CN101436879A - 环境噪声下干扰信号幅度的提取方法 - Google Patents

Abstract

本发明公开了一种环境噪声下干扰信号幅度的提取方法，在环境噪声源(1)输入的环境噪声信号N_i (t)是典型的高斯白噪声，干扰信号源(2)产生的干扰信号I(t)下，提取系统包括有加法器(3)、第一前端带通滤波器(4)、第二前端带通滤波器(8)、第一接收机(5)、第二接收机(9)、第一采样单元(6)、第二采样单元(10)、方差获取单元(11)、差值比较单元(7)、干扰信号幅度获取单元(12)。本发明的提取方法能够在实际测量的情况下排除环境噪声对接收设备的影响，但是环境噪声在不同的环境中的差别又很大，所以研究某一干扰设备单独对一个高灵敏的接收机的影响是很有意义的。

Description

环境噪声下干扰信号幅度的提取方法

技术领域

本发明涉及一种适用于EMI接收机中对干扰信号的提取方法，更特别地说，是指一种在环境噪声下通过随机过程理论提取得到干扰信号幅度的方法。

背景技术

机载通信平台包括多套发射和接收设备，在有限的时间、空间以及有限的频谱资源条件下，导致的电设备密集程度越来越大，使得各个大功率的发射机和高灵敏的接收机之间可能形成严重的相互干扰，工作性能的下降也是不可避免的。

为了实现最大的通信距离，接收机的灵敏度非常高，但是这也就决定了接收设备的电磁敏感性，即在存在电磁骚扰的情况下，设备不能避免性能降低的能力。从测量角度，所关心的是接收设备在遇到辐射或传导干扰的影响时，它的工作状态会发生怎样的变化。

但是，通过测量得到的某个干扰设备对接收设备产生的干扰信号不可能是剔除掉环境噪声之后的纯净的干扰信号。特别是在机载设备的系统级电磁兼容测试中，机载设备的密集度，大功率特性，在很大程度上决定了，被测接收设备除了受到主要的干扰信号的影响，还会受到环境噪声的影响。如何把干扰信号对接收设备的影响从环境噪声的影响中分离出来，就成为一大难题。本发明提出了一种利用随机过程，分离环境噪声和干扰信号对接收设备性能的影响，并以此为基础，评定某种干扰设备对受测接收设备的电磁干扰程度是否在可以忍受的范围之内的分析方法。

发明内容

本发明的目的是提出一种环境噪声下干扰信号幅度的提取方法，该干扰信号幅度提取方法是在环境噪声下通过随机过程理论得到接收机输出端干扰信号的统计特性，该干扰信号的统计特性表征能够说明其是否对接收机造成的影响。

本发明环境噪声下干扰信号幅度的提取方法，在环境噪声源(1)输入的环境噪声信号N_i(t)是典型的高斯白噪声，干扰信号源(2)产生的干扰信号I(t)，其特征在于：包括有加法器(3)、第一前端带通滤波器(4)、第二前端带通滤波器(8)、第一接收机(5)、第二接收机(9)、第一采样单元(6)、第二采样单元(10)、方差获取单元(11)、差值比较单元(7)、干扰信号幅度获取单元(12)；

加法器(3)用于对接收到的窄带干扰信号I(t)和高斯白噪声信号N_i(t)进行叠加后，输出叠加信号Y_i(t)给第一前端带通滤波器(4)；

第一前端带通滤波器(4)对接收的叠加信号Y_i(t)进行巴特沃兹滤波处理后，输出窄带信号Y(t)，该窄带信号Y(t)是窄带干扰I(t)和窄带高斯信号N(t)之和，即Y(t)＝I(t)+N(t)，从特性角度来说就是两个相互独立的窄带高斯随机过程之和；

第一接收机(5)对接收的窄带信号Y(t)经过包络检波器后的输出包络检波信号Y_out(t)，该包络检波信号Y_out(t)中包络振幅的概率密度函数为瑞利分布；

第一采样单元(6)对包络检波信号Y_out(t)进行采样后，得到第一随机序列Y_out(i)，(i＝1，2，3，…)，以及混合信号的方差σ²；

第二前端带通滤波器(8)对接收的高斯白噪声N_i(t)进行巴特沃兹滤波处理后，输出窄带高斯噪声N(t)；

第二接收机(9)对接收的窄带高斯噪声N(t)经过包络检波器后的输出环境噪声包络检波信号N_out(t)，该环境噪声包络检波信号N_out(t)是服从瑞利分布的随机过程；

第二采样(10)对环境噪声包络检波信号N_out(t)进行后，得到第二随机序列N_out(i)，(i＝1，2，3，…)；

方差获取单元(11)对第二随机序列N_out(i)进行统计分析，应用随机过程的理论得到环境噪声方差

差值比较单元(7)对接收的第一随机序列Y_out(i)、混合信号的方差σ²、环境噪声方差进行差值比较得到干扰信号方差

干扰信号幅度获取单元(12)对接收的干扰信号方差

利用数字积分法进行计算，得到干扰信号幅度A_I。

本发明环境噪声下干扰信号幅度的提取方法的优点：

1、由于在实际测量的情况下不可能完全排除环境噪声对接收设备的影响，但是环境噪声在不同的环境中的差别又很大，所以研究某一干扰设备单独对一个高灵敏的接收机的影响是很有意义的。

2、本发明提供的这种分析方法，由于不需要知道接收设备的详细参数信息，只是从系统级来描述接收设备对输入的信号得到的响应，所以具有很广泛的应用范围。也就是说，只要知道某种接收设备的响应特性，就可以直接应用这种方法，来分析它对某一频率上的干扰信号是否敏感。

3、由于本发明提出的分析方法使用了随机过程这一较为完整的理论体系，很大程度上简化了计算及分析过程，并且得到较为准确的结果。

附图说明

图1是本发明环境噪声下干扰信号幅度的提取结构框图。

图2A是输入是环境噪声时，接收机输入的随机过程的概率密度函数。

图2B是输入是环境噪声时，接收机输出的随机过程的概率密度函数。

图3A是输入环境噪声和干扰信号叠加时，接收机输入的随机过程的概率密度。

图3B是输入环境噪声和干扰信号叠加时，接收机输出的随机过程的概率密度。

具体实施方式

下面将结合附图和实施例对本发明做进一步的详细说明。

参见图1所示，本发明是一种在无法剔除环境噪声的情况下，计算干扰信号对接收设备的影响的分析方法。环境噪声源1输入的环境噪声信号N_i(t)是典型的高斯白噪声，经过第二前端带通滤波器8之后可看作是窄带高斯随机过程N(t)；而由干扰信号源2产生的干扰信号I(t)，由于其能量基本在干扰设备的中心频率周围，所以直接可以看作是窄带高斯随机过程，经过第一前端带通滤波器4不影响其性质，则可认为还是干扰信号I(t)；那么真正对进行电磁兼容测试的设备产生的电磁骚扰信号Y(t)，可以写作Y(t)＝I(t)+N(t)。

在以上前提之下，本发明的一种在环境噪声下干扰信号幅度的提取系统，包括有加法器3、第一前端带通滤波器4、第二前端带通滤波器8、第一接收机5、第二接收机9、第一采样单元6、第二采样单元10、方差获取单元11、差值比较单元7、干扰信号幅度获取单元12；

环境噪声源1用于向干扰信号幅度的提取系统输入环境噪声信号N_i(t)，该N_i(t)是典型的高斯白噪声。

干扰信号源2用于向干扰信号幅度的提取系统输入干扰信号I(t)，该I(t)可以看作是窄带高斯随机过程。

加法器3用于对接收到的窄带干扰信号I(t)和高斯白噪声信号N_i(t)进行叠加后，输出叠加信号N_i(t)给第一前端带通滤波器4。

第一前端带通滤波器4对接收的叠加信号N_i(t)进行巴特沃兹滤波处理后，输出窄带信号Y(t)，该窄带信号Y(t)是窄带干扰I(t)和窄带高斯信号N(t)之和，即Y(t)＝I(t)+N(t)，从特性角度来说就是两个相互独立的窄带高斯随机过程之和。

第一接收机5对接收的窄带信号Y(t)经过包络检波器后的输出包络检波信号Y_out(t)，该包络检波信号Y_out(t)中包络振幅的概率密度函数为瑞利分布。

第一采样单元6对包络检波信号Y_out(t)进行采样后，得到第一随机序列Y_out(i)，(i＝1，2，3，…)，以及混合信号的方差σ²。

第二前端带通滤波器8对接收的高斯白噪声N_i(t)进行巴特沃兹滤波处理后，输出窄带高斯噪声N(t)。

第二接收机9对接收的窄带高斯噪声N(t)经过包络检波器后的输出环境噪声包络检波信号N_out(t)，该环境噪声包络检波信号N_out(t)是服从瑞利分布的随机过程。

第二采样10对环境噪声包络检波信号N_out(t)进行后，得到第二随机序列N_out(i)，(i＝1，2，3，…)。

方差获取单元11对第二随机序列N_out(i)进行统计分析，应用随机过程的理论得到环境噪声方差

差值比较单元7对接收的第一随机序列Y_out(i)、混合信号的方差σ²、环境噪声方差

进行差值比较得到干扰信号方差

干扰信号幅度获取单元12对接收的干扰信号方差

利用数字积分法进行计算，得到干扰信号幅度A_I。该干扰信号幅度A_I与接收机门限电平进行比较，得出结论，该干扰信号是否会对接收机的工作性能产生影响。

应用本发明的一种在环境噪声下干扰信号幅度的提取系统，其提取步骤为：

(一)一个窄带高斯随机过程经过包络检波后输出随机过程的统计特性

显而易见的，作为窄带高斯随机过程N(t)和I(t)，经过包络检波后，检波器输出的噪声P(A_N)和干扰的包络振幅的概率密度函数P(A_I)均为瑞利分布。

$P\left(A_N\right)=\frac{A_N}{{\mathrm{\σ}}_N^2}\exp \{-\frac{{A_N}^2}{2{\mathrm{\σ}}_N^2}\},A_N\≥0---\left(1\right)$

$P\left(A_I\right)=\frac{A_I}{{\mathrm{\σ}}_I^2}\exp \{-\frac{{A_I}^2}{2{\mathrm{\σ}}_I^2}\},A_I\≥0---\left(2\right)$

式中A_N表示检波器输出端噪声包络振幅值，A₁表示干扰包络的振幅值。

(二)两个相互统计独立的窄带高斯随机过程同时经过包络检波后输出随机过程的统计特性

窄带干扰信号I(t)记为I(t)＝I_c(t)cos w₀t-I_s(t)sin w₀t，均值为零，方差为，其中，I_c(t)表示I(t)的同相分量，I_s(t)表示I(t)的正交分量，w₀是带通滤波器的中心频率，t表示I(t)幅值随时间变化的时间轴。

窄带高斯信号N(t)记为N(t)＝N_c(t)cos w₀t-N_s(t)sin w₀t，均值为零，方差为

，其中，N_c(t)表示N(t)的同相分量，N_s(t)表示N(t)的正交分量，w₀是带通滤波器的中心频率，t表示N(t)幅值随时间变化的时间轴。

窄带信号Y(t)记为Y(t)＝A_c(t)cos w₀t-A_s(t)sin w₀t＝A(t)cos[w₀t+φ(t)]，其中，A_c(t)表示Y(t)的同相分量，A_s(t)表示Y(t)的正交分量，w₀是带通滤波器的中心频率，A(t)表示Y(t)的包络信号，φ(t)表示Y(t)的相位，t表示Y(t)幅值随时间变化的时间轴。

将窄带干扰信号I(t)、窄带高斯信号N(t)、窄带信号Y(t)联立，得

$\left\{\begin{array}{c}{A}_c\left(t\right)=I_c\left(t\right)+N_c\left(t\right)\\ A_s\left(t\right)=I_s\left(t\right)+N_s\left(t\right)\end{array}\right.---\left(3\right)$

$\left\{\begin{array}{c}A\left(t\right)=[{A_c}^2\left(t\right)+{A_s}^2]\\ \mathrm{\φ}\left(t\right)=\arctan \frac{A_s\left(t\right)}{A_c\left(t\right)}\end{array}\right.---\left(4\right)$

对于任意给定的时刻Δt，由于I_c(t)，I_s(t)，N_c(t)，N_s(t)都是高斯随机变量并且是相互统计独立的，所以A_c(t)，A_s(t)也是高斯随机变量并且相互统计独立，其均值E[A_c(t)]和方差D[A_c(t)]分别表示为：

E[A_c(t)]＝E[A_s(t)]＝0          (5)

$D\left[A_c\left(t\right)\right]=D\left[A_s\left(t\right)\right]={\mathrm{\σ}}_I^2+{\mathrm{\σ}}_N^2={\mathrm{\σ}}^2---\left(6\right)$

对于任意给定的时刻Δt，窄带信号Y(t)的同相分量A_c(t)的概率密度函数P(A_c)和正交分量A_s(t)的概率密度函数P(A_s)分别为：

$P\left(A_c\right)=\frac{1}{\sqrt{2\mathrm{\π}}\mathrm{\σ}}\exp \{-\frac{{A_c}^2}{2{\mathrm{\σ}}^2}\}---\left(7\right)$

$P\left(A_s\right)=\frac{1}{\sqrt{2\mathrm{\π}}\mathrm{\σ}}\exp \{-\frac{{A_s}^2}{2{\mathrm{\σ}}^2}\}---\left(8\right)$

A_c表示Δt时刻A_c(t)的取值，A_s表示Δt时刻A_s(t)的取值。

对式(7)、式(8)联立得到联合概率密度函数P(A_c，A_s)为：

$P\left({A_c,A}_s\right)=\frac{1}{2\mathrm{\π}{\mathrm{\σ}}^2}\exp \{-\frac{{{A_c}^2+A_s}^2}{2{\mathrm{\σ}}^2}\}---\left(9\right)$

对式(4)、式(9)联立得到A(t)、φ(t)的联合概率分布函数P(A，φ)为：

P(A，φ)＝|J|×P(A_c，A_s)

$=\frac{A}{2\mathrm{\π}{\mathrm{\σ}}^2}\exp \{-\frac{A^2{\cos }^2\mathrm{\φ}+A^2{\sin }^2\mathrm{\φ}}{{2\mathrm{\σ}}^2}\}---\left(10\right)$

$=\frac{A}{2\mathrm{\π}{\mathrm{\σ}}^2}\exp \{-\frac{A^2}{{2\mathrm{\σ}}^2}\},A\≥\mathrm{0,0}\≤\mathrm{\φ}\≤2\mathrm{\π}$

|J|表示A，φ与A_c，A_s之间的雅克比行列式，A表示在Δt时刻A(t)的取值，φ表示在Δt时刻φ(t)的取值。

那么，包络的一维概率密度函数P(A)为：

$P\left(A\right)={\∫}_0^{2\mathrm{\π}}P(A,\mathrm{\φ})\mathrm{d\φ}=\frac{A}{{\mathrm{\σ}}^2}\exp \{-\frac{A^2}{{2\mathrm{\σ}}^2}\},A\≥0---\left(11\right)$

d表示积分的算子。

所以Y(t)经过包络检波器之后，检波器输出的信号的包络振幅的概率密度函数为瑞利分布。

(三)应用实际测试数据，求噪声方差

设输出的噪声为N_out(t)，为一个服从瑞利分布的随机过程，采样后，N_out(t)变成随机序列N_out(i)，(i＝1，2，3，…)。

则噪声振幅的平均值为 ${\stackrel{\‾}{N}}_{\mathrm{out}}=\frac{1}{n}\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{N}_{\mathrm{out}}\left(i\right),$ 为了使得到的N_out值比较准确，采样样本n应该足够大。

在得到噪声振幅的平均值N_out之后，由平均值定义式(12)采用数字积分法，可以由上式得到环境噪声方差

${\stackrel{\‾}{N}}_{\mathrm{out}}={\∫}_0^{\∞}{A}_{N}P\left(A_N\right)d{A}_N={\∫}_0^{\∞}\frac{{A_N}^2}{{\mathrm{\σ}}_N^2}\exp \left[\frac{{{-A}_N}^2}{{2\mathrm{\σ}}_N^2}\right]d{A}_N---\left(12\right)$

A_N表示噪声包络检波信号N_out(t)在Δt时刻的幅值。

(四)应用实际测量数据，求干扰信号和环境噪声信号叠加时的方差σ²

设输出的干扰加噪声为Y_out(t)，为一个服从瑞利分布的随机过程，采样后，Y_out(t)变成随机序列Y_out(i)，(i＝1，2，3，…)。

则噪声振幅的平均值为 ${\stackrel{\‾}{Y}}_{\mathrm{out}}=\frac{1}{n}\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{Y}_{\mathrm{out}}\left(i\right),$ 为了使得到的Y_out值比较准确，采样样本n应该足够大。

在得到噪声振幅的平均值Y_out之后，由平均值定义式(13)采用数字积分法，可以由上式得到噪声方差σ²。

${\stackrel{\‾}{Y}}_{\mathrm{out}}={\∫}_0^{\∞}AP\left(A\right)dA={\∫}_0^{\∞}\frac{A^2}{{\mathrm{\σ}}^2}\exp \left[\frac{{-A}^2}{{2\mathrm{\σ}}^2}\right]dA---\left(13\right)$

A表示包络检波信号Y_out(t)在Δt时刻的幅值。

(五)计算求得A_I的均值

由于 ${\mathrm{\σ}}^2={\mathrm{\σ}}_N^2+{\mathrm{\σ}}_I^2,$ 可以计算得 ${\mathrm{\σ}}_I^2{=\mathrm{\σ}}^2-{\mathrm{\σ}}_N^2,$ 在仅有干扰信号存在的时候，干扰信号数学期望E(A_I)，即 $E\left(A_I\right)={\∫}_0^{\∞}{A}_{I}P\left(A_I\right)d{A}_I={\∫}_0^{\∞}\frac{{A_I}^2}{{\mathrm{\σ}}_I^2}\exp \left[\frac{{{-A}_I}^2}{{2\mathrm{\σ}}_I^2}\right]d{A}_I,$ 由数字积分法计算得到A_I。

在本发明中，通过对A_I与给定的门限值Th进行差值比较，若A_I≥Th时，说明被测设备受到电磁干扰。

通过以上说明的分析方法，提供了一种在得到测试数据之后，如何在无法剔除环境噪声的基础上分析干扰信号独自对接收设备影响的情况。

这种在无法剔除环境噪声的情况下，分析干扰信号对接收设备性能影响的分析方法，通过用随机过程的形式来描述信号。分析步骤如下：

(A)建立通信系统接收设备的系统级仿真模型

本发明所述通信平台为二阶超外差式结构。通信系统发射端假设载波频率为78MHz，也就是说接收机的前端带通滤波器的中心频率为78MHz。经过两级混频，本振为46MHz和29.6MHz，最后进行包络检波，得到输出信号。

由于每次产生的环境噪声和干扰信号都有一定的随机性，所以在进行仿真的时候，必须在两个噪声源产生一次噪声和干扰的时候，同时仿真得到下面需要用到的两路输出信号，这样才能够保证计算的准确性。那么就要求，把产生的环境噪声分为两路，一路叠加之后进入接收设备，另一路直接进入参数一致的另外一个接收设备。

(B)分析只有环境噪声时接收设备输出信号的统计特性，以及在仿真的理想状态下，只有干扰信号存在时，接收设备输出信号统计特征

令输入接收机的环境噪声信号满足高斯白噪声的各种统计特性，使得均值为零，方差为0.4。采样间隔为20ns，得到4001个数据。通过对结果数据的分析，接收机输出的信号概率密度函数满足瑞利分布。两种分布函数如图2A、图2B所示。

(C)分析环境噪声和干扰信号同时存在时，接收设备输出信号的统计特征

在接收机输入端同时输入环境噪声和干扰的叠加信号，由于两个随机过程相互统计独立，前端滤波器输出的信号仍然满足窄带高斯噪声的特性。经过接收机模型仿真之后，输出信号概率密度函数满足瑞利分布。对结果数据分析之后，输出信号的均值为8.9，方差为5.9。分布函数如图3A、图3B所示。

(D)通过仿真数据结果，分析仅由干扰信号引起的接收设备的性能的影响。

通过(B)中给出的环境噪声的均值为0.2，利用数字积分法，计算得到

为0.1。同理，由(C)得到的均值8.9，计算得到σ²为4.3。那么，为4.2。由此计算出仅由干扰信号引起的接收机输出端的信号的数学期望为 $E\left(A_I\right)={\∫}_0^{\∞}{A}_{I}P\left(A_I\right)d{A}_I={\∫}_0^{\∞}\frac{{A_I}^2}{{\mathrm{\σ}}_I^2}\exp \left[\frac{{{-A}_I}^2}{{2\mathrm{\σ}}_I^2}\right],$ 则A_I＝6.4。

如果说该接收设备的敏感度参考门限Th＝7，大于计算得到的干扰信号的幅度值，也就是说干扰设备产生的干扰信号不会影响被测的接收设备的工作性能。

综上所述，在本发明中，提出了通过建立通信系统接收设备的系统级仿真模型，得到纯干扰信号对接收机功能工作性能的影响情况的分析方法。该方法可以灵活处理不同电磁环境情况下，被测接收机对某一频点的干扰信号的敏感特性，具有很广泛的应用范围。

Claims (4)

1、一种环境噪声下干扰信号幅度的提取方法，在环境噪声源(1)输入的环境噪声信号N_i(t)是典型的高斯白噪声，干扰信号源(2)产生的干扰信号I(t)，其特征在于：包括有加法器(3)、第一前端带通滤波器(4)、第二前端带通滤波器(8)、第一接收机(5)、第二接收机(9)、第一采样单元(6)、第二采样单元(10)、方差获取单元(11)、差值比较单元(7)、干扰信号幅度获取单元(12)；

加法器(3)用于对接收到的窄带干扰信号I(t)和高斯白噪声信号N_i(t)进行叠加后，输出叠加信号Y_i(t)给第一前端带通滤波器(4)；

第一前端带通滤波器(4)对接收的叠加信号Y_i(t)进行巴特沃兹滤波处理后，输出窄带信号Y(t)，该窄带信号Y(t)是窄带干扰I(t)和窄带高斯信号N(t)之和，即Y(t)＝I(t)+N(t)，从特性角度来说就是两个相互独立的窄带高斯随机过程之和；

第一接收机(5)对接收的窄带信号Y(t)经过包络检波器后的输出包络检波信号Y_out(t)，该包络检波信号Y_out(t)中包络振幅的概率密度函数为瑞利分布；

第一采样单元(6)对包络检波信号Y_out(t)进行采样后，得到第一随机序列Y_out(i)，(i＝1，2，3，…)，以及混合信号的方差σ²；

第二前端带通滤波器(8)对接收的高斯白噪声N_i(t)进行巴特沃兹滤波处理后，输出窄带高斯噪声N(t)；

第二接收机(9)对接收的窄带高斯噪声N(t)经过包络检波器后的输出环境噪声包络检波信号N_out(t)，该环境噪声包络检波信号N_out(t)是服从瑞利分布的随机过程；

第二采样(10)对环境噪声包络检波信号N_out(t)进行后，得到第二随机序列N_out(i)，(i＝1，2，3，…)；

方差获取单元(11)对第二随机序列N_out(i)进行统计分析，应用随机过程的理论得到环境噪声方差

差值比较单元(7)对接收的第一随机序列Y_out(i)、混合信号的方差σ²、环境噪声方差

进行差值比较得到干扰信号方差

干扰信号幅度获取单元(12)对接收的干扰信号方差

利用数字积分法进行计算，得到干扰信号幅度A_I。

2、根据权利要求1所述的环境噪声下干扰信号幅度的提取方法，其特征在于：将窄带干扰信号I(t)、窄带高斯信号N(t)、窄带信号Y(t)联立，得 $\left\{\begin{array}{c}{A}_c\left(t\right)=I_c\left(t\right)+N_c\left(t\right)\\ A_s\left(t\right)=I_s\left(t\right)+N_s\left(t\right)\end{array}\right.$ 和 $\left\{\begin{array}{c}A\left(t\right)=[{A_c}^2\left(t\right)+{A_s}^2\left(t\right)]\\ \mathrm{\φ}\left(t\right)=\arctan \frac{A_s\left(t\right)}{A_c\left(t\right)}\end{array}\right.,$ 对于任意给定的时刻Δt，由于I_c(t)，I_s(t)，N_c(t)，N_s(t)都是高斯随机变量并且是相互统计独立的，所以A_c(t)，A_s(t)也是高斯随机变量并且相互统计独立。

3、根据权利要求1所述的环境噪声下干扰信号幅度的提取方法，其特征在于：环境噪声方差

基于平均值定义式采用数字积分法得到，所述平均值定义式为 ${\stackrel{\‾}{N}}_{\mathrm{out}}={\∫}_0^{\∞}{A}_{N}P\left(A_N\right){\mathrm{dA}}_N={\∫}_0^{\∞}\frac{{A_N}^2}{{\mathrm{\σ}}_N^2}\exp \left[\frac{-{A_N}^2}{2{\mathrm{\σ}}_N^2}\right]{\mathrm{dA}}_N.$

4、根据权利要求1所述的环境噪声下干扰信号幅度的提取方法，其特征在于：噪声方差σ²基于平均值定义式采用数字积分法得到，所述平均值定义式为 ${\stackrel{\‾}{Y}}_{\mathrm{out}}={\∫}_0^{\∞}\mathrm{AP}\left(A\right)\mathrm{dA}={\∫}_0^{\∞}\frac{A^2}{{\mathrm{\σ}}^2}\exp \left[\frac{-A^2}{2{\mathrm{\σ}}^2}\right]\mathrm{dA}.$

Images