本发明涉及信号检测,尤其涉及一种非平坦底噪的生成方法。
背景技术:
1、实现基于深度学习的宽带信号检测方法需要一定规模的数据集,对实际采集的宽带信号进行标记需要大量的人工成本,可以采用迁移学习的方式对神经网络进行训练,即使用两个数据集:仿真信号数据集和实际采集信号数据集,在仿真信号数据集上训练后再迁移到实际采集信号数据集上继续训练,这样可以较大的降低实际采集信号数据集的规模。
2、为了达到较好的训练效果,仿真信号数据集内的信号需要与实际采集信号有较高的相似性。实际采集宽带信号频谱的底噪是非平坦的,而仿真生成的信号的底噪是平坦的,因此仿真生成的信号需要叠加非平坦底噪,达到与实际采集信号较为相似的效果。
技术实现思路
1、本发明主要解决的问题是提供一种非平坦底噪的生成方法,解决信号检测中,使用的实际采集信号数据集的规模大、成本高,而仿真生成的信号的底噪是平坦的,与实际采集信号相似性不高,训练效果不好的问题。
2、为解决上述技术问题,本发明采用的一个技术方案是提供一种非平坦底噪的生成方法,包括如下步骤:
3、得到第一平坦底噪,且第一平坦底噪的大小可调整;
4、利用第一平坦底噪,计算得到滤波器系数;
5、用第二平坦底噪与滤波器系数卷积,得到一个非平坦底噪;
6、其中,在计算得到滤波器系数的步骤中,根据滤波器的差分方程,得到第n个离散样点对应滤波器输出非平坦底噪的大小等于前(n-i)个离散样点对应滤波器输出非平坦底噪的大小和输入第一平坦底噪的大小的加权和,即其中,n为第n个离散样点,(n-i)为第(n-i)个离散样点,nnf(n)为第n个离散样点对应滤波器输出非平坦底噪的大小,nnf(n-i)为第(n-i)个离散样点对应滤波器输出非平坦底噪的大小,nf(n-i)为第(n-i)个离散样点对应滤波器输入第一平坦底噪的大小,ai、bi为滤波器的差分方程系数,p、q是对应的阶数。
7、在一些实施例中,在得到第一平坦底噪的步骤中,通过调整系数与零均值单位方差的白噪声相乘,得到第一平坦底噪,则nf(n)=c·w(n),其中,c为调整系数,n为第n个离散样点,w(n)为第n个离散样点对应的零均值单位方差的白噪声的大小,nf(n)为第n个离散样点对应的第一平坦底噪的大小。
8、在一些实施例中,在计算得到滤波器系数的步骤中,还包括:
9、参数代换,得到与滤波器系数有关的自回归滑动平均公式,即其中,a′i=-ai,b′i=cbi,y(n)=nnf(n),y(n-i)=nnf(n-i),参数序列a=a′1,...,a′p和参数序列b=b′0,...,b′q即为滤波器系数,p为参数序列a的参数个数,q+1为参数序列b的参数个数;
10、对自回归滑动平均公式的两边进行z变换,则得到传递函数
11、计算求得参数序列a;
12、计算求得参数序列b。
13、在一些实施例中,计算求得参数序列a的步骤包括:
14、对自回归滑动平均公式的两边同乘y(n-q-l)并求期望,得到真实相关系数与参数序列a有关的第一参数公式,即ρq+l+a′1ρq+l-1+...+a′pρq+l-p=0,1≤l≤p,其中,ρi为所述真实相关系数;
15、计算得到样本相关序列r={ri},其中,ri为样本相关系数;
16、使用样本相关系数代替真实相关系数,得到参数序列a与样本相关系数有关的第二参数公式,即
17、rq+l+a′1rq+l-1+...+a′prq+l-p=0,1≤l≤p;
18、求解第二参数公式,即可得到参数序列a;
19、其中,ρi为y(n)的相关系数,i=q+l,l用于调整i的大小,p、q是滤波器对应的阶数。
20、在一些实施例中,在计算得到样本相关序列r={ri}的步骤中,包括:
21、得到滤波器的频率响应函数;
22、利用滤波器的频率响应函数,结合第一平坦底噪得到对应的一个非平坦底噪的频谱;
23、根据非平坦底噪的频谱,得到样本相关序列r={ri}。
24、在一些实施例中,在计算求得参数序列b的步骤中,先定义一个中间多项式定义一个中间多项式c(z)=c1z-1+...+cpz-p,c(z)满足:
25、利用样本相关序列r={ri},得到其与所述中间多项式c(z)之间的关系:
26、其中,是脉冲响应为单边相关序列的线性系统,π(z)对应矩形窗,n1为样本相关系数ri的个数,c1,c2...,cp为p个常数。
27、在一些实施例中,在计算求得参数序列b的步骤中,在得到样本相关序列r={ri}与中间多项式c(z)之间的关系后,利用传递函数h′(z)与中间多项式c(z)计算得到参数序列b:
28、令s(z)为滤波器的功率谱,得到功率谱与传递函数h′(z)有关的传递公式,即
29、得到功率谱与中间多项式c(z)有关的中间公式,即
30、
31、结合传递公式和中间公式,得到参数序列b与参数序列a以及中间多项式c(z)有关的限定公式,即
32、b(z)b(-z)=c(z)a(-z)+r0a(z)a(-z)+c(-z)a(z);
33、利用中间多项式和计算求得的参数序列a,进一步计算得到参数序列b;
34、其中,r0为样本相关序列r={ri}中i=0时对应的样本相关系数。
35、在一些实施例中,在得到滤波器的频率响应函数的步骤中,包括:
36、以滤波器的频域的百分之一为间隔进行均匀采样,得到频率响应的离散函数;
37、从离散函数的定义域中随机选取多个值为预设起伏点;
38、对每个预设起伏点随机生成相应的起伏点幅度,得到对应的频率响应函数。
39、在一些实施例中,在从离散函数的定义域中随机选取多个值为预设起伏点的步骤之后,还包括:
40、遍历所有的预设起伏点,
41、若后一预设起伏点减去当前预设起伏点得到的差值大于5,则保留当前预设起伏点;
42、若后一预设起伏点减去当前预设起伏点得到的差值小于或等于5,则将二者合并,取二者的平均值为新的预设起伏点。
43、在一些实施例中,在对每个预设起伏点随机生成相应的起伏点幅度,得到对应的频率响应曲线的步骤中,按照高斯分布随机生成起伏点幅度。
44、本发明的有益效果是:本发明公开了一种非平坦底噪的生成方法,包括如下步骤:得到第一平坦底噪,且第一平坦底噪的大小可调整;利用第一平坦底噪,计算得到滤波器系数;用第二平坦底噪与滤波器系数卷积,得到一个非平坦底噪;其中,在计算得到滤波器系数的步骤中,根据滤波器的差分方程,得到第n个离散样点对应滤波器输出非平坦底噪的大小等于前(n-i)个离散样点对应滤波器输出非平坦底噪的大小和输入第一平坦底噪的大小的加权和。采用这种方法生成的非平坦底噪,具有较大的随机性,可以与具有平坦底噪的信号进行叠加,得到与实际采集信号有较高相关性的仿真信号,达到更好的训练效果,减少训练成本。