当前位置: 首页 > 专利查询>温州大学专利>正文

基于相干累积功率与Kullback制造技术

技术编号:35851698 阅读:19 留言:0更新日期:2022-12-07 10:35
本发明专利技术公开一种基于相干累积功率与Kullback

【技术实现步骤摘要】
基于相干累积功率与Kullback

Leibler散度的无网格线频估计方法


[0001]本专利技术涉及数字信号处理领域,具体涉及一种基于相干累积功率与Kullback

Leibler散 度的无网格线频估计方法。

技术介绍

[0002]参数估计理论为通信、声呐和自动控制等领域发展奠定技术基础,其中频率估计作为重 要研究内容,受到学者广泛关注。数字信号处理中,通常将频率空间进行离散化处理,使用 某些网格点表示信号频率。离散化建模方法较为简单,易于分析处理,但频谱泄露降低了频 率分辨率且和主瓣峰值,降低频率估计结果的准确性,小样本数据尤甚。小样本单频信号映 射至离散频率空间时存在频谱泄露现象,导致线频展宽、分辨率降低,这制约着单频估计算 法准确性。同时,频谱泄露还造成信号谱峰下降,估计结果受噪声影响严重。尤其是在未知 概率分布噪声场景中,旁瓣易掩盖单频主瓣信息,以高斯白噪声为假设的单频估计算法的性 能,因谱间干扰而表现出不同程度恶化,而且估计误差与噪声概率分布有关。因此,在不同 概率分布场景下,准确、可靠地小样本频率信息是亟待解决的问题。

技术实现思路

[0003]为提高小样本单频估计结果的准确度与稳定性,本专利技术一种基于相干累积功率与 Kullback

Leibler散度的无网格线频估计方法,有效的解决了上述的问题。利用相干累积功 率和Kullback

Leibler散度分别设计出无网格频率空间以及具有单调、强凸性质的代价函数, 然后,把单频估计问题转化为最大化无网格代价函数问题,从原理上消除了离散频率空间对 短时序列的约束,并提高了估计小样本单频信息的准确度。最后,利用Kullback

Leibler散度 设计出非线性放大映射,它能够在提升代价函数主瓣峰值锐度的同时保持旁瓣深零程度,从 而增强了在不同概率分布噪声条件下的稳定性。在未知概率分布噪声场景中,该方法可准确 且稳定地估计小样本信号的频率信息。
[0004]本专利技术的目的通过如下的技术方案来实现:
[0005]一种基于相干累积功率与Kullback

Leibler散度的无网格线频估计方法,包括以下过程:
[0006]步骤一,构建关于去均值的相干累积功率与频率的无网格空间;
[0007]步骤二,将去均值的相干累积功率的Kullback

Leibler散度在时域与频域上进行累积操作, 得到具有尖锐峰值与深零旁瓣性质的单调且强凸代价函数;求解代价函数的最大值,得到估 计频率。
[0008]进一步地,所述步骤一具体包括如下子步骤:
[0009](1.1)构建傅里叶基函数
[0010][0011]其中,为角频率的估计值;
[0012](1.2)将复指数线频信号x与傅里叶基函数h作Hadamard乘积,得到相位差信号得到相位差信号
[0013]其中,为差分频率,为幅值;ω为归一化角频率;φ为初始相位;
[0014](1.3)计算去均值的相干累积功率
[0015][0016]式中,u为代表时间符号。
[0017]进一步地,所述步骤二具体包括如下子步骤:
[0018](2.1)根据下式计算去均值的相干累积功率的Kullback

Leibler散度
[0019][0020]其中,ε为正参考量,为相干累积功率的修正量;
[0021](2.2)将在时域t∈[0,T]进行累计操作
[0022][0023][0024]其中,是关于的单调函数;
[0025](2.3)将进行频域累计操作,得到具有尖锐峰值与深零旁瓣性质的单调且强凸 代价函数
[0026][0027](2.4)使用AdamBelief算法确定的最大值,得到估计频率。
[0028]进一步地,φ为初始相位,且独立同分布于区间[

π,π)。
[0029]本专利技术针对小样本单频信号数据和未知概率分布噪声场景,设计了基于相干累积相位功 率和Kullback

Leibler散度的线频估计方法,提高了线频估计结果的准确性和稳
定性。本专利技术 与常规线频估计方法相比具有以下优点:
[0030](1)在证明功率与频率之间单调性的基础上,构造出关于相位差分功率与差分频率的无 网格代价函数,把单频估计问题转化为最大化无网格代价函数问题,从原理上消除了离散频 率空间对短时序列的约束,并提高了小样本单频估计结果的准确度。
[0031](2)利用Kullback

Leibler散度设计出非线性放大映射,它能够在提升代价函数主瓣峰 值锐度的同时保持旁瓣深零程度,从而增强了在不同概率分布噪声条件下的稳定性,可适用 于小样本数据的频率估计问题。
[0032](3)本专利技术的方法可在不同概率分布以及小样本数据场景下,准确、可靠地估计线频信 号的频率信息。
附图说明
[0033]图1为本专利技术的方法的流程图。
[0034]图2为本专利技术实施例的图2为本专利技术实施例的随归一化差分频 率的变化趋势图。
[0035]图3为本专利技术实施例的各方法在不同样本数量条件的估计结果:GSNR=

5dB条件下, 不同样本点对APP

KLD算法、广义加权线性预测算法和广义Key估计算法的均方根误差的 影响;图(a)为在SαS分布噪声的特征指数α=2,即白高斯噪声;图(b)为SαS分布噪声的特 征指数α=1.6。
[0036]图4为本专利技术实施例的各方法在不同广义信噪比条件的估计结果:样本点数N=64条件 下,不同广义信噪比GSNR对APP

KLD算法、广义加权线性预测算法和广义Key估计算法 的均方根误差的影响;图(a)为在SαS分布噪声的特征指数α=2,即白高斯噪声;图(b)为SαS 分布噪声的特征指数α=1.6。
具体实施方式
[0037]下面根据附图和优选实施例详细描述本专利技术,本专利技术的目的和效果将变得更加明白,应 当理解,此处所描述的具体实施例仅仅用以解释本专利技术,并不用于限定本专利技术。
[0038]如图1所示,本专利技术的基于相干累积功率与Kullback

Leibler散度的无网格线频估计方 法,包括如下步骤:
[0039]步骤一:构建关于去均值的相干累积功率与频率的无网格空间;
[0040]复指数线频信号可定义为:
[0041]x(t)=ae
j(ωt+φ)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)
[0042]式中:
[0043]为幅值;
[0044]ω为归一化角频率;
[0045]φ为初始相位且独立同分布于区间[

π,π)。
[0046]在离散化频率空间内,式(本文档来自技高网
...

【技术保护点】

【技术特征摘要】
1.一种基于相干累积功率与Kullback

Leibler散度的无网格线频估计方法,其特征在于,包括以下过程:步骤一,构建关于去均值的相干累积功率与频率的无网格空间;步骤二,将去均值的相干累积功率的Kullback

Leibler散度在时域与频域上进行累积操作,得到具有尖锐峰值与深零旁瓣性质的单调且强凸代价函数;求解代价函数的最大值,得到估计频率。2.根据权利要求1所述的基于相干累积功率与Kullback

Leibler散度的无网格线频估计方法,其特征在于,所述步骤一具体包括如下子步骤:(1.1)构建傅里叶基函数其中,为角频率的估计值;(1.2)将复指数线频信号x与傅里叶基函数h作Hadamard乘积,得到相位差信号得到相位差信号其中,为差分频率,为幅值;ω为归一化角频率;φ为初始相位;(1.3)计算去均值的相干累积功率(1.3)计算去均值的相...

【专利技术属性】
技术研发人员:肖磊马翰劼
申请(专利权)人:温州大学
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1