1.基于局部Capon估计的SNMR信号参数估计方法,其特征在于,该方法包括:步骤S1:构建包含SNMR信号和工频谐波噪声的混合信号模型;
混合信号模型中,x(n)为采集信号的数据序列,K为信号分量的个数,k=1,2,…,K,Ek、fk和Tk分别对应第k个信号分量的幅值、相位、频率和弛豫时间,j为虚数单位,ω(n)为随机噪声;
将采集信号的数据序列x=[x(1),x(2),…,x(L)]转化为M×N维的Hankel矩阵X:x(M)、x(N)和x(L)分别为数据数列的第M、N和L个点,三者有如下关系:L=M+N-1,M
并计算得到X协方差矩阵R:
R=XXH
步骤S2:构造Capon谱,在Capon谱中引入局部傅里叶矩阵F,得到自变量为频率f和弛豫时间T的函数①构造的Capon谱为:
其中,R为步骤S1中X的协方差矩阵,sM和sN分别为长度为M和N的一维列向量,为sM的共轭转置;
sM(f,T)=[1 e-1/T+j2πf … e(-1/T+j2πf)(M-1)]HsN(f,T)=[1 e(-1/T+j2πf) … e(-1/T+j2πf)(N-1)]H②在Capon谱中引入局部傅里叶矩阵,定义M×(2P+1)维的局部傅立叶矩阵F:在局部傅立叶矩阵F中,f为频率自变量,以频率自变量f为中心两侧各有P个临近频率点,每个频率之间间隔为Nf为采样频率;
引入局部傅立叶矩阵F后自相关矩阵变为:
由此,Capon谱改写为:
是一个关于f和T的函数,通过对进行峰值搜索,峰值坐标对应SNMR信号的拉莫尔频率fL和弛豫时间步骤S3:利用最小二乘法求得SNMR信号的初始振幅和相位;
构建长度为L的一维向量z:
将z和x带入最小二乘法求得的估计量
SNMR信号的初始振幅E0和SNMR信号初始相位通过如下式子求得:
2.根据权利要求1所述的基于局部Capon估计的SNMR信号参数估计方法,其特征在于,步骤S1中构建包含SNMR信号、工频谐波噪声和随机噪声的混合信号模型过程如下:①接收线圈采集到的信号的数学模型为:
其中,对应SNMR信号、对应工频谐波噪声以及ω(n)对应随机噪声,x(n)为采集信号的数据序列;E0为SNMR信号的初始振幅;为SNMR信号的弛豫时间;fL为SNMR信号在当地的拉莫尔频率,核磁共振信号的接收频率与当地的拉莫尔频率相同;为SNMR信号初始相位;B为工频谐波噪声谐波分量的个数;b=1,2,…,B;f0为工频谐波噪声的基频;Ab和分别对应是第b个工频谐波分量的幅值和相位;
②将所述的接收线圈采集到的信号的数学模型转换为复数信号模型:③构建包含SNMR信号、工频谐波噪声和随机噪声的混合信号模型,混合信号模型中,x(n)为采集信号的数据序列,K为信号分量的个数,k=1,2,…,K,Ek、fk和Tk分别对应第k个信号分量的幅值、相位、频率和弛豫时间,j为虚数单位,ω(n)为随机噪声。