoom-FFT,能用来对频谱的局部进行高分辨率处理。另外,相继提出的基于参数模型的现代谱估计方法,比如基于AR和ARMA等模型的谱估计方法能够获得高分辨率谱估计结果。还有基于最小方差无畸变反应(MVDR)方法的应用也能够大大提高谱估计结果的频率分辨率。以上几种方法以及学者们提出的其他高频率分辨率的信号谱估计方法的确能够提高信号谱估计结果的分辨率,但是信号的采样长度仍是影响这些高分辨率谱估计方法处理性能的主要因素之一。而且其他因素,比如信号的信噪比、模型方法的模 ...
【技术保护点】
一种去卷积功率谱估计方法,其特征是:(1)对数据样本进行预处理,并对预处理后的数据样本进行功率谱估计;(2)利用去卷积算法对数据样本的功率谱同窗函数的功率谱进行去卷积运算;(3)为去卷积运算选择合适的参数,选择迭代次数,然后通过迭代收敛得到信号真实的功率谱的估值。
【技术特征摘要】
1.一种去卷积功率谱估计方法,其特征是:(1)对数据样本进行预处理,并对预处理后的数据样本进行功率谱估计;(2)利用去卷积算法对数据样本的功率谱同窗函数的功率谱进行去卷积运算;(3)为去卷积运算选择合适的参数,选择迭代次数,然后通过迭代收敛得到信号真实的功率谱的估值。2.根据权利要求1所述的去卷积功率谱估计方法,其特征是:所述对数据样本进行预处理是选择窗函数,将窗函数同数据样本在时域上相乘;所述进行功率谱估计是采用周期图法,计算数据样本以及窗函数的傅立叶变换结果的模平方作为二者功率谱估计的结果,即求出Pw(f)=|W(f)|2,其...
【专利技术属性】
技术研发人员:朴胜春,郭微,宋扬,
申请(专利权)人:哈尔滨工程大学,
类型:发明
国别省市:黑龙江,23
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。