一种基于宽带频谱的干扰信号识别及提取方法技术

本发明专利技术提供一种基于宽带频谱的干扰信号识别及提取方法，包括以下步骤：S1，提供多个采样点的宽带频谱I(F,P)；S2，提供每个采样点的宽带频谱的信噪分离阈值ni,i＝1,2,…,N；S3，根据每个采样点的宽带频谱的信噪分离阈值对宽带频谱进行二值化处理；S4，基于宽带频谱的二值化处理结果，判断各干扰信号的起止边界；S5，确定各干扰信号的起止频点对应的采样点序号；S6，根据各干扰信号对应的各采样点的频率和幅度提取各干扰信号。本发明专利技术基于宽带频谱数据，并给定信噪分离阈值，通过对频谱数据进行二值化处理，运用数值梯度检测信号的边界，从而提取干扰信号。本发明专利技术具有算法简单、易于编程实现、信号检测速度快等特点。

【技术实现步骤摘要】
一种基于宽带频谱的干扰信号识别及提取方法
本专利技术涉及频域信号检测及识别技术，尤其涉及一种基于宽带频谱的干扰信号识别及提取方法。
技术介绍
对于射电天文领域，运用电磁环境监测系统或电磁辐射测量系统测量获得的信号称为干扰信号。实际的射电天文监测数据中产生大量的频谱数据，频谱中存在窄带、宽带信号，运用商用频谱仪测试时，采样点数间隔需大于信号带宽，也就意味着单个信号由一个或多个采样点构成。从电波环境频谱中有效分离噪声和干扰信号，对研究和统计射电天文台站干扰信号的特征及规律非常重要。
技术实现思路
本专利技术的目的在于提供一种基于宽带频谱的干扰信号识别及提取方法，以有效提取电波环境频谱中的干扰信号。为了实现上述目的，本专利技术采用如下技术方案：一种基于宽带频谱的干扰信号识别及提取方法，包括以下步骤：S1，提供多个采样点的宽带频谱I(F,P)：P＝[p1,p2,…,pi,…,pN]T(1)，F＝[f1,f2,…,fi,…,fN]T(2)，C＝[1,2,3,…i,…,N]T(3)，其中，矩阵F表示频率，矩阵P表示幅度，矩阵C表示采样点阵列，N表示采样点个数，i表示采样点序号；S2，提供每个采样点的宽带频谱的信噪分离阈值ni,i＝1,2,…,N；S3，根据每个采样点的宽带频谱的信噪分离阈值对宽带频谱进行二值化处理；S4，基于宽带频谱的二值化处理结果，判断各干扰信号的起止边界；S5，确定各干扰信号的起止频点对应的采样点序号；S6，根据各干扰信号对应的各采样点的频率和幅度提取各干扰信号。进一步地，在所述步骤S3中，按如下公式(4)对宽带频谱I(F,P)进行二值化处理，处理结果采用ui表示：进一步地，在所述步骤S4中，分别用GN×1和DN×1表示数据ui的两种数值梯度，其中，若Gi＝0或Di＝0，则表示该采样点i不是信号突变点，当Gi＝1时表示该采样点i为干优信号的左边缘，当Di＝-1时表示该采样点i为干扰信号的右边缘。进一步地，在所述步骤S5中，采用L和R分别表示干扰信号的起始频点和终止频点对应的采样点序号，则L和R满足式(9)和(10)所示的关系式：L′＝CGTENB(9)，R′＝-CDTENB(10)，其中，EN表示N维单位矩阵，N维列向量B＝[1,1,1,…,1]T，分别依次提取列向量L′和R′中的非零元素，提取后的非零元素分别存入列向量L和R中，则有：w＝dim(L)(11)，其中，dim(L)表示列向量L的维数，即w为频谱I(F,P)中干扰信号的个数。进一步地，在所述步骤S6中，采用列向量M表示提取出的干扰信号，各干扰信号用Mk(k＝1,2,…,w)表示，则有：M(f,p)＝[M1,M2,…,Mk,…,Mw]T(12)，其中，Lk表示第k个干扰信号的起始频点对应的采样序号，Rk表示第k个干扰信号的终止频点对应的采样序号，表示第k个干扰信号的起始频点对应的频率，表示第k个干扰信号的起始频点对应的幅度，表示第k个干扰信号的终止频点对应的频率，表示第k个干扰信号的终止频点对应的幅度。通过采用上述技术方案，本专利技术基于宽带频谱数据，并给定信噪分离阈值，通过对频谱数据进行二值化处理，运用数值梯度检测信号的边界，从而提取干扰信号。本专利技术具有算法简单、易于编程实现、信号检测速度快等特点。附图说明图1为本专利技术一种基于宽带频谱的干扰信号识别及提取方法的流程图；图2为本专利技术一个实施例中宽带频谱与信噪分离阈值的示意图；图3为图2实施例中宽带频谱的二值化处理结果示意图；图4为图2实施例中宽带频谱的干扰信号边界检测结果示意图；图5为图2实施例中宽带频谱的干扰信号的提取结果示意图。具体实施方式下面给出本专利技术的较佳实施例，并予以详细描述，使能更好地理解本专利技术的功能、特点。如图1所示，本专利技术基于宽带频谱的干扰信号识别及提取方法包括以下步骤：S1，提供多个采样点的宽带频谱I(F,P)，如图2中实线所示，其中矩阵F表示频率，矩阵P表示幅度，矩阵C表示采样点序号，P＝[p1,p2,…,pi,…,pN]T(1)，F＝[f1,f2,…,fi,…,fN]T(2)，C＝[1,2,3,…i,…,N]T(3)，其中，N表示采样点个数。S2，提供每个采样点的宽带频谱的信噪分离阈值ni,i＝1,2,…,N，如图2中虚线所示。在本专利技术中，可以采用多种现有的信噪分离域值获得每个宽带频谱的信噪分离阈值。例如，文献1【CHENChih-Hung,DEENMJ,etal.Extractionoftheinducedgatenoise,channelnoise,andtheircorrelationinsubmicronMOSFETsfromRFnoisemeasurements[J].IEEETransactionsonElectronDevices,2001,48(12):2884-2892】公开的提取信道热噪声方法，文献2【黄晓斌,刘海涛,等.强噪声背景下基于子空间的盲信号提取[J].电子与信息学报.2006,28(11):2037-2040.】和文献3【EVENJ,SARUWATARIH,etal.Frequencydomainblindsignalextraction:applicationtofastestimationofdiffusebackgroundnoise[A].JamesLF.Hands-FreeSpeechCommunicationandMicrophoneArrays(HSCMA2008)[C].PiscatawayNJ:IEEESignalProceedingsSociety,2008.212-215.】公开的采用盲信号提取来估计背景噪声方法，文献4【GianniniF,BourdelE,etal.Anewmethodtoextractnoiseparametersbasedonafrequency-andtime-domainanalysisofnoisepowermeasurements[J].IEEETransactionsonInstrumentationandMeasurement,2008,57(2):261-267.】公开的提取器件的背景噪声参数方法，文献5【严天峰，马睿.基于形态学梯度的信号噪声分离算法[J].计算机应用.2011,31(11):2922-2925.】公开的基于形态学梯度的信噪分离方法，以及文献6【冯霞，龚晓峰，张丽丹，武瑞娟.基于纹理特征的背景噪声提取的应用研究[J].电子学报.2009,37(9):2092-2095.】基于纹理特征的背景噪声提取方法等。S3，根据每个采样点的宽带频谱的信噪分离阈值，按如下公式(4)对宽带频谱I(F,P)进行二值化处理，处理结果如图3所示，采用ui表示：S4，对宽带频谱的二值化处理结果进行数值梯度检测，以判断各干扰信号的起止边界：分别用GN×1和DN×1表示数据ui的两种数值梯度，其中，若Gi＝0或Di＝0，则表示该采样点i不是信号突变点，当Gi＝1时表示该采样点i为干优信号的左边缘，当Di＝-1时表示该采样点i为干扰信号的右边缘，边界判断结果如图4所示。S5，确定各干扰信号的起止频点对应的采样点序号：采用L和R分别表示干扰信号的起始频点和终止频点对应的采样点序号，则L和R满足本文档来自技高网...

【技术保护点】
一种基于宽带频谱的干扰信号识别及提取方法，其特征在于，包括以下步骤：S1，提供多个采样点的宽带频谱I(F,P)：P＝[p1,p2,…,pi,…,pN]

【技术特征摘要】
1.一种基于宽带频谱的干扰信号识别及提取方法，其特征在于，包括以下步骤：S1，提供多个采样点的宽带频谱I(F,P)：P＝[p1,p2,…,pi,…,pN]T(1)，F＝[f1,f2,…,fi,…,fN]T(2)，C＝[1,2,3,…i,…,N]T(3)，其中，矩阵F表示频率，矩阵P表示幅度，矩阵C表示采样点阵列，N表示采样点个数，i表示采样点序号；S2，提供每个采样点的宽带频谱的信噪分离阈值ni,i＝1,2,…,N；S3，根据每个采样点的宽带频谱的信噪分离阈值对宽带频谱进行二值化处理；S4，基于宽带频谱的二值化处理结果，判断各干扰信号的起止边界；S5，确定各干扰信号的起止频点对应的采样点序号；S6，根据各干扰信号对应的各采样点的频率和幅度提取各干扰信号。2.在所述步骤S3中，按如下公式(4)对宽带频谱I(F,P)进行二值化处理，处理结果采用ui表示：3.在所述步骤S4中，分别用GN×1和DN×1表示数据ui的两种数值梯度，

【专利技术属性】
技术研发人员：刘奇，袁力，王娜，刘晔，王玥，刘烽，陈卯蒸，
申请(专利权)人：中国科学院新疆天文台，中国科学院大学，
类型：发明
国别省市：新疆,65