[发明专利]一种低信噪比信号的参数估计方法

说明书

本发明提供了一种低信噪比信号的参数估计方法，使用非线性随机共振的方法来处理待测含噪信号，将噪声能量向信号能量转移，有效恢复信号波形信息。所提分段双稳态随机共振解决了经典随机共振非线性增益问题，实现了幅度线性增益，并求得了幅度增益系数。本发明能够将被噪声淹没的信号频率信息与幅度信息有效提取出来，在低信噪比环境下准确估计信号频率和幅度信息，是一种抗噪声效果显著的具有良好估计性能的信号参数估计方法。

技术领域

本发明涉及信号参数估计领域，尤其是一种使用随机共振方法进行参数估计的方法。

背景技术

在科学研究及工业生产活动中，人们需要从观测到的结果中提取有用的信息，但是由于环境的复杂以及观测手段的限制导致很多时候我们所需的信息被噪声淹没而无法获得，特别是在军事领域随着舰船等装备隐身技术的发展导致目标有用参数被海洋噪声所淹没，对国防安全产生极大威胁。因此对于信号参数的正确估计具有重要的研究价值和意义。

目前，针对信号频率参数的估计已经产生多种方法，包括各种滤波器等都可以取得一定的效果，但是在信号幅度参数估计方法的研究目前较少。均方根法能够通过复杂的计算获取较高精度的信号幅度，最大似然估计法借助运算量很大的一维搜索对信号频率、相位、幅度联合估计并能够获得很高的估计精度，高斯牛顿递归法也可以对信号幅度进行不错的估计但是需要已知信号频率。但是目前已存的各种信号参数估计法包括以上所提方法在对信号参数估计时尤其是对信号幅度估计时都需要很高的信噪比才能达到一定效果。因此需要研究低信噪比情况下特别是当信号被噪声淹没时的参数估计方法。

发明内容

为了克服现有技术的不足，本发明提供一种分段随机共振信号参数估计方法，利用分段随机共振系统在达到最优状态时其幅度增益线性且固定的原理，以提高在低信噪比情况下特别是信号被噪声淹没时的信号参数估计性能。

本发明解决其技术问题所采用的技术方案包括以下步骤：

步骤1：采集待测信号g(t)；

步骤2：随机共振系统处理

在微弱周期信号和高斯白噪声共同驱动下建立如下一阶非线性双稳态随机共振系统，处理待测信号g(t)：

其中，x为系统输出，t为时间，A₀为待测微弱周期信号的幅度，f₀为待测微弱周期信号的频率，ξ(t)表示高斯白噪声，D为背景噪声强度，U_p(x)为系统势函数，其表达式为：

其中，a、b为系统参数，是大于零的实数，

步骤3：采用遗传算法寻找系统最优参数

采用遗传算法进行系统参数a、b联合寻优，以峭度(Kurtosis)作为遗传算法的适应度值，峭度(Kurtosis)K的计算方式如式(3)所示：

其中x_i为随机共振系统输出离散信号序列，为输出信号均值，N为输出信号长度；设定系统参数的搜索范围为a∈[0,1]，b∈[0,1]，遗传算法中种群大小为50到100之间，交叉概率为0.9，变异概率为0.05，设定迭代最大次数为50到100之间；以使得随机共振系统输出信号的峭度值最大，最大峭度值所对应的系统参数a、b为最优系统参数a_opt1、b_opt1；

步骤4：估计待测信号频率

将步骤3中获得的最优系统参数a_opt1、b_opt1代入步骤2中的分段随机共振系统中对待测微弱周期信号进行处理获得输出信号，对输出信号x采用频谱分析的方法求出信号频率f，做离散傅里叶变换(DFT)后求最大值，即为待测信号估计频率；