【频谱监测方法探究综述3400字】

频谱监测方法研究综述目录TOC\o"1-2"\h\u24634频谱监测方法研究综述 1191451.1频谱监测基本理论 1295421.1.1快速傅里叶变换 1200721.1.2功率谱估计 1219591.1.3短时傅里叶变换 2290981.2信号检测与分离 2221271.2.1能量检测 3213811.2.2功率谱检测 371641.2.3信号分离 4本章研究了频谱监测的方法，为后续的信号处理提供了理论依据。首先介绍了频谱监测的基本理论，然后研究了信号检测与分离的方法，采用功率谱检测法和频域滤波法通过仿真实现了信号的检测与分离，最后研究了基于决策树的调制识别方法，并通过仿真验证了方法的有效性。1.1频谱监测基本理论1.1.1快速傅里叶变换对于一个离散的时间信号x(n)做一个作为离散的时间傅里叶变换(discretetimefouriertransformation,

DTFT),可以得到信号的频谱X(w),但在数字处理时,希望频谱是离散的,因此需要对X(w)进行离散化,可以得到X(k),X(k)是对X(w)以2N为间隔采样得到的离散化频谱(N为离散信号序列长度),方便了计算机对频谱的处理,时域信号表现为周期延拓。这种变换方式也被称为二阶离散傅里叶变换(discretefouriertransform,dft)。快速傅里叶变换(fastfouriertransformation,fft)通常是用于dft的快速方程计算中的分析方法。因为它在计算机中所进行的的乘法和除数运算的持续时间一般要远长于进行加法和其他乘数式的运算,故二者计算量之比可近似为乘法次数之比。FFT的计算量远小于DFT,因此实际上常利用FFT代替DFT来做信号分析。1.1.2功率谱估计为了观察信号频域的变化，对于确定信号可以直接作傅里叶变换，但对于随机信号需要利用信号序列来作功率谱的估计。功率谱估计方法常常用于滤波、信号检测、信号识别、信号分离等过程，具有重要的工程应用价值。本节介绍了周期图法、BT法和改进的周期图法。1.1.3短时傅里叶变换傅里叶变换通常只能用来反映一个信号的能量随频率的变化,没有任何一个时间信息,对于不太平稳的信号,它们的频率也会随着一段时间发生变化,而这种变化正是需要关注的地方,因此分析非平稳信号时就需要采用其他方法。D.gaboran在1946年后他首次正确提出了短时傅里叶函数变换(shorttimefouriertransform,stft)这一计算方法,它的基本结构设计思想理念和工作思路其实就是:为了快速方便地准确提取一个短时信号的特定时间和长度信息,可以通过变换利用一个信号具有一定时间长度限制的窗口波函数与一个新的信号时间进行短时相乘,然后通过反向滑动对一个新的信号时间进行短时分段,后来就叫做傅里叶变换,得到一组频谱图,可以同时反映信号的频率和时间信息。STFT作为一种线性时频分析方法,具有不产生虚假信号、计算复杂度低的优点,同时分辨率较好,是一种良好的时频分析方法。时间的长度分辨率和窗反射函数的时间长度l和l之间是一个函数成正的反比,l越大的最高时间长度分辨率就可能会显得更差;最高频率时间分辨率和窗反射函数的时间长度l和l之间是成正比,l越大的最高频率时间分辨率就可能会更优秀。根据海森堡的短时不确定性变换原理,短时傅里叶级数变换并且我们无法同时能够获得良好的持续频率变换分辨率和较长的持续时间变换分辨率,这就非常需要我们根据实际的应用情况对其数值进行一些相应的数值取舍。同时窗函数的类型也会影响短时傅里叶变换的效果,需要选取适合的窗函数,通常可选取Hamming窗。短时傅里叶变换的实验结果我们可以简单地使用谱图公式来描述和表示,该曲线的平方为短时傅里叶变换模型的一个平方,利用这种曲线可以直观地看到一个信号的频率和其随一段时间变化的趋势。通常STFT可以通过计算多段加窗信号的快速傅里叶变换来实现,窗口需要随时间滑动。1.2信号检测与分离在信号调制识别之前，需要判断信号的存在性，通过信号检测可以判断出信号的个数，大致估计各信号的频率和带宽，信号检测是信号分离和调制识别的基础。接收到信号后，需要先对信号作预处理，如简单的放大、滤波操作，然后开始检测信号是否存在，需要提取判决统计量并设置判决门限，当统计量大于门限时，信号存在；当统计量小于门限时，则判为信号不存在，只有噪声。1.2.1能量检测能量检测技术是h.urkowitz在1967年首次提出起源于波音频的检测技术,通过计算信号一段时间内所有接收到的信号的能量来准确地判断接受到的信号之间是否有相干性,能量检测技术是最基本的一种对于传统信号进行检测的方法,它可以说是作为一种非相干性的检测技术,不用于对信号进行先验证信息,具有结构简单,运算方便的优势。所以如果当信噪比相对起来较好时,积累的噪声时间就越长,能量滤波检测的信号稳定性就相对越好,但是如果当信号的噪比太低时,信号就可能会被逐渐淹没在大量的高频噪声之中,能量滤波检测的信号稳定性就可能会因此而逐渐变得非常糟糕,此时即便增加积累时间也无济于事。而且能量式检测的抵抗噪声性能较弱,限制了其在低信噪比情况下的实际应用。1.2.2功率谱检测功率谱检测法以功率谱估计为基础，根据信号的功率谱来检测是否存在信号。上一节介绍的周期图法、BT法和改进的周期图法都能用于功率谱检测，其中Welch法的功率谱是对信号分段加窗平均得到的，具有较好的平滑程度，方差较小，因此选取Welch法用于功率谱检测可以取得较好的信号检测效果。功率谱检测作为一种频域信号检测方法，可以检测时域混叠的信号，但是要求信号在频域上可分，具有一定的局限性。首先根据Welch法得到信号的功率谱估计，然后对功率谱作底噪估计，求得判决门限，当功率大于判决门限时信号存在，估计出信号的个数和带宽及中心频率，有助于后续的信号分离。Welch法的功率谱估计在本节不再过多描述，重点研究判决门限估计和信号的带宽及中心频率估计。判决门限的正确估计在信号检测中至关重要，如果门限过低，虚警概率会增大，相反门限过高，漏警概率也会变大。本文中判决门限可由底噪加4dB得到，因此需要根据功率谱估计出底噪。经计算得到功率谱后，对功率谱进行排序，根据信号带宽占比取功率谱较小的一部分看为噪声，求其平均值来估计底噪。将功率谱与判决门限逐一比较，当功率值大于门限时得到一组信号点，此时根据信号点的间隔对结果划分，当间隔大于一定程度时，判为两个信号，否则判为一个信号，可以估计出信号的个数。然后根据各信号的起始和截止索引计算对应的频率点，可以得到各信号的起始频率和截止频率。功率谱检测以功率谱估计为基础，过程清晰，运算较为简单，有一定的抗噪性能，同时不需要信号的先验知识。因此本文选用功率谱检测来做信号检测。1.2.3信号分离信号分离就是将信道中包含的各个信号分离出来,便于对各信号的后续分析。近些年,盲信号分离算法是比较普遍和流行的一种信号分离算法,目的主要是在不明确信号前后进行先验信息的情况下,实现对信号的盲分离,适用于非合作通信。独立信号分量分析(independentcomponentanalysis,ica)主要是在盲信号分离的技术基础上进一步发展而成的一种信号分离算法,该分析方法基于信号源之间的统计学和特性上的差异和独立性,能够有效地实现信号的盲分离,但是计算复杂。本文仅仅考虑了在频域上能够区分的混合信号,可以通过运用传统频域滤波技术来实现对信号的区分,计算简单便于工程实现。根据信号检测中估计得到的各信号中心频率和带宽,可以设计对应的数字滤波器对信号滤波将各信号从混合信号中分离出来。数字信号滤波器大致来说可以划分为两种类型fir(finiteimpulseresponse)数字滤波器和一种iir(infiniteimpulseresponse)数字滤波器,这两种数字滤波器的主要不同之处就表现在于两种fir滤波器中所采用的全都是新型线性数字相位位置滤波器,不会直接损坏数字信号的线性相位位置信息,系以使系统稳定,而IIR滤波器不能得到线性相位,但是相比FIR滤波器能够取得比较好的衰减特性。考虑到后续信号分析可能需要信号的相位信息,因此本文选用FIR滤波器。设计fir滤波器时,窗函数的设计方法相对简单,可以考虑利用窗函数来减少吉布斯的现象,但是由于通带和阻带的边缘频率并不容易得到控制,频率采样法也就具有这样的优势和缺点,而频率逼近滤波器则是基于切比雪夫(chebyshev)逼近理论,能够促使滤波器的频率响应在一个通带和阻带内的波纹都保持频率值的相等,实现了对频率响应的最优逼近,精确地控制了通带与阻带之间的边缘频率。实际中,需要考虑通带和阻带的波纹,因此等波纹逼近法得到了越来越广泛的应用。考虑到等波纹逼近法相对复杂,不利于FIR数字滤波器的编程实现,因此本文通过FDATool工具来设计对应的等波纹FIR滤波器。在选择参数时,因为带