[发明专利]一种基于边缘检测的时频谱曲线提取方法

说明书

技术领域

本发明属于雷达信号处理技术领域，涉及一种基于边缘检测的时频谱曲线提取方法。

背景技术

时频分析提供了信号时间域和频率域的联合分布信息，描述了信号在不同时间和频率的能量和密度。时频分析在通信、自动化、雷达、医学、地球物理和故障诊断等几乎所有工程技术领域中都得到了广泛应用。对时频谱曲线的提取是优化时频分布，点对点计算各个时刻的瞬时频率，从而进一步研究。

目前，提取时频谱曲线的方法主要采用脊线提取和质心曲线提取等方法。这两种方法是利用时频分布特征，在每个时刻对时频分布矩阵进行最值或质心计算获得该时刻的即时频率信息。在有噪声或有多条时频谱带的条件下进行提取时，时频分布在每一时刻的最值或加权平均值会与真值产生较大偏离，使得提取出的曲线不能准确反映即时频率信息。而边缘检测是标识数字图像中亮度变化明显的点，剔除不相关的信息，提取包含图像重要的结构属性的边界信息。这样，有利于标识出时频分布中的奇异点和突变点，滤除部分噪声对原信号时频分布的影响，也可以同时对多条时频谱曲线进行检测。

发明内容

本发明的目的在于提供一种基于边缘检测的时频谱曲线提取方法，解决了已有的时频谱曲线提取方法在噪声显著情况下的不足以及只能提取单条曲线的问题。

本发明所采用的技术方案是按照以下步骤进行：

步骤1：计算信号的时频分布X×Y维矩阵W_s(n,f_m)中各元素的k次方(即增大矩阵各元素之间的差值，有利于边缘检测剔除噪声影响)，得到一个新的X×Y维矩阵W(x,y)＝W_s(n,f_m)^k，其中n表示时间点序列，f_m表示频率点序列，x，y分别表示新矩阵W_X×Y的行和列；

步骤2，对步骤1中的矩阵W(x，y)使用Roberts算子进行边缘检测：

得到时频谱分布W_s(n,f_m)的梯度幅值G_X×Y，选取梯度幅值G_X×Y的平均值做为阈值，与G_X×Y进行比较，将G_X×Y化为二值边缘矩阵：

得到只含有0和1的二值边缘矩阵H_X×Y；

步骤3，对步骤2中的边缘矩阵H_X×Y处理，计算边缘矩阵H_X×Y中每列的边缘点个数(X为矩阵H_X×Y的行数，每列为1的点为边缘点，为0的不是边缘点。)，逐个选出r(y)为奇数的列，再记录这些列中第一个边缘点的位置，将二值边缘矩阵H_X×Y这些位置元素置0，即删去矩阵中这个边缘点，将每列都检索完毕之后，可以保证矩阵H_X×Y中每列含有的边缘点均为偶数，再按照列优先顺序，即矩阵中各元素按照其在矩阵H_X×Y中行数和列数按照如下公式排序((列数-1)×X+行数)，(X为矩阵行的维度)，将矩阵H_X×Y中每个边缘点排序后的位置记录在向量d_N中,其中N为边缘点的总个数。最后将边缘矩阵H_X×Y边缘点两两合并，得到矩阵Z_X×Y；

步骤4，根据已有的曲线模型y＝f(x,T,θ,A,...)，如正弦曲线模型其中T为曲线周期，θ为曲线的相位，A为曲线幅度，建立I×J维参数空间(T,θ)，I，J分别为参数空间中周期时间点数和相位角度点数，将参数空间中每个点带入曲线模型中对Z_X×Y中的所有曲线点进行计算，即对每个参数空间点(T_i,θ_j)带入曲线模型中，得到再将Z_X×Y中所有边缘点位置的行和列带入参数点的模型中，若边缘点行和列(x,y)满足带入参数的模型，则累加器∑g(T,θ)累加在参数空间(T,θ)的每个点上加1，如此取遍所有参数空间的点，每次均对Z_X×Y中边缘点进行计算，最后得出各参数点的累加结果，找出参数累加器g中局部最大值点，局部最大值的个数为曲线的条数，各局部最大点在累加器中对应的周期值和相位值即为各条曲线的周期T和相位θ的具体数值，即得到曲线的条数以及各条时频谱曲线的参数。

进一步，所述步骤3中排序过程为：