[发明专利]一种低信噪比条件下信号盒维数特征提取方法

说明书

技术领域

本发明涉及信号特征提取技术领域，特别是一种低信噪比条件下信号盒维数特征提取方法。

背景技术

信号的分形盒维数，作为信号非线性特性的表征方式，已广泛应用于认知无线电频谱感知（如文献[1]赵春晖,马爽,杨伟超.基于分形盒维数的频谱感知技术研究[J].电子与信息学报，2011,33（2):475-478；文献[2]陈小波,陈红,蔡晓霞等.基于分形盒维数的双门限合作频谱感知方法[J].电讯技术,2011，51（8):75-79；文献[3]赵春晖,马爽.脉冲噪声下基于Myriad滤波及分形盒维数的频谱感知[J].振动与冲击,2012,31（3):84-87）、设备故障检测（如文献[4]樊福梅,梁平,吴庚申.基于分形盒维数的汽轮机转子振动故障诊断的实验研究[J].核动力工程,2006，27（1):85-89；文献[5]郝研,王太勇,万剑等.分形盒维数抗噪研究及其在故障诊断中的应用[J].仪器仪表学报,2011,32（3):540-545）、信号调制方式识别（如文献[6]吕铁军,郭双冰,肖先赐.基于复杂度特征的调制信号识别[J].通信学报,2002，23（1):111-115；文献[7]吕铁军,郭双冰,肖先赐.调制信号的分形特征研究[J].中国科学E辑:技术科学,2001，31（6):508-513；文献[8]杨伟超,赵春晖,成宝芝.Alpha稳定分布噪声下的通信信号识别[J].应用科学学报,2010,28（2):111-114）、信号参数估计（如文献[9]李一兵,李靖超,林云.基于分形盒维数的线性调频信号参数估计[J].系统工程与电子技术,2012，34（1):24-27）等众多领域。

分形理论主要研究对象的内在关系，在一定程度上反映与体现着整体系统的特性与信息。分形盒维数是分形理论中的主要参数，描述分形信号的几何尺度信息，通信信号的各种调制信号类型特点主要体现在载波信号的幅度、频率和相位上，因此信号波形就包含了它们在几何、分布疏密上的信息，将信号分形集的维数作为信号变化特性的定量描述。

文献[1]提出了一种基于时域盒维数的频谱感知方法，通过提取信号和噪声的盒维数作为检验统计量。研究表明，噪声的盒维数特征受噪声参数变化的影响较小，但在低信噪比条件下，信号和噪声的盒维数较为接近，不易区分进而影响检测性能。文献[2]基于分形盒维数特征，提出了一种多用户双门限分步合作方法，有效提高了低信噪比条件下检测的可靠性。文献[3]提出了一种在Alpha稳定分布噪声背景下基于Myriad滤波的盒维数频谱感知方法，该方法能有效地抑制Alpha稳定噪声，具有良好的检测性能。文献[4]根据汽轮机故障的分形特征，采用分形盒维数进行不同故障试验，验证这一特征在进行汽轮机转子故障类型诊断时的有效性。文献[5]针对不同噪声强度的影响，分析出分形盒维数具有一定的抗噪性。在使用较为简单的滤波方法时，仍可以在一定程度上体现信号的非线性特征，并将分形盒维数这一特征应用于机械故障诊断中。文献[6]结合Lempel-Ziv复杂度和分形维数这两种表征信号复杂度的特征，设计分层结构的组合分类器实现对未调载波CW、已调信号BASK、QASK、BFSK、QFSK、BPSK、QPSK共7种信号的识别，获得较为满意的识别率。文献[7]通过提取信号分形盒维数、信息维数作为识别特征，结合神经网络分类器，可实现对未调载波CW、已调信号BFSK、QFSK、BPSK、QPSK共5种调制样式的分类识别，并进一步验证了分形盒维数这一特征的抗干扰性能。文献[8]验证了分形盒维数对特征指数介于1和2之间的Alpha稳定分布噪声是不敏感的，提取所选信号族中信号相位的分形盒维数作为特征参量对信号进行识别，结果表明：基于分形盒维数特征的的方法在非高斯Alpha稳定分布噪声背景下的识别性能具有一定的韧性。文献[9]提出了一种基于分形盒维数的LFM信号调频斜率估计方法，通过计算信号调频斜率与盒维数的关系，可对LFM信号的调频斜率进行有效估计。

通常在信噪比较高时，信号的盒维数值能得到较好的估计，但低信噪比时，信号的盒维数的估计性能变差，从而影响依赖此特征进行频谱感知、信号识别等处理的有效性与可靠性。例如：文献[1]中将时域盒维数特征直接应用于频谱感知，但当信噪比SNR低于-10dB时，高斯白噪声背景下的信号和噪声的盒维数非常接近，难以区分进而使得检测性能无法进一步提高。因此，如何在低信噪比条件下，提高信号盒维数的估计精度，显得十分必要。

发明内容

本发明的目的是解决现有技术在低信噪比条件下盒维数特征估计误差大的缺陷。