CN103346756A - 一种空时自适应滤波方法及装置 - Google Patents

Abstract

本发明公开了一种空时自适应滤波方法及装置；方法包括：获取多通道基带数据并存储；根据存储的多通道基带数据计算空时自适应滤波系数w；对所述空时自适应滤波系数w进行平滑处理，得到平滑后的系数w_smooth；根据平滑后的系数w_smooth对所获取的多通道基带数据进行空时滤波。本发明能够减缓空时自适应滤波器系数的波动。

Description

一种空时自适应滤波方法及装置

技术领域

本发明涉及通信领域，尤其涉及一种空时自适应滤波方法及装置。

背景技术

实际通信中电磁环境相当复杂，存在模式繁多和统计特征时变的人为干扰，尤其是高功率密度的窄带和宽带干扰已经成为破坏通信系统最主要的因素之一。干扰会导致接收机捕获时间延长、虚警概率增加，严重的会造成接收机失锁而无法工作。因而开展卫星导航接收机抗干扰技术的研究是十分必要的，这将为卫星导航接收机的正常工作提供保障。目前为止，空时自适应滤波技术是提高卫星导航接收机抗干扰能力的主要方法。通过在每个通道上连接一定数量的延迟单元并施以一定的时间权系数，天线阵列便拥有更多的自由度来抑制宽带干扰。

现有的空时自适应滤波技术在具体实现中存在着以下不足之处：

首先，在进行空时自适应系数计算时需要采集一段时间的多通道基带数据并保存到存储器中，当阵列阵元数较多时，需要存储的数据量会相当大，通常处理器内部的存储器资源是比较有限的，而外扩存储器又会带来复杂度和成本的提高。

此外，即使处于静态场景中，由于空间中存在噪声，系统处理时也会额外引入噪声，常规的空时自适应算法每次计算出来的系数之间会有较大的波动，系数波动将通过空时滤波器传递到送给导航接收机的中频信号中，影响了接收机中环路工作的稳定性。

发明内容

本发明解决的技术问题是如何减缓空时自适应滤波器系数的波动。

为了解决上述问题，本发明提供了一种空时自适应滤波方法，包括：

获取多通道基带数据并存储；

根据存储的多通道基带数据计算空时自适应滤波系数w；

对所述空时自适应滤波系数w进行平滑处理，得到平滑后的系数w_smooth；

根据平滑后的系数w_smooth对所获取的多通道基带数据进行空时滤波。

进一步地，所述获取多通道的基带数据并存储的步骤包括：

通过模数转换器采集数据长度为P点的多通道中频信号；P为正整数；

将所述多通道中频信号进行下变频处理，得到P点的多通道基带数据；

在所述P点的多通道基带信号中，每L个点的信号中抽取一个点的信号，所述L为小于或等于f_s/2f_c的正整数，其中f_s为所述多通道基带信号的最大频率，f_c为所述多通道基带信号的采样频率；

存储所抽取的信号组成的序列。

进一步地，所述根据存储的多通道基带数据计算空时自适应滤波系数的步骤包括：

根据存储的多通道基带数据计算协方差矩阵R＝E[XX^H]；

其中，E为加权平均，X为输入信号矩阵：

X＝[x₁₁，x₁₂，…，x_1N，x₂₁，x₂₂，…，x_2N，…，x_M1，x_M2，…，x_MN]^T；

其中，M为接收阵元的个数，N为各接收阵元后FIR滤波器的阶数；x_mn为第m个阵元后，FIR滤波器第n个抽头的输入信号；m为1到M中的整数，包括1和M；n为1到N的各整数，包括1和N；

求解多线性约束的最小方差方程，得到空时滤波器系数：

w＝R^-1C(C^HR^-1C)^-1b；

其中C为约束矩阵，b为空时滤波输出响应矢量。

进一步地，对所述空时自适应滤波系数w进行平滑处理的步骤是指：

计算w_smooth＝αw′_smooth+βw；

其中，w′_smooth为上一次平滑处理得到的系数，α和β是两个平滑处理的参数，取值范围均为0～1，包括0和1，且α+β＝1。

进一步地，α为0.9，β为0.1。

本发明提供了一种空时自适应滤波装置，包括：

存储单元、空时滤波器；

采样单元，用于获取多通道基带数据并保存在所述存储单元中；

系数计算单元，用于根据存储的多通道基带数据计算空时自适应滤波系数w；

系数平滑单元，用于对所述空时自适应滤波系数w进行平滑处理，得到平滑后的系数w_smooth；

所述空时滤波器用于根据平滑后的系数w_smooth对所述采样单元获取的多通道基带数据进行空时滤波。

进一步地，所述采样单元包括：

模数转换器，用于采集数据长度为P点的多通道中频信号；P为正整数；

下变频模块，用于将所述多通道中频信号进行下变频处理，得到P点的多通道基带数据并发送给所述空时滤波器；

抽取器，用于在所述P点的多通道基带信号中，每L个点的信号中抽取一个点的信号，所述L为小于或等于f_s/2f_c的正整数，其中f_s为所述多通道基带信号的最大频率，f_c为所述多通道基带信号的采样频率；将所抽取的信号组成的序列保存在所述存储单元中。

进一步地，所述系数计算单元根据存储的多通道基带数据计算空时自适应滤波系数是指包括：

所述系数计算单元根据存储的多通道基带数据计算协方差矩阵R＝E[XX^H]；求解多线性约束的最小方差方程，得到空时滤波器系数：

w＝R^-1C(C^HR^-1C)^-1b；

其中，E为加权平均，C为约束矩阵，b为空时滤波输出响应矢量，X为输入信号矩阵：

X＝[x₁₁，x₁₂，…，x_1N，x₂₁，x₂₂，…，x_2N，…，x_M1，x_M2，…，x_MN]^T；

M为接收阵元的个数，N为各接收阵元后FIR滤波器的阶数；x_mn为第m个阵元后，FIR滤波器第n个抽头的输入信号；m为1到M中的整数，包括1和M；n为1到N的各整数，包括1和N。

进一步地，所述系数平滑单元对所述空时自适应滤波系数w进行平滑处理是指：

所述系数平滑单元计算w_smooth＝αw′_smooth+βw；其中，w′_smooth为上一次平滑处理得到的系数，α和β是两个平滑处理的参数，取值范围均为0～1，包括0和1，且α+β＝1。

进一步地，α为0.9，β为0.1。

本发明的技术方案可以应用于采用空时自适应滤波技术的抗干扰型卫星导航接收机以及其他抗干扰扩频通信系统，在现有空时自适应滤波技术的基础上进行了优化改进，通过对空时自适应滤波系数的平滑处理，减小了系数的波动，使系数的变化趋于缓慢，使空时滤波器输出的数据更加平稳，可以一定程度上平滑噪声，减小了对接收机解调的影响，提高了系统的可靠性。本发明的优化方案采用对多通道基带数据降采样的方法，在保证信号频谱不发生混叠的前提下，处理后的数据既保持了原有信号的信息，又大大降低信号的数据量，节省了存储空间，提高了算法的可实现性。

附图说明

图1为实施例一的空时自适应滤波方法的流程示意图；

图2为实施例一的空时滤波器结构框图；

图3为实施例二的空时自适应滤波装置的示意框图；

图4为实施例二的系数平滑单元的示意图。

具体实施方式

下面将结合附图及实施例对本发明的技术方案进行更详细的说明。

需要说明的是，如果不冲突，本发明实施例以及实施例中的各个特征可以相互结合，均在本发明的保护范围之内。另外，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

实施例一，一种空时自适应滤波方法，如图1所示，包括：

获取多通道基带数据并存储；

根据存储的多通道基带数据计算空时自适应滤波系数w；

对所述空时自适应滤波系数w进行平滑处理，得到平滑后的系数w_smooth；

根据平滑后的系数w_smooth对所获取的多通道基带数据进行空时滤波。

本实施例中，为了使系数能够变化的更加平稳，对系数w进行了平滑处理，将平滑后的系数应用到空时滤波器中，对基带数据进行滤波，输出有用信号，能改善空时自适应滤波器系数波动带来的问题。

本实施例的一种实施方式中，所述获取多通道的基带数据并存储的步骤具体可以包括：

通过ADC(模数转换器)采集数据长度为P点的多通道中频信号；P为正整数；

将所述多通道中频信号进行下变频处理，得到P点的多通道基带数据；

在所述P点的多通道基带信号中，每L个点的信号中抽取一个点的信号，所述L为小于或等于f_s/2f_c的正整数，其中f_s为所述多通道基带信号的最大频率，f_c为所述多通道基带信号的采样频率；

存储所抽取的信号组成的序列。

该实施方式中，通过ADC采集的多通道中频信号中包含有用信号、干扰信号以及背景噪声。

本实施方式中，为了减少数据量，在处理信号时降低信号的采样速率，比如把采样速率减小为原先的L倍(L是正整数)；在下变频得到P点的多通道基带数据后，先经过L倍降采样处理，可以把原始的采样序列每L个点取一个点，形成新的采样序列，该过程称为L倍抽取，L为抽取因子；令多通道基带信号为x′(i)，i为采样点的序号，是正整数；将x′(i)中每L个点中抽取一个，依次组成一个新的序列x(i)，即：

x(i)＝x′(Li)  (1)

在频域上，x(i)的离散傅立叶变换可表示为：

$X\left(e^{\mathrm{j\ω}}\right)=\frac{1}{L}\underset{l=0}{\overset{M-1}{\mathrm{\Σ}}}{X}^{\′}\left(e^{j(\mathrm{\ω}-2\mathrm{\πl})/L}\right)---\left(2\right)$

其中，M为接收阵元的个数。可以看出，将信号x′(i)作L倍的抽取后，所得信号x(i)的频谱等于原信号的频谱先作L倍的扩展，再作周期延拓。

抽取因子L的确定要根据多通道基带信号频率和采样率来确定，抽取前的采样率与抽取后的采样率f_s的关系为：

$f_s^{\′}=\frac{f_s}{L}---\left(3\right)$

为了保证抽取后信号频谱不会发生混叠，根据采样定理，抽取后的采样率要大于等于2倍的信号最大频率：

$f_s^{\′}\≥2f_c---\left(4\right)$

f_c是多通道基带信号的最大频率，由式(3)和式(4)可得抽取因子L的选择须满足：

$L\≤\frac{f_s}{2f_c}---\left(5\right)$

先对基带信号进行L倍降采样处理，可以节省存储空间；根据采样定理，适当的降采样并不会对信号的频谱造成影响。

空时自适应滤波技术是将一维的空域滤波推广到时间与空间的二维域中，形成空时二维处理结构。它通过同时联合处理多元天线阵(空域)与多个相参脉冲(时域)接收到的数据，使干扰抑制在空时二维空间中进行。利用干扰频率与角度具有依赖关系而目标频率与角度却相互独立的区别，可将目标与干扰有效地分离出来实现滤波。

本实施例的一种实施方式中，所述根据存储的多通道基带数据计算空时自适应滤波系数的步骤具体可以包括：

根据存储的多通道基带数据计算协方差矩阵R＝E[XX^H]；

其中，E为加权平均，X为输入信号矩阵：

X＝[x₁₁，x₁₂，…，x_1N，x₂₁，x₂₂，…，x_2N，…，x_M1，x_M2，…，x_MN]^T；

其中，M为接收阵元的个数，N为各接收阵元后FIR滤波器的阶数；x_mn为第m个阵元后，FIR滤波器第n个抽头的输入信号；m为1到M中的整数，包括1和M；n为1到N的各整数，包括1和N；

求解多线性约束的最小方差方程，得到空时滤波器系数：

w＝R^-1C(C^HR^-1C)^-1b；

其中C为约束矩阵，b为空时滤波后的输出响应矢量。

比如空时滤波器有M个接收阵元，如图2所示，每个接收阵元接收经过降采样后存储的多通道基带数据，各接收阵元通道后有一个N阶FIR(有限冲激响应)滤波器，{w_mn}，n＝1，2，…，N，m＝1，2，…，M为其空时滤波系数，w_mn与接收阵元m后的FIR各抽头的输入信号x_mn经过乘法器相乘，所有乘积通过加法器累加后得到接收阵元m后的滤波输出信号；对各接收阵元后的滤波输出信号相加得到空时滤波器的输出信号y。每个节拍的时间延时T，要求T小于1/B，B为有用信号带宽；每个阵元信号总的延时长度(N-1)T，要求能够包括不同的多径延时。假设各接收阵元输入信号为x₁(i)，…，x_M(i)，则接收阵元m后的FIR各抽头输入信号为x_m1(i)＝x_m(i)，x_m2(i)＝x_m(i-1)，……，x_mN(i)＝x_m(i-N+1)。

用X表示输入信号矩阵：

X＝[x₁₁，x₁₂，…，x_1N，x₂₁，x₂₂，…，x_2N，…，x_M1，x_M2，…，x_MN]^T    (6)

其中协方差矩阵R＝E[XX^H]是MN×MN维矩阵，得到R为：

$R={\left[\begin{array}{ccccc}{X}_1{X}_1^H& X_1{X}_2^H& X_1{X}_3^H& ...& X_1{X}_M^H\\ X_2{X}_1^H& X_2{X}_2^H& X_2{X}_3^H& ...& X_2{X}_M^H\\ X_3{X}_1^H& X_3{X}_2^H& X_3{X}_3^H& ...& X_3{X}_M^H\\ ...& ...& ...& ...& ...\\ X_M{X}_1^H& X_M{X}_2^H& X_M{X}_3^H& ...& X_M{X}_M^H\end{array}\right]}_{\mathrm{MN}\×\mathrm{MN}}---\left(7\right)$

R写成M×M个子阵形式，每个子阵包含N×N个元素。主对角线上子阵

都是Hermite型Toeplitz矩阵，即子阵内元素复共轭对称，并且主对角线和平行于主对角线的各对角线上的元素相等；下三角子阵

都是一般的Toeplitz矩阵，即子阵内主对角线和平行于主对角线的各对角线上的元素相等。

由线性约束最小方差准则，该空时滤波器可以描述为以下最优化问题：

$\left\{\begin{array}{cc}\mathrm{Min}& E\left\{{\left|y\left(n\right)\right|}^2\right\}=w^H\mathrm{Rw}\\ s.t.& C^{H}w=b\end{array}\right.---\left(8\right)$

其中，y(i)为空时滤波器的输出信号，E{ }表示对{ }中的内容进行加权平均，Min表示取最小，s.t.(subject to)的含义是数字证明中的使得……满足约束条件，在式(8)中即C^Hw＝b。

若ω_s，ω_t分别表示空间归一化频率和时间归一化频率，

表示可罗奈克积(Kronecker product)，则空时二维导向矢量写成：

$c=S_s\⊗S_t---\left(9\right)$

其中，空间导向矢量S_s和时间导向矢量S_t分别表示为：

$S_s={[1,e^{j{\mathrm{\ω}}_s},...,e^{j(M-1){\mathrm{\ω}}_S}]}^T---\left(10\right)$

$S_t={[1{,e}^{j{\mathrm{\ω}}_t},...,e^{j(N-1){\mathrm{\ω}}_t}]}^T---\left(11\right)$

第k个约束矩阵是当角频率为ω_k的单位平面波以θ_k入射到阵时，阵的输出(即阵的响应)为b_k，可以得到第k个约束方程为：

$c_k^{H}w=b_k,k=1,...,K$

K为约束矩阵的个数。

约束矩阵C＝[c₁，c₂，…，c_K]，输出响应矢量b＝[b₁，b₂，…，b_K]^T。利用拉格朗日乘子法可以得出空时自适应滤波系数为：

w＝R^-1C(C^HR^-1C)^-1b    (13)

得到空时自适应滤波系数w的过程可参照现有技术实现。

本实施例的一种实施方式中，对所述空时自适应滤波系数w进行平滑处理的步骤具体可以是指：

计算w_smooth＝αw′_smooth+βw；(14)

其中，w′_smooth为上一次平滑处理得到的系数，当第一次计算w_smooth时，w′_smooth可以取为w或预设的经验值；α和β是两个平滑处理的参数，取值范围均为0～1，包括0和1，且满足α+β＝1。当应用场景为静态时，α应取值较大；当应用场景为动态时，β应取值较大。该实施方式的一种备选方案中，选定α＝0.9及β＝0.1。

在本实施例中，得到平滑后的系数后，图2中输入各乘法器的系数为该平滑后的系数。

本实施例的一种实施方式中，根据平滑后的系数w_smooth对所述多通道基带数据进行空时滤波的步骤具体可以是指：

得到输出信号y(i)为：

y(i)＝x₁(i)+w₂₁x₂(i)+…+w_2Nx₂(i-N+1)+…+w_M1x_M(i)…+w_MNx_M(i-N+1)。(15)

其中，{w_mn}，n＝1，2，…，N，m＝1，2，…，M是平滑后的系数，i为所存储的多通道基带数据中各采样点的序号。

实施例二，一种空时自适应滤波装置，如图3所示，包括：

存储单元，空时滤波器；

采样单元，用于获取多通道基带数据并保存在所述存储单元中；

系数计算单元，用于根据存储的多通道基带数据计算空时自适应滤波系数w；

系数平滑单元，用于对所述空时自适应滤波系数w进行平滑处理，得到平滑后的系数w_smooth；

所述空时滤波器用于根据平滑后的系数w_smooth对所述采样单元获取的多通道基带数据进行空时滤波。

本实施例的一种实施方式中，所述采样单元包括：

模数转换器，用于采集数据长度为P点的多通道中频信号；P为正整数；

下变频模块，用于将所述多通道中频信号进行下变频处理，得到P点的多通道基带数据并发送给所述空时滤波器；

抽取器，用于在所述N点的多通道基带信号中，每L个点的信号中抽取一个点的信号，所述L为小于或等于f_s/2f_c的正整数，其中f_s为所述多通道基带信号的最大频率，f_c为所述多通道基带信号的采样频率；将所抽取的信号组成的序列保存在所述存储单元中。

本实施例的一种实施方式中，所述系数计算单元根据存储的多通道基带数据计算空时自适应滤波系数是指包括：

所述系数计算单元根据存储的多通道基带数据计算协方差矩阵R＝E[XX^H]；求解多线性约束的最小方差方程，得到空时滤波器系数：

w＝R^-1C(C^HR^-1C)^-1b；

其中，E为加权平均，C为约束矩阵，b为空时滤波输出响应矢量，X为输入信号矩阵：

X＝[x₁₁，x₁₂，…，x_1N，x₂₁，x₂₂，…，x_2N，…，x_M1，x_M2，…，x_MN]^T；

M为接收阵元的个数，N为各接收阵元后FIR滤波器的阶数；x_mn为第m个阵元后，FIR滤波器第n个抽头的输入信号；m为1到M中的整数，包括1和M；n为1到N的各整数，包括1和N。

本实施例的一种实施方式中，所述空时滤波器根据平滑后的系数w_smooth对所述多通道基带数据进行空时滤波是指：

所述空时滤波器得到输出信号y(i)为：

y(i)＝x₁(i)+w₂₁x₂(i)+…+w_2Nx₂(i-N+1)+…+w_M1x_M(i)…+w_MNx_M(i-N+1)；

其中，{w_mn}，n＝1，2，…，N，m＝1，2，…，M是平滑后的系数，i为所存储的多通道基带数据中各采样点的序号。

本实施例的一种实施方式中，所述系数平滑单元对所述空时自适应滤波系数w进行平滑处理是指：

所述系数平滑单元计算w_smooth＝αw′_smooth+βw；其中，w′_smooth为上一次平滑处理得到的系数，α和β是两个平滑处理的参数，取值范围均为0～1，包括0和1，且α+β＝1。

该实施方式的一种备选方案中，α为0.9，β为0.1。

该实施方式的一种备选方案中，系数平滑单元的结构如图4所示，包括第一、第二乘法器、加法器、和一阶滤波器；

空时自适应滤波系数w与β输入第一乘法器，第一乘法器的输出端连接到加法器的一个输入端上；加法器的输出端连接一阶滤波器的输入端，一阶滤波器的输出端与α输入第二乘法器，第二乘法器的输出端连接到所述加法器的另一个输入端上。这里一阶滤波器的延时和图2中的一致。

其它实现细节可参考实施例一。

当然，本发明还可有其他多种实施例，在不背离本发明精神及其实质的情况下，熟悉本领域的技术人员当可根据本发明作出各种相应的改变和变形，但这些相应的改变和变形都应属于本发明的权利要求的保护范围。

Claims (10)

1.一种空时自适应滤波方法，包括：

获取多通道基带数据并存储；

根据存储的多通道基带数据计算空时自适应滤波系数w；

对所述空时自适应滤波系数w进行平滑处理，得到平滑后的系数w_smooth；

根据平滑后的系数w_smooth对所获取的多通道基带数据进行空时滤波。

2.根据权利要求1所述的方法，其特征在于，所述获取多通道的基带数据并存储的步骤包括：

通过模数转换器采集数据长度为P点的多通道中频信号；P为正整数；

将所述多通道中频信号进行下变频处理，得到P点的多通道基带数据；

在所述P点的多通道基带信号中，每L个点的信号中抽取一个点的信号，所述L为小于或等于f_s/2f_c的正整数，其中f_s为所述多通道基带信号的最大频率，f_c为所述多通道基带信号的采样频率；

存储所抽取的信号组成的序列。

3.如权利要求1或2所述的方法，其特征在于，所述根据存储的多通道基带数据计算空时自适应滤波系数的步骤包括：

根据存储的多通道基带数据计算协方差矩阵R＝E[XX^H]；

其中，E为加权平均，X为输入信号矩阵：

X＝[x₁₁，x₁₂，…，x_1N，x₂₁，x₂₂，…，x_2N，…，x_M1，x_M2，…，x_MN]^T；

其中，M为接收阵元的个数，N为各接收阵元后FIR滤波器的阶数；x_mn为第m个阵元后，FIR滤波器第n个抽头的输入信号；m为1到M中的整数，包括1和M；n为1到N的各整数，包括1和N；

求解多线性约束的最小方差方程，得到空时滤波器系数：

w＝R^-1C(C^HR^-1C)^-1b；

其中C为约束矩阵，b为空时滤波输出响应矢量。

4.根据权利要求1到3中任一项所述的方法，其特征在于，对所述空时自适应滤波系数w进行平滑处理的步骤是指：

计算w_smooth＝αw′_smooth+βw；

其中，w′_smooth为上一次平滑处理得到的系数，α和β是两个平滑处理的参数，取值范围均为0～1，包括0和1，且α+β＝1。

5.如权利要求4所述的方法，其特征在于：

α为0.9，β为0.1。

6.一种空时自适应滤波装置，包括：

存储单元、空时滤波器；

采样单元，用于获取多通道基带数据并保存在所述存储单元中；

其特征在于，还包括：

系数计算单元，用于根据存储的多通道基带数据计算空时自适应滤波系数w；

系数平滑单元，用于对所述空时自适应滤波系数w进行平滑处理，得到平滑后的系数w_smooth；

所述空时滤波器用于根据平滑后的系数w_smooth对所述采样单元获取的多通道基带数据进行空时滤波。

7.根据权利要求6所述的装置，其特征在于，所述采样单元包括：

模数转换器，用于采集数据长度为P点的多通道中频信号；P为正整数；

下变频模块，用于将所述多通道中频信号进行下变频处理，得到P点的多通道基带数据并发送给所述空时滤波器；

抽取器，用于在所述P点的多通道基带信号中，每L个点的信号中抽取一个点的信号，所述L为小于或等于f_s/2f_c的正整数，其中f_s为所述多通道基带信号的最大频率，f_c为所述多通道基带信号的采样频率；将所抽取的信号组成的序列保存在所述存储单元中。

8.如权利要求6或7所述的装置，其特征在于，所述系数计算单元根据存储的多通道基带数据计算空时自适应滤波系数是指包括：

所述系数计算单元根据存储的多通道基带数据计算协方差矩阵R＝E[XX^H]；求解多线性约束的最小方差方程，得到空时滤波器系数：

w＝R^-1C(C^HR^-1C)^-1b；

其中，E为加权平均，C为约束矩阵，b为空时滤波输出响应矢量，X为输入信号矩阵：

X＝[x₁₁，x₁₂，…，x_1N，x₂₁，x₂₂，…，x_2N，…，x_M1，x_M2，…，x_MN]^T；

M为接收阵元的个数，N为各接收阵元后FIR滤波器的阶数；x_mn为第m个阵元后，FIR滤波器第n个抽头的输入信号；m为1到M中的整数，包括1和M；n为1到N的各整数，包括1和N。

9.根据权利要求6到8中任一项所述的装置，其特征在于，所述系数平滑单元对所述空时自适应滤波系数w进行平滑处理是指：

所述系数平滑单元计算w_smooth＝αw′_smooth+βw；其中，w′_smooth为上一次平滑处理得到的系数，α和β是两个平滑处理的参数，取值范围均为0～1，包括0和1，且α+β＝1。

10.如权利要求9所述的装置，其特征在于：

α为0.9，β为0.1。

Images