基于改进平滑周期图算法的信号检测方法技术

本发明专利技术公开一种基于改进平滑周期图算法的信号检测方法，包括以下步骤：步骤1：首先将待检测的回波信号分段，每段M个数据；步骤2：对步骤1中分段后的第i组(1≤i≤L)数据进行加窗处理，进而对每一段加窗处理后的数据做DFT计算并取模的平方，求出其周期图值；步骤3：对步骤2中k组的周期图值(k＝1，2，3

【技术实现步骤摘要】
基于改进平滑周期图算法的信号检测方法


[0001]本专利技术属于无线传感装置信号处理
，涉及一种基于改进平滑周期图算法(改进Welch算法)的信号检测方法。

技术介绍

[0002]传感器技术，作为高新技术之一，发展迅猛。传统的有线传感器成本高、易老化、安全性较低，导致传感器的安装和长期使用中出现重大问题。有源传感器无法满足在一些极端温度、高速旋转、密闭空间等恶劣环境的测量需求。所以基于SAW技术的无线无源传感器受到广泛关注，在过去的30年中取得了丰硕的研究成果。由于声表面波传感器卓越的性能，其能在易燃、易爆、高温、强电磁场、强加速度等极端环境中应用。通过对声表面波传感器谐振回波信号频率的提取能实现远距离无线无源参数的测量。
[0003]目前，频率估计算法大致可分为两大类：时域法和频域法。最典型的频域分析方法是离散傅里叶变换法(discrete Fourier transform,DFT)，其非常适用于确定性的平稳信号，在对非线性、非平稳过程的处理上，离散傅里叶变换法存在着一定的不足；时域分析法能获得更高的分辨率，例如多重信号分类法(multiple signal classification,MUSIC)和谐波分解(Pisarenko harmonic decomposition,PHD)方法等，但是计算量大，抗噪性较差，对于非平稳信号，测量效果也并不理想。现代谱分析中的Welch方法通过对几个快速傅立叶变换包进行平均来改进标准周期图频谱估计。其可在较低信噪比条件下检测信号，并可以达到较好的分辨率和方差性能。
[0004]Welch算法使用算术平均实现了两个重要的目标:1)信噪比的提高:对样本进行算术平均可以降低噪声功率水平，提高期望信号的信噪比。2)精确估计:利用过去的FFT样本，可以更精确地估计每个频率分量。然而，在利用Welch算法对声表面波回波信号进行频率估计时会存在以下问题：所有之前的样本采用的都是相同系数加权。而声表面波回波信号是由一段等幅值的正弦信号和一段指数衰减正弦信号组成的混合信号，采用相同的系数进行加权将导致等幅值的正弦信号的特征没有充分利用。

技术实现思路

[0005]本专利技术的目的是提供一种基于改进平滑周期图算法的信号检测方法，解决了现有技术中存在的频率估计计算量大、抗噪性较差的问题。
[0006]本专利技术所采用的技术方案是：
[0007]基于改进平滑周期图算法的信号检测方法，包括以下步骤：
[0008]步骤1：首先将待检测的回波信号分段，每段M个数据；
[0009]步骤2：对步骤1中分段后的第i组(1≤i≤L)数据进行加窗处理，进而对每一段加窗处理后的数据做DFT计算并取模的平方，求出其周期图值；
[0010]步骤3：对步骤2中k组的周期图值(k＝1，2，3
…
，i
‑
1)乘相应的权重α
k
‑1求取第k组数据的功率谱：
[0011]步骤4：重复步骤3，直至将所分的L组数据全部计算完毕，并进行归一化处理，计算结束。
[0012]步骤1具体的为：首先将观测数据x(n)分段，每段M个数据，分为L段，每段V个数据重叠，即：
[0013]x1＝{x(1),x(2),x(3)...x(M)}
[0014]x2＝{x(M
‑
V+1),x(M
‑
V+2),x(M
‑
V+3)...x(2M
‑
V)}
[0015]x3＝{x(2M
‑
V+1),x(2M
‑
V+2),x(2M
‑
V+3)...x(3M
‑
V)}
[0016]...
[0017]x
L
＝{x((L
‑
1)M
‑
(L
‑
1)V+1),x(x((L
‑
1)M
‑
(L
‑
1)V+2))...x(x(LM
‑
(L
‑
1)V))}
ꢀꢀ
(1)
[0018]其中x
i
＝{x
i
(1),x
i
(2),x
i
(3)...x
i
(M)}表示第i个窗口，L为计算中涉及的窗口个数。
[0019]步骤2具体的为：对步骤1中分段后的第i组(1≤i≤L)数据进行加窗处理，进而对每一段加窗处理后的数据做DFT计算并取模的平方，求出其周期图值，公式为：
[0020][0021]式中：ω＝{ω(1),ω(2),ω(3)...ω(M)}为加窗向量，相应的窗函数有矩形窗、Hanning窗、Hamming窗、Blackman窗、Bartlett窗等；N
DFT
为DFT点数。
[0022]步骤3具体的为：对步骤2中k组的周期图值(k＝1，2，3
…
，i
‑
1)乘相应的权重α
k
‑1求取第k组数据的功率谱值：
[0023][0024]其中α为相应的指数权重，且0≤α≤1；
[0025]步骤4具体的为：直至i＝L，所有分组都进行了计算，最后进行归一化处理：
[0026][0027]计算结束，式中U
′
为归一化因子，
[0028]本专利技术的有益效果是：
[0029]本专利技术方法通过对观测数据分段；再对分段后的数据进行加窗处理，进而对每一段加窗处理后的数据做DFT计算并取模的平方，求出其周期图值；再对不同组的周期图值赋予以α为底，组数减1为指数的权值进行功率谱的求取。最后进行归一化处理。通过改变α参数就可改变输入信号的信噪比，且α参数越接近于1，该专利技术方法对于输入信号信噪比的提高越明显。本专利技术能够赋予声表面波回波信号中等幅值正弦信号尽可能多的权重，使其频谱中的回波频率成分得到充分保留、利用；尽可能提高输出信号信噪比，提升阅读器接收链路能够识别的回波信号最小功率P
min
，以增大系统传感距离。经过本专利技术方法对于输入信号的处理之后，在输入信号信噪比较低的情况下，信号功率谱的主峰信号仍然高于噪声信号功率谱，进而能在较低信噪比条件下检测出噪声背景下的回波信号。
附图说明
[0030]图1本专利技术基于改进平滑周期图算法的信号检测方法的方法流程框图；
[0031]图2是算数平均下的信噪比提升性能波形图；
[0032]图3是加权平均下的信噪比提升性能波形图；
[0033]图4是实施例1中当SNR＝
‑
5dB时,本专利技术方法与Welch信号谱估计方法性能对比图；
[0034]图5是实施例1中当SNR＝
‑
10dB时,本专利技术方法与Welch信号谱估计方法性能对比图；
[0035]图6是实施例1中当SNR＝本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于改进平滑周期图算法的信号检测方法，其特征在于，包括以下步骤：步骤1：首先将待检测的回波信号分段，每段M个数据；步骤2：对步骤1中分段后的第i组数据进行加窗处理，进而对每一段加窗处理后的数据做DFT计算并取模的平方，求出其周期图值；步骤3：对步骤2中k组的周期图值乘相应的权重α
k
‑1求取第k组数据的功率谱值；步骤4：重复步骤3，直至将所分的L组数据全部计算完毕，并进行归一化处理，计算结束。2.如权利要求1所述的基于改进平滑周期图算法的信号检测方法，其特征在于，所述步骤1具体的为：首先将观测数据x(n)分段，每段M个数据，分为L段，每段V个数据重叠，即：x1＝{x(1),x(2),x(3)...x(M)}x2＝{x(M
‑
V+1),x(M
‑
V+2),x(M
‑
V+3)...x(2M
‑
V)}x3＝{x(2M
‑
V+1),x(2M
‑
V+2),x(2M
‑
V+3)...x(3M
‑
V)}...x
L
＝{x((L
‑
1)M
‑
(L
‑
1)V+1),x(x((L
‑
1)M
‑
(L
...

【专利技术属性】
技术研发人员：刘家军，杨江北，
申请(专利权)人：西安理工大学，
类型：发明
国别省市：