基于异常值检测的子空间投影滤波器设计制造技术

本发明专利技术提出对样本协方差矩阵进行特征分析，是否符合高斯分布检验异常值的方法，以及利用检验统计量的方法，在未知干扰参数的情况下自适应求出干扰和信号之间特征值的阈值，检测干扰异常值，结合子空间投影方法抑制干扰。其主要思路是：利用干扰和信号及噪声特性的不同，求取样本自相关矩阵，然后进行特征分解，使用Lilliefors检验统计量的检测算法，求出干扰特征值的自适应阈值，根据不同信号对应的特征子空间的正交性，实现样本数据映射到非干扰子空间中，从而抑制干扰，提高滤波器性能。避免不同子空间的特征值幅度本身相差较大，过大的干扰特征值会使得较小的干扰特征值位于阈值之下而被误认为是信号或噪声子空间的问题，消除了干扰特征值本身大小差距的影响。

【技术实现步骤摘要】
基于异常值检测的子空间投影滤波器设计
本专利技术涉及通信领域中自适应干扰信号抑制处理，具体涉及特征值检测的子空间投影干扰抑制方法，即对样本协方差进行特征分解，利用干扰和信号及噪声特性的不同，设计自适应检测干扰特征值方法，抑制干扰。
技术介绍
子空间投影设计的滤波器，可以消除干扰子空间，降低干扰影响。但是在子空间投影方法中，对于干扰子空间对应的特征值个数要求有准确的判断，如果判断的特征值个数少于实际个数，那么干扰抑制不彻底，残余的干扰分量会继续恶化通信性能。相反，如果判断的特征值个数大于实际个数，那么有用信号会受到损害，降低了信噪比和通信性能。因此，有必要对干扰子空间的特征值进行分析，对特征值进行分类，从而给出自适应的子空间判断方法，识别出干扰特征值。一般文献认为，干扰特征值具有“远远大于”信号和噪声特征值，从而忽略了细致的讨论，而是采用一种粗糙的办法，典型的有“大于最大特征值百分之几(阈值)的部分特征值为干扰特征值”。传统方法对干扰幅度差别进行干扰特征值检测的办法，不利于对幅度差别较大的干扰特征值进行成功的检测。即在实际应用时，对应不同子空间的特征值幅度本身相差较大，过大的干扰特征值会使得较小的干扰特征值位于阈值之下而被误认为是信号或噪声子空间。针对以上问题，本专利技术提出一种基于异常值检测的子空间投影滤波器。即基于白噪声的特性及参数进行干扰特征值检测，与白噪声特征值的差距大于标准差一定的倍数，被认为是“异常值”即干扰特征值，消除了干扰特征值本身大小差距的影响，结合子空间投影方法抑制干扰。
技术实现思路
本专利技术提出对样本协方差矩阵进行特征分析，是否符合高斯分布检验异常值的方法，以及利用检验统计量的方法，自适应求出干扰和信号之间特征值的阈值，检测干扰异常值，最后根据不同信号对应的特征子空间的正交性，实现样本数据映射到非干扰子空间中，从而抑制干扰。为达到以上技术目的，本专利技术采用如下技术方案予以实现。一种基于异常值检测的子空间投影滤波器设计方法，包括以下步骤：步骤1，对接受的信号计算其自相关函数，排列为自相关矩阵；步骤2，对估计的协方差矩阵进行特征值分解，得到特征值矩阵；步骤3，对特征值矩阵特征值元素取绝对值，并从小到大排列为次序统计量X，视为观测数据样本使用Lilliefors检验统计量的检测算法，求出干扰特征值的自适应阈值；步骤4，根据求得的自适应阈值，检测干扰特征值集合Σi后，确定其子空间Ui，则信号与噪声子空间为Ui的补集，进行子空间投影抑制干扰。本专利技术与现有的技术相比具有以下优点：第一，本专利技术根据干扰特征值具有“远远大于”信号和噪声特征值的特点，对待检验数据次序统计量X从小到大逐个引入样本，进行多次检验，计算对应的检验统计量排列为向量D。当干扰被计入时，统计量D突然急剧增大。待检验数据X中符合样本个数，可认为是统计量D随检验数据量变化最小值所对应样本序号，即该样本序号所对应样本幅度，可认为是阈值。高于该阈值者为异常值。避免不同子空间的特征值幅度本身相差较大，过大的干扰特征值会使得较小的干扰特征值位于阈值之下而被误认为是信号或噪声子空间的问题。第二，本专利技术采用自适应检测干扰特征值，自适应求出干扰特征值阈值，克服了对干扰子空间个数判断不明的问题，使通信性能的损害降到最低，提高了滤波器的性能。附图说明图1为本专利技术异常值检测的子空间投影滤波器仿真方法流程图。图2为本专利技术异常值检测求取自适应阈值的流程图。图3为干扰和信号的特征值分布图。图4为Lilliefors检验统计量随次序统计量的变化图。图5为分别通过本专利技术滤波器和传统滤波器检测的误码率性能曲线图。具体实施方式以下结合附图和实施方法对本专利技术进一步说明。参照图1，本专利技术基于异常值检测的子空间投影滤波器仿真方法，包括以下步骤：对接受信号求自相关矩阵、自适应求出干扰特征值阈值、确定非干扰子空间、子空间投影抑制干扰。首先对样本数据进行自相关矩阵求解，即然后对自相关矩阵进行特征值分解，假设特征值分解为其中下标i，s，n分别代表干扰、信号、白噪声。图2表示基于Lilliefors检验统计量的检测算法的流程，采用统计检验的思想，利用次序统计量进行依次计算。对分解后的特征值从小到大排列为次序统计量X，视为观测数据样本。设观测数据样本个数(维度)为L。设置最小的噪声样本数l0。步骤2包括以下步骤：第2-1步:给以l＝l0,...,L，取X的前l个数据为检验向量Xl。计算样本的均值和标准差参数第2-2步:计算高斯分布的期望累计分布函数第2-3步:计算样本累计分布函数第2-4步:计算统计量D的第l个元素，为第2-5步:寻找统计量D最小值，给出其对应的样本点数对于l<Ln的X(l)为噪声样本，l>Ln的X(l)为干扰样本，得到噪声方差估计为σn，此时噪声样本比例为η＝Ln/L。其中l0设置的合理范围较为宽松，例如l0/L＝0.5即可满足要求，这是因为一般来说干扰特征值不会过多。采用算法对估计协方差矩阵的特征值进行分析，能够准确检测出因干扰引起的特征值，因为来自噪声本身的特征值会使得统计量持续的减少，而干扰特征值在幅度上的异常，会导致统计量急剧的上升。当干扰被计入时，统计量D突然急剧增大。待检验数据X中符合样本个数，可认为是统计量D随检验数据量变化最小值所对应样本序号，该样本序号所对应样本幅度，即为干扰特征值的阈值。检测干扰特征值集合Σi后，确定其子空间Ui，则信号与噪声子空间为Ui的补集。基于此子空间进行投影，设计的接收机为图3表示干扰和信号的特征值分布。仿真中接收机权向量的维度为256，所估计协方差矩阵的阶数为256，其特征值个数，也即待检测的样本个数为256。其中，特征值按照从小到大进行排列，从图中可以清楚地看到，在未检测的干扰特征值时，信号的特征值分布均匀。当干扰的特征值被检测检测到时，由于干扰特征值相对信号的特征值幅度比较大，且变化非常明显。图4表示采用Lilliefors检验的统计量。Lilliefors统计量随着较大特征值的加入，在干扰特征值被计入前后出现了急剧变化，与算法设计思想一致。图5表示，利用本专利技术设计的异常值检测的子空间投影，仿真BPSK信号与干扰，抑制干扰之后，检测的误码率性能曲线。设置载波频率76Hz，采样频率256Hz，蒙特卡洛次数为1000。仿真结果可见，对比传统的匹配滤波器，本专利技术提取出的基于异常值检测的子空间投影滤波器算法可以自适应检测干扰特征值，得到信号子空间，抑制干扰，降低误码率。本文档来自技高网...

【技术保护点】
1.一种基于异常值检测的子空间投影滤波器设计方法，其特征在于，包括以下步骤为：步骤1，对接受的信号计算其自相关函数，排列为自相关矩阵；步骤2，对估计的协方差矩阵进行特征值分解，得到信号的特征值矩阵；步骤3，对特征值矩阵特征值元素取绝对值，并从小到大排列为次序统计量X，视为观测数据样本使用Lilliefors检验统计量的检测算法，求出干扰特征值的自适应阈值；步骤4，根据求得的自适应阈值，检测干扰特征值集合Σi后，确定其子空间Ui，则信号与噪声子空间为Ui的补集，进行子空间投影抑制干扰。

【技术特征摘要】
1.一种基于异常值检测的子空间投影滤波器设计方法，其特征在于，包括以下步骤为：步骤1，对接受的信号计算其自相关函数，排列为自相关矩阵；步骤2，对估计的协方差矩阵进行特征值分解，得到信号的特征值矩阵；步骤3，对特征值矩阵特征值元素取绝对值，并从小到大排列为次序统计量X，视为观测数据样本使用Lilliefors检验统计量的检测算法，求出干扰特征值的自适应阈值；步骤4，根据求得的自适应阈值，检测干扰特征值集合Σi后，确定其子空间Ui，则信号与噪声子空间为Ui的补集，进行子空间投影抑制干扰。2.如权利要求1所述的一种基于异常值检测的子空间投影滤波器设计方法，其特征在于，在步骤1中对样本信号排列自相关矩阵，3.如权利要求1所述的一种基于异常值检测的子空间投影滤波器设计方法，其特征在于，对自相关矩阵进行特征值分解，即其中下标i，s，n分别代表干扰、信号、白噪声。4.如权利要求1所述的一种基于异常值检测的子空间投影滤波器设计方法，其特征在于，使用Lilliefor...

【专利技术属性】
技术研发人员：吴太锋，罗忠涛，卢鹏，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：重庆,50