發(fā)明1、一種弱信號目標檢測的優(yōu)化方法(許改1027)_(1)(共15頁)

1、說明書摘要 本發(fā)明(fmng)涉及(shj)一種弱信號(xnho)目標檢測的優(yōu)化方法，其具體步驟如下：（1）讀取離散化后的輸入信號；（2）對信號x(n)進行四重自相關；（3）計算相關函數(shù)的頻譜；（4）由相關信號的頻譜，根據(jù)信號的頻譜與自相關函數(shù)頻譜的關系，由四重相關信號頻譜計算信號的頻譜；（5）計算匹配濾波器的傳輸函數(shù)；（6）求信號經(jīng)過匹配濾波器的頻譜；（7）采用多正弦窗進行譜估計；（8）將信號頻譜還原為時域信號。本發(fā)明方法中，利用四重相關和雙譜(四重相關函數(shù)的頻譜函數(shù))分析，實現(xiàn)高階矩范圍內(nèi)信號處理，采用匹配濾波器進行濾波，該濾波器能夠給出最大的信噪比。四重相關匹配濾波技術較之二重相關匹配濾

2、波技術，可以進一步抑制噪聲，從而提高信噪比。多正弦窗譜估計具有較小的偏差。同時，由于進行了多個特征譜的加權平均，對譜圖會有一定的平滑效果，因此譜估計的方差性能較傳統(tǒng)的周期圖法會有顯著的改善；同時能夠保證一定的頻率分辨能力。 摘要附圖 權利要求書 1、一種弱信號目標(mbio)檢測的優(yōu)化方法，其特征在于(ziy)：其具體步驟如下：（1）讀取離散化后的輸入(shr)信號:x(n) n=0，1,2N-1 ，其中N為信號x(t)的采樣點數(shù)；（2）對輸入信號x(n)進行四重自相關，具體方法為，設信號x(n)包括有用信號s(n)和隨機加性噪聲u(n)，信號表達式為：x(n)=s(n)+u(n),首先對輸入

3、信號x(n)進行二重自相關： m=0，1,2N-1根據(jù)信號與信號相關，信號與噪聲的不相關性，有：即：，表明含噪信號x(n)的二重相關近似等于有用信號s(n)的二重自相關。信號x(n)的三重自相關可表示為： 根據(jù)與相關，與噪聲的不相關性，有：表明含噪信號x(n)的三重相關近似等于有用信號s(n)的三重自相關。 同理，可得，信號x(n)的四重相關可表示為：即含噪信號(xnho)x(n)的四重相關近似等于有用信號s(n)的四重自相關(xinggun)。（3）計算(j sun)相關函數(shù)和輸入信號x(n)的頻譜： k=0，1,2N-1 k=0，1,2N-1（4）由相關信號的頻譜，根據(jù)信號的頻譜與自相關函

4、數(shù)頻譜的關系，利用公式，由四重相關信號頻譜計算有用信號s(n)的頻譜；（5）計算匹配濾波器的傳輸函數(shù)：當線性濾波器傳輸函數(shù)為輸入信號頻潛函數(shù)的復共軛時，該濾波器能夠給出最大的信噪比, 這種濾波器稱為匹配濾波器；匹配濾波器的傳輸函數(shù)為：；（6）求信號經(jīng)過匹配濾波器的頻譜：經(jīng)過濾波后的信號的頻譜為：（7）采用多正弦窗進行譜估計：窗函數(shù)取為: n=0，1,2N-1設K為正弦窗數(shù)量,為第個正弦窗的加權系數(shù)，則經(jīng)過濾波后的信號的多正弦窗譜估計為： 其中為第k個特征譜。而 k=0，1,2N-1所以(suy)多正弦(zhngxin)窗譜估計可表示(biosh)為：(8)將信號頻譜還原為時域信號： n=0，1

5、,2N-1（備注：需要針對上述出現(xiàn)多個參數(shù)予以定義，也需要說明，各個字母所代表的含義，大小寫均需要說明，如果表示含義一致，那么大小字母應當統(tǒng)一，如需要說明代表的含義，H代表的含義，等等，其他沒有定義的字符含義均需要定義或者予以說明） 說明書 一種弱信號(xnho)目標檢測的優(yōu)化方法技術(jsh)領域本發(fā)明(fmng)涉及一種弱信號目標檢測的優(yōu)化方法，屬于計算機算法技術領域。背景技術相關檢測技術是根據(jù)噪聲與噪聲、噪聲與信號均不相關，而信號與信號則完全相關的特性，通過相關運算達到去除噪聲的一種技術?，F(xiàn)已普遍證明，它是從噪聲中提取有用信號，提高輸出信噪比的有效方法。它在自動控制、通信、雷達等領域都獲

6、得了廣泛的應用。四重相關和雙譜(四重相關函數(shù)的頻譜函數(shù))分析就是高階矩范圍內(nèi)的信號處理方法，由于零均值的高斯平穩(wěn)隨機過程的四重相關等于零，以及四重相關具有位移和旋轉(zhuǎn)不變性等特點,并且雙譜富有豐富的冗余信息。被動式監(jiān)控探測系統(tǒng),例如紅外監(jiān)控探測系統(tǒng)較之于主動式探測系統(tǒng)具有難以比擬的優(yōu)勢。然而，被動式目標探測系統(tǒng)所要探測的信號通常迭加有強噪聲。因此，從強噪聲中將有用的信號提取出來，就成為目標識別的前提。四重相關檢測技術可實現(xiàn)信號與噪聲的分離，去除噪聲。采用匹配濾波器，給出最大的信噪比。通常，對監(jiān)控探測系統(tǒng)所探測到的目標信號的處理主要是利用二階統(tǒng)計矩，即功率譜和二重相關函數(shù)，這就是二重相關匹配濾波技

7、術。從頻域角度來分析，二重相關匹配濾波器可以最大限度地吸收有用信號的能量，而最大限度地抑制信號頻帶以外的噪聲。根據(jù)信號與噪聲的不同頻譜特點，采用線性濾波器消除噪聲頻譜。當線性濾波器傳輸函數(shù)為輸入信號頻潛函數(shù)的復共軛時，該濾波器能夠給出最大的信噪比。然而，許多實驗研究表明，無論二重相關濾波器設計得多么精細，信號頻帶之內(nèi)的噪聲仍然是難以抑制的。為了進一步提高信噪比，應該設法抑制信號頻帶之內(nèi)的噪聲。一個有效的解決辦法就是采用高階矩范圍內(nèi)的信號處理方法。四重相關和雙譜(四重相關函數(shù)的頻譜函數(shù))分析就是高階矩范圍內(nèi)的信號處理片法，由于零均值的高斯平穩(wěn)隨機過程的四重相關等于零，以及四重相關具有位移和旋轉(zhuǎn)不

8、變性等特點,并且雙譜富有豐富的冗余信息，因此，四重相關匹配濾波技術較之二重相關匹配濾波技術可以進一步抑制噪聲從而提高信噪比。隨著這一技術研究的深人，基于四重相關的分析方法發(fā)展了許多新的信號處理方法,使得這一技術更加完善并且在紅外成像、信號的高階譜分析等諸多領域獲得了廣泛的應用。在濾波(lb)方面,線性濾波器可以地濾除信號中的噪聲，但濾波以后的信噪比不夠高，當線性濾波器傳輸函數(shù)為輸入信號頻潛函數(shù)的復共軛時，該濾波器能夠給出最大的信噪比。多正弦(zhngxin)窗譜估計具有(jyu)較小的偏差。同時，由于進行了多個特征譜的加權平均，對譜圖會有一定的平滑效果，因此譜估計的方差性能較傳統(tǒng)的周期圖法會有

9、顯著的改善。同時能夠保證一定的頻率分辨能力。發(fā)明內(nèi)容本發(fā)明的目的在于提供一種弱信號目標檢測的優(yōu)化方法，以便更好地針對弱信號目標檢測進行優(yōu)化，采用更好的算法予以優(yōu)化。為了實現(xiàn)上述目的，本發(fā)明的技術方案如下。 一種弱信號目標檢測的優(yōu)化方法，其具體步驟如下：（1）讀取離散化后的輸入信號:x(n) n=0，1,2N-1 ，其中N為信號x(t)的采樣點數(shù)；（2）對輸入信號x(n)進行四重自相關，具體方法為，設信號x(n)包括有用信號s(n)和隨機加性噪聲u(n)，信號表達式為：x(n)=s(n)+u(n),首先對輸入信號x(n)進行二重自相關： m=0，1,2N-1根據(jù)信號與信號相關，信號與噪聲的不相關

10、性，有：即：，表明含噪信號x(n)的二重相關近似等于有用信號s(n)的二重自相關。信號x(n)的三重自相關可表示為： 根據(jù)(gnj)與相關(xinggun)，與噪聲(zoshng)的不相關性，有：表明含噪信號x(n)的三重相關近似等于有用信號s(n)的三重自相關。同理，可得，信號x(n)的四重相關可表示為：即含噪信號x(n)的四重相關近似等于有用信號s(n)的四重自相關。（3）計算相關函數(shù)和輸入信號x(n)的頻譜： k=0，1,2N-1 k=0，1,2N-1（4）由相關信號的頻譜，根據(jù)信號的頻譜與自相關函數(shù)頻譜的關系，利用公式，由四重相關信號頻譜計算有用信號s(n)的頻譜；（5）計算匹配濾波器

11、的傳輸函數(shù)：當線性濾波器傳輸函數(shù)為輸入信號頻潛函數(shù)的復共軛時，該濾波器能夠給出最大的信噪比, 這種濾波器稱為匹配濾波器；匹配濾波器的傳輸函數(shù)為：；（6）求信號經(jīng)過匹配濾波器的頻譜：經(jīng)過濾波后的信號的頻譜為：（7）采用多正弦窗進行譜估計：窗函數(shù)取為: n=0，1,2N-1設K為正弦窗數(shù)量,為第個正弦窗的加權系數(shù)，則經(jīng)過濾波后的信號的多正弦窗譜估計為： 其中(qzhng)為第k個特征(tzhng)譜。而 k=0，1,2N-1所以(suy)多正弦窗譜估計可表示為：(8)將信號頻譜還原為時域信號： n=0，1,2N-1（備注：需要針對上述出現(xiàn)多個參數(shù)予以定義，也需要說明，各個字母所代表的含義，大小寫均

12、需要說明，如果表示含義一致，那么大小字母應當統(tǒng)一，如需要說明代表的含義，H代表的含義，等等）該發(fā)明的有益效果在于：本發(fā)明方法中，利用四重相關和雙譜(四重相關函數(shù)的頻譜函數(shù))分析，實現(xiàn)高階矩范圍內(nèi)信號處理，由于零均值的高斯平穩(wěn)隨機過程的四重相關等于零，以及四重相關具有位移和旋轉(zhuǎn)不變性等特點，并且雙譜含有豐富的冗余信息，采用匹配濾波器進行濾波，該濾波器能夠給出最大的信噪比。因此，四重相關匹配濾波技術較之二重相關匹配濾波技術，可以進一步抑制噪聲，從而提高信噪比。多正弦窗譜估計在有效改進譜估計的方差性能的同時，能夠保證一定的頻率分辨能力。附圖說明圖1 是本發(fā)明實施例中所使用算法流程圖。具體實施方式下面

13、結合附圖對本發(fā)明的具體實施方式進行描述，以便更好的理解本發(fā)明。實施例本實施例中的弱信號目標檢測的優(yōu)化方法，其流程如圖1所示，具體步驟如下：（1）讀取離散化后的輸入信號:x(n) n=0，1,2N-1 ，其中N為信號x(t)的采樣點數(shù)；（2）對輸入信號(xnho)x(n)進行四重自相關，信號x(n)的四重相關可表示為：即含噪信號x(n)的四重相關近似等于(dngy)有用信號s(n)的四重自相關。用Matlab語言實現(xiàn)輸入信號x(n)二重(r zhn)相關：R2m=autocorr(xn)四重相關：R4m=autocorr(R2m)（3）計算相關函數(shù)和輸入信號x(n)的頻譜： k=0，1,2N-1

14、 k=0，1,2N-1用Matlab語言計算相關函數(shù)的頻譜：n=0:N-1; k =0:N-1; %序列范圍 WN=exp(-j*2*pi/N); %設定wn因子 nk=n*k; %賦值nk轉(zhuǎn)置為n行1列矩陣與k相乘 WNnk=WN.nk; %矩陣點冪 Rk=r4m*WNnk; %相關函數(shù)的頻譜Xk=xn*WNnk; %輸入信號x(n)的頻譜（4）由相關信號的頻譜，根據(jù)信號的頻譜與自相關函數(shù)頻譜的關系，利用公式，由四重相關信號頻譜計算有用信號s(n)的頻譜；用Matlab語言計算有用信號s(n)的頻譜:Rk_abs=abs(Rk) %的幅頻Sk_abs=Rk_abs. 1/4 %的幅頻Sk _

15、angle=angle(Rk)/4 %的相頻（5）計算匹配(ppi)濾波器的傳輸函數(shù)：當線性濾波器傳輸函數(shù)為輸入信號頻潛函數(shù)的復共軛時，該濾波器能夠給出最大的信噪比, 這種濾波器稱為匹配濾波器；匹配濾波器的傳輸函數(shù)為：用Matlab語言(yyn)計算匹配(ppi)濾波器的傳輸函數(shù)：Hk=conj(Xk)（6）求信號經(jīng)過匹配濾波器的頻譜：經(jīng)過濾波后的信號的頻譜為：用Matlab語言計算經(jīng)過濾波后的信號的頻譜為：X1k=Sk.*Hk（7）采用多正弦窗進行譜估計：窗函數(shù)取為: n=0，1,2N-1設K為正弦窗數(shù)量,為第個正弦窗的加權系數(shù)，則經(jīng)過濾波后的信號的多正弦窗譜估計為： 其中為第k個特征譜。而

16、 k=0，1,2N-1所以多正弦(zhngxin)窗譜估計可表示為：用Matlab語言(yyn)計算多正弦(zhngxin)窗譜估計：For l=1:Kk=0:N-1; %序列范圍dw=2*pi/N; %頻率分辨率dwk=k*dw; ; wi= pi*(l+1)/(N+1) ；多弦窗估計的頻率偏移abs=interp1(dwk,abs (X1k)，,wi)：Xmtk=X1k(8)將信號頻譜還原為時域信號： n=0，1,2N-1用Matlab語言將信號頻譜還原為時域信號：n=0:N-1; k =0:N-1; %序列范圍 WN1=exp(j*2*pi/N); %設定wn因子 kn=k*n; %賦值nk轉(zhuǎn)置為n行1列矩陣與k相乘 WNnk1=WN1.kn; %矩陣點冪 x2n=Xmtk*WNnk1; %求出時域信號（備注：需要針對上述出現(xiàn)多個參數(shù)予以定義，也需要說明，各個字母所代表的含義，大小寫均需要說明，如果表示含義一致，那么大小字母應當統(tǒng)一，如需要說明代表的含義，H代表的含義，等等）以上(yshng)所述是本發(fā)明(fmng)的優(yōu)選實施方式，應當指出，對于本技術(jsh)領域的普通技術人員來說，在不脫離本發(fā)明原理的前提下，還