本发明专利技术提供一种基于脉冲信号时频域存在概率联合感知的噪声频谱跟踪方法，该方法首先对脉冲信号各感知参数进行初始化，在此基础上提取待处理脉冲信号采样数据序列的短时功率谱，然后计算脉冲信号的时域能量起伏特征参量，并提取脉冲信号的频域局部信噪比，接着对脉冲信号的时频域存在概率进行感知，最后，利用脉冲信号的时频域存在概率联合感知结果实现噪声频谱跟踪。该方法充分利用了脉冲信号的时域能量起伏特性和频域短时窄带特性，以较小的运算量实现了含噪脉冲信号噪声频谱的准确估计，且各频点可以独立并行处理，适用于实时的工程应用场合。
【技术实现步骤摘要】
本专利技术属于信号处理，尤其涉及一种基于脉冲信号时频域存在概率联合感知的噪声频谱跟踪方法。
技术介绍
1、噪声频谱跟踪是信号增强算法的核心之一，是脉冲信号时变频谱增强的基础。噪声频谱估计值偏低会带来噪声残留，噪声频谱估计值偏高又可能会导致信号失真，进而影响后续信号处理效果。因此，实现噪声频谱的准确、实时跟踪对于信号增强系统的整体性能有着至关重要的作用。
2、现有的噪声频谱估计方法主要包括：(1)基于信号活动检测的方法，该方法只在信号间歇期更新噪声频谱估计，当背景噪声较为平稳时，基于信号活动检测的方法可以取得良好的效果，然而，在非平稳的背景噪声和低信噪比条件下，信号活动检测的可靠性严重降低；(2)基于最小值统计的方法，该算法通过跟踪含噪信号平滑功率谱在有限时间窗内的最小值作为噪声估计，其跟踪性能受到最小值搜索窗长的制约，窗长过小，窗口内可能始终含有信号，导致噪声被过估计；反之，窗长过大，则该最小值不能及时跟踪到噪声频谱的快速变化，尤其当噪声功率谱上升时，跟踪时延较大；(3)基于最小均方误差准则的方法，不同于最小值跟踪算法，基于最小均方误差准则的方法在跟踪上升的噪声功率谱方面表现良好，且计算复杂度较低，但该算法使用了基于语音信号处理的固定最优先验信噪比，可能不适用于脉冲信号处理；(4)基于直方图统计的方法，该算法通过逐频点动态计算直方图，将直方图的峰值作为噪声估计，然而该方法存在着高能量模式和低能量模式的问题，尤其在低频段，噪声的误估计情况较为严重，且由于需要逐频点分帧进行直方图统计，算法的计算量较大。
技术实现思路
1、专利技术目的：为了克服现有技术中存在的不足，本专利技术提供一种基于脉冲信号时频域存在概率联合感知的噪声频域跟踪方法。本专利技术基于脉冲信号的时域能量起伏特性和频域短时窄带特性，对脉冲信号的时频域存在概率进行实时感知，并依据感知结果对噪声频谱进行跟踪。与现有的噪声频谱跟踪方法相比，该算法能够实现与脉冲信号特性相匹配的噪声频谱跟踪，并且在低信噪比和强干扰条件下仍具有较高的准确性和稳健性。
2、技术方案，为了解决上述技术问题，本专利技术提出一种基于脉冲信号时频域存在概率联合感知的噪声频谱跟踪方法，包括以下步骤：
3、步骤1、获取待处理的脉冲信号采样数据序列x(n)，对脉冲信号各感知参数进行初始化，并令脉冲信号功率谱的时帧数l＝1；
4、步骤2、滑动时间窗提取当前时帧的脉冲信号采样数据序列xl(n)，并计算其短时功率谱y(l,k)；
5、步骤3、提取当前时帧的脉冲信号时域能量起伏特征参量ξt(l，k)；
6、步骤4、计算当前时帧的脉冲信号频域局部信噪比ξf(l，k)；
7、步骤5、依据所述脉冲信号时域能量起伏特征参量ξt(l，k)及脉冲信号频域局部信噪比ξf(l,k)，估计当前时帧的脉冲信号时域存在概率和频域存在概率
8、步骤6、依据所述脉冲信号时域存在概率和频域存在概率对当前时帧的噪声频谱进行跟踪；
9、步骤7、判断是否完成待处理脉冲信号采样数据序列x(n)所有时帧的噪声频谱跟踪，若完成所有时帧的处理，则处理结束，否则，令时帧数l＝l+1，并返回步骤2。
10、进一步的，步骤1中的方法如下：
11、步骤1.1、获取待处理的脉冲信号采样数据序列x(n)：从传感器接收n个采样点的实时采集数据作为待处理的数据序列x(n)，或从存储器中提取包含整个脉冲信号的n个采样点数据作为待处理的数据序列x(n)，n＝2a,a为大于10的整数；
12、步骤1.2、对脉冲信号各感知参数进行初始化，包括以下参数的初始化：
13、短时傅里叶变换滑动窗长k初始化为：k＝n/2b，b为4≤b≤6的整数；
14、短时傅里叶变换滑动步进m初始化为：m＝k/2c，c为3≤c≤5的整数；
15、脉冲信号功率谱的总时帧数l初始化为：其中，int(·)代表四舍五入取整运算；
16、时域局部背景噪声提取窗长wt初始化为5<wt<100的整数；
17、频域局部背景噪声提取窗长wf1初始化为10<wf1<15的整数；
18、频域局部背景噪声分裂窗长wf2初始化为3<wf2<8的整数；
19、脉冲信号频域存在概率感知的斜率参数β初始化为5<β<30的实数；
20、脉冲信号频域存在概率感知的截距参数α初始化为0.5<α<2的实数；
21、脉冲信号时域存在概率上限ptmax初始化为0.95<ptmax<1的实数；
22、脉冲信号时域存在概率下限ptmin初始化为0<ptmin<0.01的实数；
23、脉冲信号频域存在概率上限pfmax初始化为0.95<pfmax<1的实数；
24、脉冲信号频域存在概率下限pfmin初始化为0<pfmin<0.01的实数；
25、脉冲信号存在性判决下限ps初始化为0.25<ps<0.65的实数；
26、脉冲信号时频域联合存在概率修正值αm初始化为0.0001<αm<0.01的实数。
27、进一步的，步骤2的具体方法如下：
28、步骤2.1、利用滑动时间窗提取当前第l时帧的脉冲信号采样数据序列xl(n)：
29、xl(n)＝x(n)wl(n-(l-1)m),n＝1,2,...,n
30、其中,wl(n-(l-1)m)为当前第l时帧的滑动时间窗，其表示为：
31、
32、步骤2.2、对当前第l时帧的脉冲信号采样数据序列xl(n)做短时傅里叶变换得到当前第l时帧的脉冲信号频谱y(l,k)：
33、
34、其中，k为离散频率索引；
35、步骤2.3、依据所述当前第l时帧的脉冲信号频谱y(l,k)，计算当前第l时帧的脉冲信号短时功率谱y(l,k)；
36、
37、其中，| |代表取模值运算；
38、步骤2.4、判断时帧数l＝1是否成立，若成立执行步骤2.5，否则转入步骤3；
39、步骤2.5、初始化第1时帧的噪声频谱为k＝0,1,…,k-1,令第1时帧的脉冲信号时域能量起伏特征参量ξt(l,k)为ξt(1,k)＝1，k＝0,1,…,k-1，并转入步骤7。
40、进一步的，步骤3中，采用如下方法提取当前第l时帧的脉冲信号时域能量起伏特征参量ξt(l,k)，具体包括以下步骤：
41、步骤3.1、获取当前第l时帧的各频点k＝0,1,…,k-1的时域局部背景噪声提取窗ωl；
42、
43、其中，wt为时域局部背景噪声提取窗长；
44、步骤3.2、计算当前第l时帧各频点k＝0,1,…,k-1的时域局部背景噪声提取权重本文档来自技高网
...
【技术保护点】
1.一种基于脉冲信号时频域存在概率联合感知的噪声频谱跟踪方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于脉冲信号时频域存在概率联合感知的噪声频谱跟踪方法，其特征在于，步骤1中的方法如下：
3.根据权利要求2所述的一种基于脉冲信号时频域存在概率联合感知的噪声频谱跟踪方法，其特征在于，步骤2的具体方法如下：
4.根据权利要求3所述的一种基于脉冲信号时频域存在概率联合感知的噪声频谱跟踪方法，其特征在于，步骤3中，采用如下方法提取当前第l时帧的脉冲信号时域能量起伏特征参量ξt(l,k)，具体包括以下步骤：
5.根据权利要求4所述的一种基于脉冲信号时频域存在概率联合感知的噪声频谱跟踪方法，其特征在于，步骤4中，采用如下方法获取当前第l时帧的脉冲信号频域局部信噪比ξf(l,k)，具体包括以下步骤：
6.根据权利要求5所述的一种基于脉冲信号时频域存在概率联合感知的噪声频谱跟踪方法，其特征在于，步骤5中，采用如下方法估计当前第l时帧的脉冲信号时域存在概率和频域存在概率具体包括以下步骤：
7.根据权利要求6所述的一种基于脉冲信号时频域存在概率联合感知的噪声频谱跟踪方法，其特征在于，步骤6中，采用如下方法跟踪当前第l时帧的噪声频谱，具体包括以下步骤：
8.根据权利要求7所述的一种基于脉冲信号时频域存在概率联合感知的噪声频谱跟踪方法，其特征在于，步骤7中，采用如下方法判断是否完成待处理脉冲信号采样数据序列x(n)所有时帧的噪声频谱跟踪，具体包括以下步骤：
...
【技术特征摘要】
1.一种基于脉冲信号时频域存在概率联合感知的噪声频谱跟踪方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于脉冲信号时频域存在概率联合感知的噪声频谱跟踪方法，其特征在于，步骤1中的方法如下：
3.根据权利要求2所述的一种基于脉冲信号时频域存在概率联合感知的噪声频谱跟踪方法，其特征在于，步骤2的具体方法如下：
4.根据权利要求3所述的一种基于脉冲信号时频域存在概率联合感知的噪声频谱跟踪方法，其特征在于，步骤3中，采用如下方法提取当前第l时帧的脉冲信号时域能量起伏特征参量ξt(l,k)，具体包括以下步骤：
5.根据权利要求4所述的一种基于脉冲信号时频域存在概率联合感知的噪声频谱跟踪方法，其特征在于，步骤4中，采用...
【专利技术属性】
技术研发人员：姚帅，匡青云，刘琦玮，肖晨欣，张佾轩，武其松，方世良，曹栋栋，周岩，沈家瑞，
申请(专利权)人：东南大学，
类型：发明
国别省市：
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。