[发明专利]一种基于顶点最大度特征的微弱信号检测方法

说明书

本发明提出了一种基于顶点最大度特征的微弱信号检测方法，先将观测信号进行去均值化处理，并计算去均值后观测信号的自相关函数，而后将其转换到图域，得到具有特定数量顶点和边的无向简单图。提取该图中各顶点度的最大值作为检测统计量，通过将该统计量与特定门限相比较来判决信号的存在与否。本方法的性能优于现有常用的基于能量检测、正态性检测及完全图持征的信号检测算法，在低信噪比时性能尤为优异，且计算过程中不需要进行高维矩阵的特征分解，因此计算复杂度更低，尤其适用于对实时性要求高的场合。

技术领域

本发明属于信号处理技术领域，具体涉及一种基于顶点最大度特征的微弱信号检测方法。

背景技术

微弱信号的检测，是信号处理中的经典课题，已在雷达电子战、认知无线电、深空通信及引力波信号检测等得到广泛场合。目前有关信号检测的算法，主要基于时间序列信号处理，可分为两大类：一类是基于传统的似然比检测方法；另一类是基于特征的检测方法。近年来，基于深度学习的信号检测方法也已经得到广泛关注。但这些基于时间序列的方法，都受到样本数的限制，也就是说，如果样本数较小，很多表达信号与噪声之间特征差异的检测统计量的方差很大，使得检测效果变差；而样本数多，虽然检验性能变好，但复杂度也必然增加。将信号变换到图域，在图域寻找表征信号与噪声之间的特征差异，是解决上述问题的途径之一。目前，已有学者提出了基于完全图检验的信号检测算法，但其在低信噪比时性能不佳。如专利申请CN112787964A中，基于完全图的理论基础，以功率谱作为图的输入，通度向量的标准差来进行调制识别，在低信噪比时对微弱信号的识别就不够理想。

研究表明，如果是纯噪声时，观测信号的相关函数近似是一个冲激函数，对其进行图域变换，得到的图只有1-2条边，而如果信号存在时，其自相关函数不是一个冲激，得到的图的边较多。故本发明则不以完全图作为判决信号有无的依据，也不提取信号的功率谱，而是先将观测信号去均值后计算其自相关函数，而后将自相关函数进行图域变换，将信号的检测问题转化为对图的最大度数的检测。相比于现有技术，本发明基于随机图的理论基础，采用时域信号的自相关函数作为图的输入，通过最大度判断图的连通性，在低信噪比时对微弱信号能够进行有效的识别。

发明内容

本发明针对现有技术中的不足，提供一种基于顶点最大度特征的微弱信号检测方法。先将观测信号进行去均值化处理，并计算去均值后观测信号的自相关函数，而后将其转换到图域，得到具有特定数量顶点和边的无向简单图。提取该图中各顶点度的最大值作为检测统计量，通过将该统计量与特定门限相比较来判决信号的存在与否。本方法可在极低信噪比条件下实现对微弱信号的有效检测，计算复杂度低。

为实现上述目的，本发明采用以下技术方案：

一种基于顶点最大度特征的微弱信号检测方法，其特征在于，包括如下步骤：

步骤1：对过采样后的观测信号进行去均值处理；

步骤2：计算经去均值处理后的观测信号的自相关函数；

步骤3：将自相关函数转化为具有q个顶点的图；

步骤4：计算图的各顶点的度，并获取其最大度d_m作为判决统计量，并设置相应的判决门限η；

步骤5：通过将图的最大度d_m与门限η进行比较，获得信号的检测结果。

为优化上述技术方案，采取的具体措施还包括：

进一步地，所述步骤1中，将经过路径损耗的传输信号s(t)和加性高斯白噪声w(t)组成的观测信号x(t)表示为：

x(t)＝s(t)+w(t)

其中