CN108270495B - 一种背景噪声的提取方法及提取*** - Google Patents
一种背景噪声的提取方法及提取*** Download PDFInfo
- Publication number
- CN108270495B CN108270495B CN201810083729.8A CN201810083729A CN108270495B CN 108270495 B CN108270495 B CN 108270495B CN 201810083729 A CN201810083729 A CN 201810083729A CN 108270495 B CN108270495 B CN 108270495B
- Authority
- CN
- China
- Prior art keywords
- point
- sample
- signal
- points
- value
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 238000000605 extraction Methods 0.000 title claims description 29
- 238000000034 method Methods 0.000 claims abstract description 56
- 238000005070 sampling Methods 0.000 claims description 3
- 238000001514 detection method Methods 0.000 claims description 2
- 238000004422 calculation algorithm Methods 0.000 abstract description 10
- 239000000284 extract Substances 0.000 abstract description 4
- 238000000926 separation method Methods 0.000 abstract description 3
- 238000001228 spectrum Methods 0.000 description 23
- 238000012544 monitoring process Methods 0.000 description 19
- 238000012545 processing Methods 0.000 description 10
- 238000004088 simulation Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 6
- 230000000630 rising effect Effects 0.000 description 6
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 4
- 238000005259 measurement Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 238000000342 Monte Carlo simulation Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000003064 k means clustering Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 239000002023 wood Substances 0.000 description 2
- 241000543540 Guillardia theta Species 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
- H04B17/309—Measuring or estimating channel quality parameters
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
- H04B17/309—Measuring or estimating channel quality parameters
- H04B17/345—Interference values
Landscapes
- Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Monitoring And Testing Of Transmission In General (AREA)
- Noise Elimination (AREA)
Abstract
本发明公开一种背景噪声的提取方法及提取***，所述提取方法包括：获取电平样本数据集，确定多个样本子集，根据最小二乘法确定各样本子集的拟合曲线，根据拟合曲线确定各待测点的斜率特征值，根据各斜率特征值信号点，将信号点的电平数值替换为相邻噪声点的电平数值，相邻噪声样本点为距离信号点最近的噪声点。本发明采用最小二乘线性曲线拟合算法对频段内各个频点对应的电平数据进行处理，提取样本的斜率特征值，通过比较特征值与设定的信号判定门限，实现信噪分离，将信号频点值对应的电平值替换为邻近噪声频点对应的电平值，从而准确获取该频段的背景噪声。
Description
技术领域
本发明涉及无线电监测领域，特别是涉及一种背景噪声的提取方法及提取***。
背景技术
随着无线电技术与信号处理技术的快速发展，无线电业务的应用已经渗透到各个领域，无线电频谱资源日趋紧张，各种无线电干扰时有发生。为保障无线电频谱资源得到合理高效使用，及时发现并排除无线电干扰，无线电管理部门不断加强对频谱资源的监测，密切关注频谱使用动态，其中一项重要工作就是频谱占用度测量。通过频谱占用度测量，频谱管理人员可以确定信道或频段是否被有效利用，及时掌握频谱实际使用情况，为新用户指配频率提供依据；频谱管理部门可以及时了解频谱使用趋势，评估频率规划。根据《超短波频段占用度测试技术规范(试行)》，在频谱占用度测量工作中，将占用度统计门限规定为当地接收机平均噪声功率电平或电压值以上5dB。实际中，空中各种信号的叠加导致不同频段的噪声电平不是唯一的，而且会随时间变化而变化，因此必须考虑动态确定噪声电平的方法。准确提取频段内的背景噪声，并据此来设定占用度测量门限，可提高占用度统计结果的准确性。当前常用的人工获取背景噪声的方法误差较大，并且由于频段内背景噪声存在起伏不平情况，必须人工分段进行判读，工作量大大增加且误差较大。国内外无线电监测工作者及专家已经开始就无线电背景噪声的测量展开研究，并提出了合理的背景噪声测量方法，积极应用于监测实践，比如基于纹理特征的背景噪声提取，邻值判别提取算法，K-均值聚类提取算法等。
邻值判别提取算法受信号带宽、设备差异影响大，当信号为宽带信号时，提取效果较差。基于纹理特征的背景噪声提取方法没有给出阈值的确定方法，平滑窗的尺寸也是工程经验值，当频段内信号带宽大于平滑窗的尺寸时，且信号包络较平坦时，会把信号误判为噪声。K-均值聚类提取算法提取的背景噪声为仍为一固定值，据此设置的占用度门限仍为固定门限，无法解决因实际电磁环境不断变化引起的变底噪问题。
发明内容
本发明的目的是提供一种背景噪声的提取方法及提取***，能够准确提取背景噪声。
为实现上述目的，本发明提供了如下方案：
一种背景噪声的提取方法，所述提取方法包括：
获取电平样本数据集，所述电平样本数据集包括多个样本点，所述样本点分为信号点和噪声点；
确定多个样本子集，所述样本子集包括N个所述电平样本数据集中连续的样本点，所述样本子集中的第一个样本点为待测点；相邻两个所述样本子集包括相同的样本点；
根据最小二乘法确定各所述样本子集的拟合曲线；
根据所述拟合曲线确定各待测点的斜率特征值；
根据各所述斜率特征值确定多个开始点和多个结束点，所述开始点的斜率特征值大于等于T，位于所述开始点之前距离所述开始点最近的待测点的斜率特征值小于T，所述结束点的斜率特征值大于-T，位于所述结束点之前距离所述结束点最近的待测点的斜率特征值小于等于-T，所述之前是指待测点的时间顺序，T为设定阈值；
确定所述电平样本数据集中处于第一信号点和第二信号点的之间所有的样本点为第三信号点，所述第一信号点为开始点，所述第二信号点为结束点，所述第一信号点位于所述第二信号点之前，所述第一信号点是距离所述第二信号点最近的开始点；
将所述第三信号点的电平数值替换为相邻噪声点的电平数值，所述相邻噪声样本点为距离所述第一信号点或所述第二信号点最近的噪声点。
可选的，在所述确定多个样本子集之前，还包括：
获取频域业务信号中的最窄信号带宽和分辨率带宽；
根据所述最窄信号带宽和分辨率带宽确定拟合点数的最大值Nmax；
确定所述拟合点数N，其中，3<N<Nmax。
可选的，所述根据所述最窄信号带宽和分辨率带宽确定拟合点数的最大值Nmax，具体为：
根据公式Nmax＝BWmin/(2×RBW)确定拟合点数的最大值Nmax；
其中，BWmin为最窄信号带宽，RBW为分辨率带宽。
可选的，在所述将所述第三信号点的电平数值替换为相邻噪声点的电平数值之后，还包括：
计算相邻两个样本点的电平差值；
判断所述电平差值的绝对值是否大于5，得到第一判断结果；
当所述第一判断结果表示相邻两个样本点的电平差值的绝对值大于5时，将数值较大的样本点的值替换为数值较小的样本点的值。
可选的，在获取待测电平样本数据集之后，还包括：
将所述电平样本数据集的第一个样本点的电平数值替换为距离所述第一样本点最近的噪声点的电平数值。
可选的，所述根据所述拟合曲线确定各待测点的斜率特征值，具体包括：
根据公式：
确定待测点在所述拟合曲线处的斜率特征值；
其中，Kp为第p个样本子集的待测点的斜率特征值，(xn，yn)为所述样本子集中的第n个样本点，xn＝n，yn为第n个样本点的电平数值。
可选的，5≤N≤9。
可选的，N为6。
可选的，T为0.3。
一种背景噪声的提取***，所述提取***包括：
电平样本数据集获取模块，用于获取待测电平样本数据集，所述电平样本数据集包括多个样本点，所述样本点分为信号点和噪声点；
样本子集确定模块，用于确定多个样本子集，所述样本子集包括N个所述电平样本数据集中连续的样本点，所述样本子集中的第一个样本点为待测点；相邻两个所述样本子集包括相同的样本点；
拟合曲线确定模块，用于根据最小二乘法确定各所述样本子集的拟合曲线；
斜率特征值确定模块，用于根据所述拟合曲线确定各待测点的斜率特征值；
开始点和结束点确定模块，用于根据各所述斜率特征值确定多个开始点和多个结束点，所述开始点的斜率特征值大于等于T，位于所述开始点之前距离所述开始点最近的待测点的斜率特征值小于T，所述结束点的斜率特征值大于-T，位于所述结束点之前距离所述结束点最近的待测点的斜率特征值小于等于-T，所述之前是指待测点的时间顺序，T为设定阈值；
信号点确定模块，用于确定所述电平样本数据集中处于第一信号点和第二信号点的之间所有的样本点为第三信号点，所述第一信号点为开始点，所述第二信号点为结束点，所述第一信号点位于所述第二信号点之前，所述第一信号点是距离所述第二信号点最近的开始点；
替换模块，用于将所述第三信号点的电平数值替换为相邻噪声点的电平数值，所述相邻噪声样本点为距离所述第一信号点或所述第二信号点最近的噪声点。
根据本发明提供的具体实施例，本发明公开了以下技术效果：
本发明提出一种背景噪声的提取方法及提取***，采用最小二乘线性曲线拟合算法对频段内各个频点对应的电平数据进行处理，提取样本的斜率特征值，通过比较特征值与设定的信号判定门限，实现信噪分离，将信号频点值对应的电平值替换为邻近噪声频点对应的电平值，从而准确获取该频段的背景噪声。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明背景噪声的提取方法的流程图；
图2为某地调频广播频段频谱图；
图3为频域信号示意图；
图4为频域信号N个取样点最小二乘曲线拟合图；
图5为采用蒙特卡罗方法对拟合后的曲线斜率特征值的分布情况进行了10万次仿真后的仿真图；
图6为采用本发明的方法对新疆乌鲁木齐市某地采集到的3～30MHz短波频段数据的频谱数据进行处理后得到的背景噪声曲线；
图7为采用本发明的方法对采集到的88～108MHz调频广播频段数据的频谱数据进行处理后得到的背景噪声曲线；
图8为采用本发明的方法对采集到的108～1000MHz超短波频段数据的频谱数据进行处理后得到的背景噪声曲线；
图9为本发明背景噪声的提取***的结构连接图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明的目的是提供一种基于最小二乘线性曲线拟合的背景噪声的提取方法及提取***，采用最小二乘线性曲线拟合算法对频段内各个频点对应的电平数据进行处理，提取样本的斜率特征值，通过比较斜率特征值与设定的信号判定门限，实现信噪分离，将信号频点值对应的电平值替换为邻近噪声频点对应的电平值，从而准确获取该频段的背景噪声。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1为本发明背景噪声的提取方法的流程图。如图1所示，所述提取方法包括：
步骤101：获取电平样本数据集；
步骤102：确定多个样本子集，所述样本子集包括N个所述电平样本数据集中连续的样本点，所述样本子集中的第一个样本点为待测点；相邻两个所述样本子集包括相同的样本点。具体操作时，第一个样本子集的待测点为电平样本数据集中第一个样本点，第二个样本子集的待测点为电平样本数据集中第二个样本点，依次类推。
在步骤102之前还包括：
步骤A1：获取频域业务中的最窄信号带宽和分辨率带宽；
所述业务Radio services包括：无线电通信业务、固定业务、卫星固定业务、航空固定业务、卫星间业务、空间操作业务、移动业务、卫星移动业务、陆地移动业务、卫星陆地移动业务、水上移动业务、卫星水上移动业务、港口操作业务、船舶移动业务、航空移动业务、航空移动(R)业务、航空移动(OR)业务、卫星航空移动业务、卫星航空移动(R)业务、卫星航空移动(OR)业务、广播业务、卫星广播业务、无线电测定业务、卫星无线电测定业务、无线电导航业务、卫星无线电导航业务、水上无线电导航业务、卫星水上无线电导航业务、航空无线电导航业务、卫星航空无线电导航业务、无线电定位业务、卫星无线电定位业务、气象辅助业务、卫星地球探测业务、卫星气象业务、标准频率和时间信号业务、卫星标准频率和时间信号业务、空间研究业务、业余业务、卫星业余业务、射电天文业务、安全业务和特别业务等。
步骤A2：根据所述最窄信号带宽和分辨率带宽确定拟合点数的最大值Nmax；具体为：根据公式(1)确定拟合点数的最大值Nmax；
Nmax＝BWmin/(2×RBW) (1)
其中，BWmin为最窄信号带宽，RBW为分辨率带宽。
步骤A3：确定所述拟合点数N，其中，3<N<Nmax。优选的，5≤N≤9。更优选的，N＝6。
步骤103：根据最小二乘法确定各所述样本子集的拟合曲线。
步骤104：根据所述拟合曲线确定各待测点的斜率特征值。具体包括：
根据公式(2)确定待测点在所述拟合曲线处的斜率特征值；
其中，Kp为第p个样本子集的待测点的斜率特征值，(xn，yn)为所述样本子集中的第n个样本点，xn＝n，yn为第n个样本点的电平数值。
步骤105：根据各所述斜率特征值确定多个开始点和多个结束点，所述开始点的斜率特征值大于等于T，所述开始点之前距离所述开始点最近的待测点的斜率特征值小于T，所述结束点的斜率特征值大于-T，所述结束点之前距离所述结束点最近的待测点的斜率特征值小于等于-T，所述之前是指待测点的时间顺序；T为设定阈值，即为信号判定门限。
步骤106：确定所述电平样本数据集中处于第一信号点和第二信号点的之间所有的样本点为第三信号点，所述第一信号点为开始点，所述第二信号点为结束点，所述第一信号点位于所述第二信号点之前，所述第一信号点是距离所述第二信号点最近的开始点；
步骤107：将所述第三信号点的电平数值替换为相邻噪声点的电平数值，所述相邻噪声样本点为距离所述第一信号点或所述第二信号点最近的噪声点。
可选的，在步骤101之后，还可以包括：将所述电平样本数据集的第一个样本点的电平数值替换为距离所述第一样本点最近的噪声点的电平数值。
可选的，在步骤107之后还包括：
步骤B1：计算相邻两个样本点的电平差值；
步骤B2：判断所述电平差值的绝对值是否大于5，得到第一判断结果；
步骤B3：当所述第一判断结果表示相邻两个样本点的电平差值的绝对值大于5时，将数值较大的样本点的值替换为数值较小的样本点的值。
步骤B1-步骤B3相当于滤波，寻找遗漏的信号点再替换为噪声点。根据《超短波频段占用度测试技术规范(试行)》，在频谱占用度测量工作中，将占用度统计门限规定为当地接收机平均噪声功率电平或电压值以上5dB，所以相邻点之间差值大于5绝对有一个点是信号点。
在工程中，监测***中的主要噪声来源是热噪声，而热噪声是典型的高斯白噪声，服从正态分布。噪声是随时间随机变化，噪声具有分段连续性，与无线电信号相邻信道的噪声被认为是连续的，信号叠加在背景噪声之上，而信号的频谱是突变的。图2为某地调频广播频段频谱图。
通过分析监测***采集的原始数据，相邻信道的噪声电平值虽然各不相同且电平的大小变化无方向性，但变化幅度很小。通过统计各个信道上同一时刻的电平值，然后绘制成一条曲线，可以看出在整个频段内噪声部分曲线较平坦，信号部分曲线突然变得陡峭，所以通过人眼很容易分辨信号与噪声，而计算机却无法根据此现象识别信号与噪声。因此，可以通过某种方法提取曲线的特征，通过判别具体的特征值使计算机具有识别能力。
通过分析可知，频域内信号在几何图形上具有明显特征，即信号两侧存在较明显的上升沿和下降沿，如图3所示。在信号上升沿和下降沿内的数据样本点间电平值变化幅度较大，且幅度变化呈现明显的上升或下降趋势。假设在垂直坐标系内，在信号上升沿或下降沿内取N个连续的数据样本点，通过最小二乘法线性曲线拟合算法进行曲线拟合，可以看出由N个数据样本点拟合而成的斜线倾角较大，如图4中的θ1；而在噪声段内取N个连续的数据样本点通过最小二乘法线性曲线拟合后，拟合而成的斜线倾角较小或趋于零，如图4中的θ2，因此，可以将在要提取背景噪声的频段内采集到的数据电平样本点划分为多个长度为N的样本子集，然后用最小二乘线性曲线拟合提取每个样本子集的斜率特征值Ki。设置信号判定门限T，当Ki≥T时，认为该子样本为信号数据点，当Ki<T时，认为该子样本为噪声数据点。另外，从图3和图4中可以看出，一个完整的信号应同时具有上升沿和下降沿，在对一段包含一个信号的样本数据进行线性拟合时，如果第一次计算到某子样本{Si,Si+1,…,SN+i-1}的斜率特征值Ki≥T，则认为该样本为信号数据且属于信号的上升沿的开始部分，标记i＝m1，继续进行线性拟合，当斜率特征值Kj>-T(j>1)并且Kj-1≤-T时，则认为该组数据为信号数据且属于信号的下降沿的结束部分，标记j＝m2，将样本点S(m1)至S(m2)视为信号点，其值替换为相邻噪声样本点的值。使用此方法对某一频段的原始电平样本数据进行处理后，可实现信号频点与噪声频点分离，进而提取到理想的背景噪声样本。
1、曲线斜率特征值的计算
设是一个N个点的集合，其中横坐标
是确定的。最小二乘拟合曲线y＝f(x)＝Kx+B是满足均方根误差E2(f)最小的曲线。最小二乘曲线的系数是K和B是下列线性方程(3)的解，这些方程称为正规方程:
通过线性方程(3)可计算处拟合曲线的斜率：
2、拟合点数N的确定
如果每个频点的噪声服高斯分布，且连续N个频点的噪声独立同分布，根据大数定律可得N个频点的噪声也服从正态分布；可以证明服从正态分布的N个频点的噪声的最小二乘曲线拟合的斜率特征值趋近于零。当选取的样本点数N越大，这些样本越趋近于正态分布。但是，选取的点数至少要少于信号点数的一半才能为本方法的应用提供理想的条件。假设频段内所有业务中的最窄的信号带宽为BWmin，分辨率带宽为RBW，选取的点数应小于Nmax＝BWmin/(2*RBW)。所以建议选取的点数N最后在区间(3，Nmax)内。同时在进行占用度统计工作之前，最好根据要统计的频段内各业务信号的占用带宽合理设置接收机的分辨率带宽，以保证Nmax>3。
拟合点数N对背景噪声提取的结果影响较大，进行曲线拟合提取斜率特征值时，若点数过多可能导致提取到的信号点的斜率特征值不明显，若点数过少可能导致波动较大的相邻的噪声点的斜率特征值高于门限特征响判断，通过实际应用，拟合点数一般取5～9效果较好。
3、信号判定门限的选取
信号判定门限T应合理设置，如果T设置过大，会导致把信噪比较低的信号样本点判定为噪声；如果T设置过小，会导致计算量增加，同时也会把频段内波动较大噪声样本数据判定为信号。本发明根据实际监测情况，给出了一种信号判定门限T的估计方法。假设监测***中的主要噪声来源是热噪声,而热噪声是典型的高斯白噪声，服从正态分布。通过观测频谱数据，发现相邻噪声点间的电平差值基本在1dB以内。因此可通过仿真对信号判定门限T进行估计。本发明假设用于拟合的数据服从正态分布，在拟合点数N＝6时，采用蒙特卡罗方法对拟合后的曲线斜率特征值的分布情况进行了10万次仿真，仿真结果见图5。由图5可知，6点曲线拟合后的斜率特征值近似服从正态分布，斜率特征值均小于0.3的概率为80％。因此，在进行背景噪声提取时，可考虑设置T＝0.3。通过实际试验，在拟合点数N＝6，判定门限T＝0.3，提取到的背景噪声符合占用度统计工作要求。
此外，由于不同的接收设备之间性能指标存在差异，依据仿真估计出的信号判定门限T不一定是最佳值，实际应用此方法提取背景噪声时，可在仿真估计出的信号判定门限T的基础上适当调整T的大小，提前进行试验，以确定适合特定接收设备的最佳判定门限值。
4、背景噪声的提取方法验证
为了验证该方法的可行性与提取效果，本发明利用罗德与施瓦茨公司的ESMD监测接收机，结合基于ESMD集成的监测***，构建出一套监测平台，在不同频段进行实际监测，采集并保存各个频段的监测数据，以供本发明提出的方法调用处理。为了高效处理监测数据，本发明在MATLAB开发环境中编写了背景噪声曲线提取程序，实现了对频谱数据的自动处理及可视化。本次实验中，背景噪声自动提取算法中所用的拟合点数N＝6，信号判定门限T＝0.3。
图6为采用本发明的方法对新疆乌鲁木齐市某地采集到的3～30MHz短波频段数据的频谱数据进行处理后得到的背景噪声曲线。
如图6所示，底部较粗的曲线为方法提取的背景噪声曲线。采集此频段数据时，ESMD监测接收机设置的是全景扫描模式(pscan)，扫描步进(step)设置为0.5kHz，信号电平的单位是dBuV。从图中可以看出，该频段内背景噪声起伏变化较大，采用人工判读方式获取背景噪声难度较大。可以看出提取出的背景噪声曲线基本上与实际背景噪声一致，误差很小。
图7为采用本发明的方法对采集到的88～108MHz调频广播频段数据的频谱数据进行处理后得到的背景噪声曲线。
如图7所示，底部较粗的曲线为算法提取的背景噪声曲线。采集此频段数据时，ESMD监测接收机设置的是全景扫描模式(pscan)，扫描步进(step)设置为3.125kHz，信号电平的单位是dBuV。
图8为采用本发明的方法对采集到的108～1000MHz超短波频段数据的频谱数据进行处理后得到的背景噪声曲线，底部较粗的曲线为算法提取的背景噪声曲线。采集此频段数据时，ESMD监测接收机设置的是全景扫描模式(pscan)，扫描步进(step)设置为12.5kHz，信号电平的单位是dBuV。
本发明提出的无线电背景噪声曲线提取方法可以准确的提取整个接收机扫描频段上的背景噪声，其效果受硬件设备、频段背景噪声分布和信号带宽等因素影响较小，且实用、方便。该方法已应用在本单位日常无线电监测工作中，经实践证明效果较为理想，解决了ITU-RP.372方法中噪声估计值较真实值偏低的问题，改进了ITU-RSM.1753方法依靠人工提取噪声样本值的方式，而提升了无线电监测中频谱占用度统计门限设的自动化程度和测量结果的准确性。
本发明还提供了一种背景噪声的提取***，图9为本发明背景噪声的提取***的结构连接图。如图9所示，所述提取***包括：
电平样本数据集获取模块901，用于获取待测电平样本数据集，所述电平样本数据集包括多个样本点，所述样本点分为信号点和噪声点；
样本子集确定模块902，用于确定多个样本子集，所述样本子集包括N个所述电平样本数据集中连续的样本点，所述样本子集中的第一个样本点为待测点；相邻两个所述样本子集包括相同的样本点；
拟合曲线确定模块903，用于根据最小二乘法确定各所述样本子集的拟合曲线；
斜率特征值确定模块904，用于根据所述拟合曲线确定各待测点的斜率特征值；
开始点和结束点确定模块905，用于根据各所述斜率特征值确定多个开始点和多个结束点，所述开始点的斜率特征值大于等于T，位于所述开始点之前距离所述开始点最近的待测点的斜率特征值小于T，所述结束点的斜率特征值大于-T，位于所述结束点之前距离所述结束点最近的待测点的斜率特征值小于等于-T，所述之前是指待测点的时间顺序，T为设定阈值；
信号点确定模块906，用于确定所述电平样本数据集中处于第一信号点和第二信号点的之间所有的样本点为第三信号点，所述第一信号点为开始点，所述第二信号点为结束点，所述第一信号点位于所述第二信号点之前，所述第一信号点是距离所述第二信号点最近的开始点；
替换模块907，用于将所述第三信号点的电平数值替换为相邻噪声点的电平数值，所述相邻噪声样本点为距离所述第一信号点或所述第二信号点最近的噪声点。
对于实施例公开的***而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
本发明中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种背景噪声的提取方法，其特征在于，所述提取方法包括：
获取电平样本数据集，所述电平样本数据集包括多个样本点，所述样本点分为信号点和噪声点；
确定多个样本子集，所述样本子集包括N个所述电平样本数据集中连续的样本点，所述样本子集中的第一个样本点为待测点；相邻两个所述样本子集包括不同的样本点；
根据最小二乘法确定各所述样本子集的拟合曲线；
根据所述拟合曲线确定各待测点的斜率特征值；
根据各所述斜率特征值确定多个开始点和多个结束点，所述开始点的斜率特征值大于等于T，位于所述开始点之前距离所述开始点最近的待测点的斜率特征值小于T，所述结束点的斜率特征值大于-T，位于所述结束点之前距离所述结束点最近的待测点的斜率特征值小于等于-T，所述之前是指待测点的时间顺序，T为设定阈值；
确定所述电平样本数据集中处于第一信号点和第二信号点的之间所有的样本点为第三信号点，所述第一信号点为开始点，所述第二信号点为结束点，所述第一信号点位于所述第二信号点之前，所述第一信号点是距离所述第二信号点最近的开始点；
将所述第三信号点的电平数值替换为相邻噪声样本点的电平数值，所述相邻噪声样本点为距离所述第一信号点或所述第二信号点最近的噪声点。
2.根据权利要求1所述的提取方法，其特征在于，在所述确定多个样本子集之前，还包括：
获取频域业务信号中的最窄信号带宽和分辨率带宽；
根据所述最窄信号带宽和分辨率带宽确定拟合点数的最大值Nmax；
确定所述拟合点数N，其中，3<N<Nmax。
3.根据权利要求2所述的提取方法，其特征在于，所述根据所述最窄信号带宽和分辨率带宽确定拟合点数的最大值Nmax，具体为：
根据公式Nmax＝BWmin/(2×RBW)确定拟合点数的最大值Nmax；
其中，BWmin为最窄信号带宽，RBW为分辨率带宽。
4.根据权利要求1所述的提取方法，其特征在于，在所述将所述第三信号点的电平数值替换为相邻噪声点的电平数值之后，还包括：
计算相邻两个样本点的电平差值；
判断所述电平差值的绝对值是否大于5，得到第一判断结果；
当所述第一判断结果表示相邻两个样本点的电平差值的绝对值大于5时，将数值较大的样本点的值替换为数值较小的样本点的值。
5.根据权利要求1所述的提取方法，其特征在于，在获取待测电平样本数据集之后，还包括：
将所述电平样本数据集的第一个样本点的电平数值替换为距离第一样本点最近的噪声点的电平数值。
6.根据权利要求1所述的提取方法，其特征在于，所述根据所述拟合曲线确定各待测点的斜率特征值，具体包括：
根据公式：
确定待测点在所述拟合曲线处的斜率特征值；
其中，Kp为第p个样本子集的待测点的斜率特征值，(xn，yn)为所述样本子集中的第n个样本点，xn＝n，yn为第n个样本点的电平数值。
7.根据权利要求2所述的提取方法，其特征在于，5≤N≤9。
8.根据权利要求7所述的提取方法，其特征在于，N为6。
9.根据权利要求1所述的提取方法，其特征在于，T为0.3。
10.一种背景噪声的提取***，其特征在于，所述提取***包括：
电平样本数据集获取模块，用于获取待测电平样本数据集，所述电平样本数据集包括多个样本点，所述样本点分为信号点和噪声点；
样本子集确定模块，用于确定多个样本子集，所述样本子集包括N个所述电平样本数据集中连续的样本点，所述样本子集中的第一个样本点为待测点；相邻两个所述样本子集包括不同的样本点；
拟合曲线确定模块，用于根据最小二乘法确定各所述样本子集的拟合曲线；
斜率特征值确定模块，用于根据所述拟合曲线确定各待测点的斜率特征值；
开始点和结束点确定模块，用于根据各所述斜率特征值确定多个开始点和多个结束点，所述开始点的斜率特征值大于等于T，位于所述开始点之前距离所述开始点最近的待测点的斜率特征值小于T，所述结束点的斜率特征值大于-T，位于所述结束点之前距离所述结束点最近的待测点的斜率特征值小于等于-T，所述之前是指待测点的时间顺序，T为设定阈值；
信号点确定模块，用于确定所述电平样本数据集中处于第一信号点和第二信号点的之间所有的样本点为第三信号点，所述第一信号点为开始点，所述第二信号点为结束点，所述第一信号点位于所述第二信号点之前，所述第一信号点是距离所述第二信号点最近的开始点；
替换模块，用于将所述第三信号点的电平数值替换为相邻噪声样本点的电平数值，所述相邻噪声样本点为距离所述第一信号点或所述第二信号点最近的噪声点。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810083729.8A CN108270495B (zh) | 2018-01-29 | 2018-01-29 | 一种背景噪声的提取方法及提取*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810083729.8A CN108270495B (zh) | 2018-01-29 | 2018-01-29 | 一种背景噪声的提取方法及提取*** |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108270495A CN108270495A (zh) | 2018-07-10 |
| CN108270495B true CN108270495B (zh) | 2020-12-11 |
Family
ID=62776931
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810083729.8A Expired - Fee Related CN108270495B (zh) | 2018-01-29 | 2018-01-29 | 一种背景噪声的提取方法及提取*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108270495B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108627807B (zh) * | 2018-08-08 | 2022-04-01 | 中国航空工业集团公司雷华电子技术研究所 | 一种机载雷达抗干扰方法 |
| CN110471015A (zh) * | 2019-09-05 | 2019-11-19 | 国网北京市电力公司 | 传感器检测阈值的确定方法及装置、存储介质和处理器 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1685336A (zh) * | 2002-07-26 | 2005-10-19 | 摩托罗拉公司 | 用于背景噪声快速动态估计的方法 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8421802B2 (en) * | 2008-03-07 | 2013-04-16 | Olympus Ndt | Peak visualization enhancement display system for use with a compressed waveform display on a non-destructive inspection instrument |
| CN103646349B (zh) * | 2013-09-27 | 2017-02-08 | 华北电力大学 | 一种电力负荷曲线分段识别方法 |
| CN104639252B (zh) * | 2013-11-13 | 2017-08-25 | 海思光电子有限公司 | 光调制器偏置点锁定方法及*** |
| CN107184203B (zh) * | 2017-07-03 | 2019-07-26 | 重庆大学 | 基于自适应集合经验模态分解的心电信号特征点识别方法 |
-
2018
- 2018-01-29 CN CN201810083729.8A patent/CN108270495B/zh not_active Expired - Fee Related
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1685336A (zh) * | 2002-07-26 | 2005-10-19 | 摩托罗拉公司 | 用于背景噪声快速动态估计的方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108270495A (zh) | 2018-07-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN101262288B (zh) | 确定认知无线电(cr)***的多分辨率频谱感知(mrss)技术的感知阈值的***与方法 | |
| DE60112185T2 (de) | Signalartbestimmung | |
| CN105785324B (zh) | 基于mgcstft的线性调频信号参数估计方法 | |
| Vladikova et al. | Selectivity study of the differential impedance analysis—Comparison with the complex non-linear least-squares method | |
| CN113325277A (zh) | 一种局部放电处理方法 | |
| CN107820255B (zh) | 一种改进的协方差绝对值协作频谱感知方法 | |
| CN107733541A (zh) | 频谱感知的方法、装置、设备以及计算机可读存储介质 | |
| CN110099019A (zh) | 基于深度学习的LoRa调制信号检测方法 | |
| CN108270495B (zh) | 一种背景噪声的提取方法及提取*** | |
| CN105429719A (zh) | 基于功率谱和多尺度小波变换分析强干扰信号检测方法 | |
| CN111428561A (zh) | 一种宽带电磁干扰源识别方法及***、储存介质、设备 | |
| CN109801236A (zh) | 一种基于混合高斯模型的光子点云去噪方法 | |
| CN106100762B (zh) | 一种循环平稳谱分析的弱通信信号检测方法 | |
| CN109474355A (zh) | 基于频谱监测数据的自适应噪声门限估计与信号提取方法 | |
| CN110045322A (zh) | 一种基于高分辨测向语图智能识别的短波自动测向方法 | |
| CN112668612A (zh) | 一种基于网格的局部放电信号聚类分析方法 | |
| CN109800634B (zh) | 一种基于邻值统计的宽带频谱信噪分离方法 | |
| CN106713574A (zh) | 一种干扰测试方法及装置 | |
| CN112929141A (zh) | 一种基于图传信号匹配的无人机检测识别方法和*** | |
| CN108718223B (zh) | 一种非合作信号的盲频谱感知方法 | |
| CN110333506B (zh) | 一种提取索力测量雷达的拉索位置参数的方法 | |
| CN101404546B (zh) | 基于信号矩特征的频谱占用度测量方法 | |
| CN114614922A (zh) | 基于频域的民航甚高频通信中的频谱数据清洗方法 | |
| Guerra et al. | Field measurement based characterization of the wideband urban multipath channel for portable DTV reception in single frequency networks | |
| CN106503649A (zh) | 一种基于计算机视觉的短波信号检测识别方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20201211 |