欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 201811294597X
申请人: 南京邮电大学
专利类型:发明专利
专利状态:未下证
专利领域: 电通信技术
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于傅里叶级数拟合去噪的频谱信号识别方法,其特征在于,该方法包括以下步骤:

(1)将原信号频谱图中频谱功率值超过设定阈值的对应信号去除,保留信号的基带部分,并记录所述信号的基带部分对应的信号的序列值和所述信号对应的强度值;

(2)将所述信号的基带部分对应的信号作为拟合点,对其进行七阶傅里叶级数拟合,得到拟合曲线;

(3)利用每个所述信号的基带部分对应的信号点的序列值求得拟合曲线对应值,将原信号对应的信号强度值对应减去所述拟合曲线对应值,得到修正基线漂移之后的信号及其对应的频谱图;

(4)采用能量检测法对所述修正基线漂移之后的信号进行信号识别,得到频谱信号使用情况图。

2.根据权利要求1所述的基于傅里叶级数拟合去噪的频谱信号识别方法,其特征在于,所述步骤(2)中,对所述信号的基带部分对应的信号进行七阶傅里叶级数拟合,具体包括:(21)确定七阶傅里叶级数拟合模型,公式表示为:其中,x为一信号点对应的序列值,ω为函数的角频率,a0,a1,a2,a3,a4,a5,a6,a7,b1,b2,b3,b4,b5,b6,b7为所述拟合模型的系数;

(22)初始化参数a0,a1,a2,a3,a4,a5,a6,a7,b1,b2,b3,b4,b5,b6,b7和参数ω,并将所述参数对应表示为:

β=(β1,β2,...,β16)   公式2其中,βj为第j个参数,1≤j≤16;

确定用于拟合的信号点:

(x1,y1),(x2,y2),...,(xi,yi),...,(xn,yn)其中,(xi,yi)分别表示第i个信号点对应的序列值和强度信号值,n为信号点的总数,1≤i≤n;

从而所述拟合模型表示为:y=f(x,β);

(23)采用高斯‑牛顿迭代法对所述阶傅里叶级数拟合模型进行迭代,不断优化模型参数和减少残差,得到参数的迭代公式:(k)

其中,Jf是函数y=f(x,β)对β的一阶偏导数矩阵,β 为迭代k次对应的参数公式。

3.根据权利要求2所述的基于傅里叶级数拟合去噪的频谱信号识别方法,其特征在于,所述步骤(23)中,优化模型参数,具体包括以下步骤:(231)即β求得最优解,转化为残差平方和 最小:其中,ri表示第i个信号的残差,公式表示为:ri=yi‑f(xi,β)    公式4其中,1≤i≤n,n为信号点的总数;

(232)转化为偏导数为零:(233)根据所述参数的初始值,采用迭代法求得 的近似解,所述迭代法的求解公式为: 其中,k是迭代次数,Δβ是迭代矢量;

k

(234)在β处利用泰勒级数展开其中,Jij是函数f(xi,β)对βj的偏导数,表示为:(235)根据公式4得到:所述残差化为:k

Δyi=yi‑f(xi,β)               公式9为了方便迭代,令 对于确定的数据集,对于每一个i和j,Jij的值可以被唯一确定;

(236)根据公式5得到:其中,Δβs为每次迭代参数βs的变化值,Jis为参数的二阶偏导数矩阵;

所述公式11使用傅里叶级数展开后得到所述公式3。

4.根据权利要求1所述的基于傅里叶级数拟合去噪的频谱信号识别方法,其特征在于,所述步骤(4)中,所述能量检测法使用的指标为虚警概率和信号识别率,所述虚警概率和信号识别率存在正相关关系。

5.一种基于傅里叶级数拟合去噪的频谱信号识别系统,其特征在于,所述系统包括:信号粗处理模块,用于将原信号频谱图中频谱功率值超过设定阈值的对应信号去除,保留信号的基带部分,并记录所述信号的基带部分对应的信号的序列值和所述信号对应的强度值;

信号拟合模块,用于将所述信号的基带部分对应的信号作为拟合点,对其进行七阶傅里叶级数拟合,得到拟合曲线;

基线修正模块,用于利用每个所述信号的基带部分对应的信号点的序列值求得拟合曲线对应值,将原信号对应的信号强度值对应减去所述拟合曲线对应值,得到修正基线漂移之后的信号及其对应的频谱图;

检测识别模块,用于采用能量检测法对所述修正基线漂移之后的信号进行信号识别,得到频谱信号使用情况表。

6.根据权利要求5所述的基于傅里叶级数拟合去噪的频谱信号识别系统,其特征在于,所述信号拟合模块中,对所述信号的基带部分对应的信号进行七阶傅里叶级数拟合,具体包括:

拟合模型确定单元,用于确定七阶傅里叶级数拟合模型,公式表示为:其中,x为一信号点对应的序列值,ω为函数的角频率,a0,a1,a2,a3,a4,a5,a6,a7,b1,b2,b3,b4,b5,b6,b7为所述拟合模型的系数;

参数初始化单元,用于初始化参数a0,a1,a2,a3,a4,a5,a6,a7,b1,b2,b3,b4,b5,b6,b7和参数ω,并将所述参数对应表示为:β=(β1,β2,...,β16)   公式2其中,βj为第j个参数,1≤j≤16;

拟合信号点确定单元,用于确定需要拟合的信号点:(x1,y1),(x2,y2),...,(xi,yi),...,(xn,yn)其中,(xi,yi)分别表示第i个信号点对应的序列值和强度信号值,n为信号点的总数,1≤i≤n;

从而所述拟合模型表示为:y=f(x,β);

迭代优化单元,用于采用高斯‑牛顿迭代法对所述阶傅里叶级数拟合模型进行迭代,不断优化模型参数和减少残差,得到所述参数的迭代公式:(k)

其中,Jf是函数y=f(x,β)对β的一阶偏导数矩阵,β 为迭代k次对应的参数公式。

7.根据权利要求6所述的基于傅里叶级数拟合去噪的频谱信号识别系统,其特征在于,所述迭代优化单元,具体包括以下步骤:(231)即β求得最优解,转化为残差平方和 最小:其中,ri表示第i个信号的残差,公式表示为:ri=yi‑f(xi,β)    公式4其中,1≤i≤n,n为信号点的总数;

(232)转化为偏导数为零:(233)根据所述参数的初始值,采用迭代法求得 的近似解,所述迭代法的求解公式为: 其中,k是迭代次数,Δβ是迭代矢量;

k

(234)在β处利用泰勒级数展开其中,Jij是函数f(xi,β)对βj的偏导数,表示为:(235)根据公式4得到:所述残差化为:k

Δyi=yi‑f(xi,β)   公式9为了方便迭代,令 对于确定的数据集,对于每一个i和j,Jij的值可以被唯一确定;

(236)根据公式5得到:其中,Δβs为每次迭代参数βs的变化值,Jis为参数的二阶偏导数矩阵;所述公式11使用傅里叶级数展开后得到所述公式3。

8.根据权利要求5所述的基于傅里叶级数拟合去噪的频谱信号识别系统,其特征在于,所述检测识别模块中,所述能量检测法使用的指标为虚警概率和信号识别率,所述虚警概率和信号识别率存在正相关关系。