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

本发明属于信号处理，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。

背景技术：

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、发明目的：为了克服现有技术中存在的不足，本发明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。本发明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，本发明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βl(lm,k)：

45、

46、其中，lm和li为第l时帧对应的时域局部背景噪声提取窗ωl内的时帧索引，ξt(lm,k)和ξt(li,k)分别为第lm时帧和第li时帧各频点k＝0,1,…,k-1的时域能量起伏特征参量；

47、步骤3.3、提取当前第l时帧各频点k＝0,1,…,k-1的脉冲信号时域局部背景噪声st(l,k)：

48、

49、其中，为第lm时帧各频点k＝0,1,…,k-1的噪声频谱；

50、步骤3.4、依据所述脉冲信号时域局部背景噪声st(l,k)和脉冲信号功率谱y(l,k)，提取当前第l时帧各频点k＝0,1,…,k-1的脉冲信号时域能量起伏特征参量ξt(l,k)：

51、

52、进一步的，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：

53、步骤4.1、获取当前第l时帧的各频点k＝0,1,…,k-1的局部背景噪声提取分裂窗ωk：

54、

55、其中，wf1为频域局部背景噪声提取窗长，wf2为频域局部背景噪声分裂窗长；

56、步骤4.2、计算当前第l时帧各频点k＝0,1,…,k-1的频域局部背景噪声功率sf(l,k)：

57、

58、其中，ω为第l时帧的各频点k＝0,1,…,k-1的局部背景噪声提取分裂窗ωk内的频率索引，为当前第l时帧的各频点k＝0,1,…,k-1的局部背景噪声提取分裂窗ωk内包含的总频点数；

59、步骤4.3、依据频域局部背景噪声功率谱sf(l,k)和脉冲信号功率谱y(l,k)，计算当前第l时帧的各频点k＝0,1,…,k-1的脉冲信号频域局部信噪比ξf(l,k)：

60、

61、进一步的，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：

62、步骤5.1、依据所述脉冲信号时域能量起伏特征参量ξt(l,k)，计算当前第l时帧各频点k＝0,1,…,k-1的脉冲信号时域先验信号存在概率p(h1(l,k))：

63、

64、其中，h1(l,k)表示在第l时帧的第k个频点存在脉冲信号，ξtdb(l,k)为脉冲信号时域能量起伏特征参量ξt(l,k)的分贝值，计算为ξtdb(l,k)＝10log10(ξt(l,k))，μk(l)和分别为脉冲信号时域能量起伏特征参量分贝值的均值和方差，计算为

65、步骤5.2、依据所述脉冲信号时域能量起伏特征参量ξt(l,k)和脉冲信号时域先验信号存在概率p(h1(l,k))，计算第l时帧各频点k＝0,1,…,k-1的脉冲信号时域存在概率pt(l,k)：

66、

67、其中，为脉冲信号时域先验信噪比，计算为：

68、步骤5.3、依据所述脉冲信号频域局部信噪比ξf(l,k)，计算当前第l时帧各频点k＝1,2,…,k的脉冲信号频域存在概率pf(l,k)：

69、

70、其中，β和α分别为步骤1.2中初始化的脉冲信号频域存在概率感知的斜率参数和截距参数；

71、步骤5.4、对所述当前第l时帧各频点k＝0,1,…,k-1的脉冲信号时域存在概率pt(l,k)和脉冲信号频域存在概率pf(l,k)进行修正，得到修正后的脉冲信号时域存在概率和脉冲信号频域存在概率

72、

73、

74、其中，ptmax和ptmin分别为脉冲信号时域存在概率的上限和下限，pfmax和pfmin分别为脉冲信号频域存在概率的上限和下限。

75、进一步的，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：

76、步骤6.1、依据所述修正后的脉冲信号时域存在概率和脉冲信号频域存在概率计算当前第l时帧各频点k＝0,1,…,k-1的脉冲信号时频域联合存在概率ptf(l,k)：

77、

78、其中，αtf(l,k)为脉冲信号时频域联合存在概率ptf(l,k)的平滑因子，

79、步骤6.2、对所述当前第l时帧各频点k＝0,1,…,k-1的脉冲信号时频域联合存在概率ptf(l,k)进行修正，当且仅当脉冲信号时域存在概率和频域存在概率均大于预设值时才判定为有脉冲信号存在，否则认为脉冲信号不存在，得到修正后的当前第l时帧各频点k＝0,1,…,k-1的脉冲信号时频域联合存在概率

80、

81、其中，ps为初始化的脉冲信号存在性判决下限，αm为初始化的脉冲信号时频域联合存在概率修正值；

82、步骤6.3、依据所述修正后的脉冲信号时频域联合存在概率对当前第l时帧各频点k＝0,1,…,k-1的噪声频谱进行跟踪：

83、

84、进一步的，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：

85、步骤7.1、判断时帧数l＝l是否成立，若成立，则噪声频谱跟踪结果计算结束，否则令时帧数l＝l+1，返回步骤2。

86、有益效果，与现有技术相比，本发明的技术方案具有以下有益技术效果：

87、1、本发明充分利用了脉冲信号的时域能量起伏特性，如步骤3所示，所提取的特征参量在时域对脉冲信号和背景噪声具有较好的区分度，且在低信噪比和线谱干扰下仍能较好地反映脉冲信号的时域分布特性，从而实现噪声频谱的高精度、稳健跟踪。

88、2、本发明充分利用了脉冲信号的频域短时窄带特性，如步骤4所示，所提取的特征参量在频域对脉冲信号和背景噪声具有较好的区分度，且在低信噪比和冲击干扰下仍能较好地反映脉冲信号的频域分布特性，提高了噪声频谱跟踪的稳健性和精度。

89、3、本发明依据脉冲信号时频多维的不同特征，并结合脉冲信号与线谱干扰、冲击干扰时变频谱特征的共性和差异，对脉冲信号时频域存在概率进行联合感知，如步骤6中相应的处理步骤所示，从而进一步提高了噪声频谱跟踪的稳健性和精度。