复杂环境下的未知信号辨识方法和系统技术方案

本发明专利技术提供了一种复杂环境下的未知信号辨识方法和系统，包括：步骤1：通过最小均方自适应滤波得到复杂环境背景噪声的干扰谱，实现复杂环境背景噪声的干扰谱的跟踪；步骤2：通过测得的环境噪声的干扰谱，对未知信号进行频谱搬移，使未知信号频谱处在低于背景噪声的干扰谱幅值的频带；步骤3：频谱搬移后的未知信号经过复杂环境，经过测量和窄带滤波后，采用谱减法获得降噪信号，实现未知复杂环境下的未知信号辨识；步骤4：重复执行步骤1至步骤3，实时地实现复杂环境下未知信号的自适应频谱搬移及辨识。本发明专利技术能够根据测定的干扰谱实现未知信号的自适应频谱搬移，实时地实现背景噪声的干扰抑制。扰抑制。扰抑制。

【技术实现步骤摘要】
复杂环境下的未知信号辨识方法和系统


[0001]本专利技术涉及信号传感
，具体地，涉及一种复杂环境下的未知信号辨识方法和系统。

技术介绍

[0002]在传感领域，信噪比是影响传感的性能的重要影响因素之一。面向复杂环境下的传感，能够在极低信干比和缓变非稳态背景噪声条件下实现未知信号的辨识或者干扰抑制具有重要意义。在复杂环境下，环境噪声大都是加性的宽带噪声，且随环境和时间而改变。
[0003]专利文献CN112528774A(申请号：CN202011359966.6)公开了一种复杂电磁环境下未知雷达信号智能分选系统及方法，通过设计雷达信号脉内信息分选模块、雷达信号时频混叠分离模块、雷达信号脉间信息分选模块和雷达行为认知模块，形成雷达信号分选的流程闭环。
[0004]现有方法大多需要环境噪声的一些特征或者统计特性，在没有环境噪声的先验知识的情况下，从带噪信号中分理处信号往往十分困难。

技术实现思路

[0005]针对现有技术中的缺陷，本专利技术的目的是提供一种复杂环境下的未知信号辨识方法和系统。
[0006]根据本专利技术提供的复杂环境下的未知信号辨识方法，包括：
[0007]步骤1：通过最小均方自适应滤波得到复杂环境背景噪声的干扰谱，实现复杂环境背景噪声的干扰谱的跟踪；
[0008]步骤2：通过测得的环境噪声的干扰谱，对未知信号进行频谱搬移，使未知信号频谱处在低于背景噪声的干扰谱幅值的频带；
[0009]步骤3：频谱搬移后的未知信号经过复杂环境，经过测量和窄带滤波后，采用谱减法获得降噪信号，实现未知复杂环境下的未知信号辨识；
[0010]步骤4：重复执行步骤1至步骤3，实时地实现复杂环境下未知信号的自适应频谱搬移及辨识。
[0011]优选的，所述步骤1包括：
[0012]步骤1.1：选用单频正弦信号，经过复杂环境后进行测量，得到各个时刻的测量值；
[0013]步骤1.2：采用最小均方自适应滤波对测量值进行处理，得到不同时刻的实时抽头系数，进而得到复杂环境背景噪声的干扰谱。
[0014]优选的，所述步骤1.2包括：
[0015]步骤1.2.1：设定最小均方误差滤波器的抽头数M和步长μ，并将抽头权向量置0，其中，表示向量，{}
T
代表转置，n为信号个数；
[0016]步骤1.2.2：将时变参量的估计值作为输入信号矢量步骤1.2.2：将时变参量的估计值作为输入信号矢量将已知信号的理想输出作为期望信号dn，则输出
信号表示为yn＝wnTxn，为随机变量；
[0017]步骤1.2.3：误差信号为期望信号与输出信号的差e[n]＝d[n]‑
y[n]，采用最小均方误差准则，设定E{e2[n]}的阈值δ作为是否收敛的评判标准，实时更新抽头权向量
[0018]步骤1.2.4：设最小均方误差自适应滤波器在N1时刻开始收敛，N2时刻结束收敛，保留N1时刻的抽头权向量估计并计算输出噪声矢量其中，M+1<n<N1，进行窗口傅里叶变换，得到M+1～N2时刻的噪声谱，对N2+1时刻数据开始重复执行上述步骤，不断得到实时的背景噪声的干扰谱。
[0019]优选的，所述步骤2包括：
[0020]步骤2.1：根据当前时刻的噪声谱，判断噪声频谱幅值较低的频带f1～f2；
[0021]步骤2.2：考虑到未知信号的频谱范围的先验信息已知，即s(t)可能位于频带f
L
～f
H
内，将未知信号进行频率移动s
m
(t)＝s(t)
×
Acos(2πΔft)，使之位于上述目标频带f1～f2内，即f
L
+Δf～f
H
+Δf位于f1～f2内，其中，A和Δf分别为频率移动采用的单频余弦信号的幅值和频率。
[0022]优选的，所述步骤3包括：
[0023]步骤3.1：对频谱搬移后的未知信号进行测量，得到各时刻的值；
[0024]步骤3.2：将测量结果进行带通滤波，得到信号与幅值较低的窄带干扰，并进行窗口傅里叶变换，得到频谱R(f)；
[0025]步骤3.3：利用谱减法减去对应时间段的背景噪声的干扰谱值N(f)，得到待测信号的频谱S(f)，其中，S(f)＝R(f)
‑
N(f)，得到待测未知信号的估计值，通过窗口傅里叶逆变换，实现对应时间段的未知信号的辨识。
[0026]根据本专利技术提供的复杂环境下的未知信号辨识系统，包括：
[0027]模块M1：通过最小均方自适应滤波得到复杂环境背景噪声的干扰谱，实现复杂环境背景噪声的干扰谱的跟踪；
[0028]模块M2：通过测得的环境噪声的干扰谱，对未知信号进行频谱搬移，使未知信号频谱处在低于背景噪声的干扰谱幅值的频带；
[0029]模块M3：频谱搬移后的未知信号经过复杂环境，经过测量和窄带滤波后，采用谱减法获得降噪信号，实现未知复杂环境下的未知信号辨识；
[0030]模块M4：重复调用模块M1至M3，实时地实现复杂环境下未知信号的自适应频谱搬移及辨识。
[0031]优选的，所述模块M1包括：
[0032]模块M1.1：选用单频正弦信号，经过复杂环境后进行测量，得到各个时刻的测量值；
[0033]模块M1.2：采用最小均方自适应滤波对测量值进行处理，得到不同时刻的实时抽头系数，进而得到复杂环境背景噪声的干扰谱。
[0034]优选的，所述模块M1.2包括：
[0035]模块M1.2.1：设定最小均方误差滤波器的抽头数M和步长μ，并将抽头权向量置0，其中，表示向量，{}
T
代表转置，n为信号个数；
[0036]模块M1.2.2：将时变参量的估计值作为输入信号矢量模块M1.2.2：将时变参量的估计值作为输入信号矢量将已知信号的理想输出作为期望信号dn，则输出信号表示为yn＝wnTxn，为随机变量；
[0037]模块M1.2.3：误差信号为期望信号与输出信号的差e[n]＝d[n]‑
y[n]，采用最小均方误差准则，设定E{e2[n]}的阈值δ作为是否收敛的评判标准，实时更新抽头权向量
[0038]模块M1.2.4：设最小均方误差自适应滤波器在N1时刻开始收敛，N2时刻结束收敛，保留N1时刻的抽头权向量估计并计算输出噪声矢量其中，M+1<n<N1，进行窗口傅里叶变换，得到M+1～N2时刻的噪声谱，对N2+1时刻数据开始重复调用上述模块，不断得到实时的背景噪声的干扰谱。
[0039]优选的，所述模块M2包括：
[0040]模块M2.1：根据当前时刻的噪声谱，判断噪声频谱幅值较低的频带f1～f2；
[0041]模块M2.2：考虑到未知信号的频谱范围的先验信息已知，即s(t)可能位于频带f
L
～f
H
内，将未知信号进行频本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种复杂环境下的未知信号辨识方法，其特征在于，包括：步骤1：通过最小均方自适应滤波得到复杂环境背景噪声的干扰谱，实现复杂环境背景噪声的干扰谱的跟踪；步骤2：通过测得的环境噪声的干扰谱，对未知信号进行频谱搬移，使未知信号频谱处在低于背景噪声的干扰谱幅值的频带；步骤3：频谱搬移后的未知信号经过复杂环境，经过测量和窄带滤波后，采用谱减法获得降噪信号，实现未知复杂环境下的未知信号辨识；步骤4：重复执行步骤1至步骤3，实时地实现复杂环境下未知信号的自适应频谱搬移及辨识。2.根据权利要求1所述的复杂环境下的未知信号辨识方法，其特征在于，所述步骤1包括：步骤1.1：选用单频正弦信号，经过复杂环境后进行测量，得到各个时刻的测量值；步骤1.2：采用最小均方自适应滤波对测量值进行处理，得到不同时刻的实时抽头系数，进而得到复杂环境背景噪声的干扰谱。3.根据权利要求2所述的复杂环境下的未知信号辨识方法，其特征在于，所述步骤1.2包括：步骤1.2.1：设定最小均方误差滤波器的抽头数M和步长μ，并将抽头权向量置0，其中，表示向量，{}
T
代表转置，n为信号个数；步骤1.2.2：将时变参量的估计值作为输入信号矢量步骤1.2.2：将时变参量的估计值作为输入信号矢量将已知信号的理想输出作为期望信号dn，则输出信号表示为yn＝wnTxn，为随机变量；步骤1.2.3：误差信号为期望信号与输出信号的差e[n]＝d[n]
‑
y[n]，采用最小均方误差准则，设定E{e2[n]}的阈值δ作为是否收敛的评判标准，实时更新抽头权向量步骤1.2.4：设最小均方误差自适应滤波器在N1时刻开始收敛，N2时刻结束收敛，保留N1时刻的抽头权向量估计并计算输出噪声矢量其中，M+1<n<N1，进行窗口傅里...

【专利技术属性】
技术研发人员：李洪婧，宋琦，黄靖正，谭潇睿，曾贵华，
申请(专利权)人：上海交通大学，
类型：发明
国别省市：