一种强噪声背景下混杂信号的分解方法技术

本发明专利技术提供一种强噪声背景下混杂信号的分解方法

【技术实现步骤摘要】
一种强噪声背景下混杂信号的分解方法、系统及存储介质


[0001]本专利技术涉及信号检测
，具体是一种强噪声背景下混杂信号的分解方法
、
系统及存储介质
。

技术介绍

[0002]目前，在海洋多样性的磁性背景强噪声下，微弱的目标信号被有色噪声
、
高斯白噪声以及其他噪声淹没无法有效检测
。
[0003]现有的主要解决方法是采用基于标准正交基函数分解的检测算法，该算法适用背景为高斯白噪声
。
对于受高斯白噪声污染的异常信号，基于标准正交基函数分解的目标检测算法对目标检测结果具有较低的虚警率，但对信号的分辨上仍有误差
。

技术实现思路

[0004]本专利技术的目的是提供一种强噪声背景下混杂信号的分解方法
、
系统及存储介质，对在强噪声背景下所包含的混杂信号进行匹配识别与分解，该方法利用非平稳性度
(NS)
方法不受扰动数据分布影响这一特性，实现对噪声隐藏下的信号和构建的数据库中的信号进行匹配检测
。
[0005]本专利技术的技术方案是提供一种强噪声背景下混杂信号的分解方法，包括以下步骤：
[0006]步骤1，构建一个包含各种信号的数据库；
[0007]步骤2，分别计算需要检测的模拟信号减去数据库里的信号后所得残差
R
k
的
NS
值，如果残差
R
k
的
NS
值相较于模拟信号的
NS
值下降且下降程度最大，则表明减去的数据库的信号是模拟信号的组成部分；如果残差
R
k
的
NS
值相较于模拟信号的
NS
值不下降，则说明数据库中的信号
X
k
不是模拟信号的组成信号，结束操作；
[0008]步骤3，若下降后的
NS
值为0，则表示模拟信号中的信号已全部找出，结束操作；若下降后的
NS
值不为0，说明信号仍是不平稳的，则模拟信号中还有信号没有找出，将模拟信号减去包含数据库里的信号后重复步骤2的操作
。
[0009]一种强噪声背景下混杂信号的分解系统，包括：计算机可读存储介质和处理器；
[0010]所述计算机可读存储介质用于存储可执行指令；
[0011]所述处理器用于读取所述计算机可读存储介质中存储的可执行指令，执行所述的强噪声背景下混杂信号的分解方法
。
[0012]一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现所述的强噪声背景下混杂信号的分解方法
。
[0013]本专利技术的优点如下：
[0014]1)
对信号的识别分解十分方便，信号检测时间短；
[0015]2)
达到一定强度的各种非平稳信号都可以检测
。
(t)
，继续寻找信号
。
[0031]3、
重复步骤2，利用
Y
′
(t)
进行检测，结果如表2所示
。
[0032]表2[0033][0034]4、Y
′
(t)
‑
Y1(t)
的
NS
值为0，可以判断
Y1(t)
为
Y(t)
的组成部分，
Y(t)
中存在信号
Y1(t)
和
Y4(t)
，由于
Y4(t)
先被匹配识别所以是主要趋势信号，
Y1(t)
是次要趋势信号
。Y1(t)
是初等函数，
Y4(t)
是幂函数，在
t
＝1，
...3000
上都是带趋势的非平稳信号
。
模拟信号初始的
NS
值为
0.97
，信号不平稳，在检出信号
Y1(t)
和
Y4(t)
后剩下
ε
(t)
信噪比为2的高斯白噪声，
NS
值为0，信号是平稳的
。
[0035]实施例二
[0036]本专利技术采用计算机软件技术实现运行流程，实施流程包括以下步骤：
[0037]1、
构建数据库
{Y1(t)
，
Y2(t)
，
Y3(t)
，
Y4(t)
，
Y5(t)
，
Y6(t)
，
Y7(t)
，
Y8(t)
，
Y9(t)}
，模拟信号为
Y(t)
＝
Y2(t)+Y6(t)+
ε
(t)。
假设其中
Y2(t)
＝
t/400
，
ε
(t)
为信噪比为2的高斯白噪声，
t
＝1，
...1000
，模拟信号及其组成信号如图2所示
。
[0038]2、
分别计算
Y(t)
减去数据库里的信号的
NS
值，如果信号非平稳值下降很快，则信号为模拟信号的组成信号，结果如表3所示
。
[0039]表3[0040][0041]Y(t)
‑
Y2(t)
的
NS
值为
0.41
，
Y(t)
‑
Y6(t)
的
NS
值为
0.43
，可以判断
Y2(t)
和
Y6(t)
为
X(t)
的组成部分，因此令
Y
′
(t)
＝
Y(t)
‑
Y2(t)
‑
Y6(t)
，继续寻找信号
。
[0042]5、
重复步骤2，利用
Y
′
(t)
进行检测，结果如表4所示
。
[0043]表4[0044][0045]从数据库中找不到
Y(t)
的其他组成信号
。
所以
Y(t)
中可以分解出信号
Y2(t)
和
Y6(t)
，由于
Y2(t)
和
Y6(t)
同时被匹配识别出来，所以是趋势相当的信号
。Y2(t)
是初等函数，
Y6(t)
是对数函数，在
t
＝1，
...1000
上都是带趋势的非平稳信号
。
模拟信号初始的
NS
值为本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种强噪声背景下混杂信号的分解方法，其特征在于，包括如下步骤：步骤1，构建一个包含各种信号的数据库；步骤2，分别计算需要检测的模拟信号减去数据库里的信号后所得残差
R
k
的
NS
值，如果残差
R
k
的
NS
值相较于模拟信号的
NS
值下降且下降程度最大，则表明减去的数据库的信号是模拟信号的组成部分；如果残差
R
k
的
NS
值相较于模拟信号的
NS
值不下降，则说明数据库中的信号
X
k
不是模拟信号的组成信号，结...

【专利技术属性】
技术研发人员：丁义明，文修涵，
申请(专利权)人：武汉科技大学，
类型：发明
国别省市：