CN103647633B - 适用尖峰噪声环境的时延估计方法 - Google Patents
适用尖峰噪声环境的时延估计方法 Download PDFInfo
- Publication number
- CN103647633B CN103647633B CN201310618163.1A CN201310618163A CN103647633B CN 103647633 B CN103647633 B CN 103647633B CN 201310618163 A CN201310618163 A CN 201310618163A CN 103647633 B CN103647633 B CN 103647633B
- Authority
- CN
- China
- Prior art keywords
- signal
- receives
- delay
- estimation method
- algorithm
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Landscapes
- Radar Systems Or Details Thereof (AREA)
- Noise Elimination (AREA)
Abstract
本发明提出一种适用尖峰噪声环境的时延估计方法,包括以下步骤:假定第一接收信号x1(n)和第二接收信号x2(n)满足离散信号模型:计算所述第一接收信号x1(n)和所述第二接收信号x2(n)的互共变函数;计算所述第一接收信号x1(n)的自共变函数;互共变函和自共变函数作为信号x(n)经过不同的两个信道h1、h2后的输出;通过估计信道的冲激响应来得到Rc12(n)和Rc11(n)之间的时延信息,该时延信息即为所述第一接收信号x1(n)和所述第二接收信号x2(n)的相对时延|d2‑d1|。本发明适用尖峰噪声环境的时延估计方法精度高,尤其在尖峰性较强、信号较弱的情况下,本发明提供的方法具有优良的估计性能。
Description
技术领域
本发明涉及统计信号处理领域,特别涉及一种适用尖峰噪声环境的时延估计方法。
背景技术
时间延迟估计(TDE)指利用参数估计及信号处理的理论与方法,对同源信号到达的时间之差进行估计。时间延迟是信号表征的基本参量之一,对TDE理论及应用的研究一直是信号处理领域中一个比较活跃的研究课题。噪声是TDE需要考虑的主要问题之一。在传统的TDE算法中,对噪声采用高斯分布的模型,这种假设在许多情况下是合理的。采用高斯分布假设的好处是使信号处理的算法趋于简单,并且便于理论分析。然而,在实际应用中还常常会遇到一类具有显著尖峰特性的噪声,其概率密度函数(p.d.f.)与高斯分布相比有较厚的拖尾,不存在二阶及其以上的统计量,此时,基于噪声高斯模型二阶统计量的算法性能退化,甚至不能使用。一种广义的高斯分布——α稳定分布可以较好地描述这类脉冲性噪声。
发明内容
为了克服已有技术中存在的至少一个问题,本发明提出一种精度较高的适用尖峰噪声环境的时延估计方法。
为了实现上述目的,本发明提出一种适用尖峰噪声环境的时延估计方法,包括以下步骤:假定第一接收信号x1(n)和第二接收信号x2(n)满足下面的离散信号模型:
x1(n)=s(n-d1)+v1(n)
x2(n)=λs(n-d2)+v2(n)
其中,s(n-d1)、s(n-d2)为所述第一接收信号x1(n)和所述第二接收信号x2(n)接收到延迟的源信号;d1、d2分别为源信号到达所述第一接收信号x1(n)和所述第二接收信号x2(n)的时间延迟;λ为衰减因子;v1(n)、v2(n)分别为所述第一接收信号x1(n)和所述第二接收信号x2(n)接收到的背景噪声;
计算所述第一接收信号x1(n)和所述第二接收信号x2(n)的互共变函数
Rc12(m)=E{x1(n)[x2(n+m)]<p-1>};
计算所述第一接收信号x1(n)的自共变函数
Rc11(m)=E{x1(n)[x1(n+m)]<p-1>};
互共变函Rc12(m)和自共变函数Rc11(m)中的自变量时间序号m取值n,即Rc12(n)和Rc11(n)是信号x(n)经过不同的两个信道h1、h2后的输出;
通过估计信道的冲激响应来得到Rc12(n)和Rc11(n)之间的时延信息,该时延信息即为所述第一接收信号x1(n)和所述第二接收信号x2(n)的相对时延|d2-d1|。
可选的,所述λ的数值取1。
可选的,所述第一接收信号x1(n)和所述第二接收信号x2(n)接收到的背景噪声服从广义的高斯分布。
可选的,所述信道的冲激响应方法包括:将Rc12(n)和Rc11(n)作为两个MA滤波器的输入信号,在最小均方误差准则下,通过迭代自适应的算法得到两个所述MA滤波器的权系数的最优解w2、w1,分别作为两个所述信道h1、h2的估计,由w2、-w1峰值的位置之差获得Rc12(n)、Rc11(n)序列之间的时延信息。
可选的,所述迭代自适应的算法的迭代公式为:
e(n)=[wT(n)r(n)]/||w(n)||
w(n+1)=w(n)-μe(n)r(n)/||w(n)-μe(n)r(n)||
其中,e(n)为迭代误差;r(n)是将两个输入的信号向量组合在一起的新向量r(n)=[Rc12(n),Rc11(n)];w(n)是对两个信道冲激响应的估计组合后形成的新向量w(n)=[w2,-w1];μ为迭代步长。
本发明适用尖峰噪声环境的时延估计方法的有益效果主要表现在:本发明适用尖峰噪声环境的时延估计方法精度高,尤其在尖峰性较强、信号较弱的情况下,本发明提供的方法具有优良的估计性能。
附图说明
图1为本发明适用尖峰噪声环境的时延估计方法的流程图。
图2为本发明适用尖峰噪声环境的时延估计方法的原理方框图。
图3为算法AED、BCILMP及CAED的时间延迟估计的收敛曲线对比图。
图4和图5为算法AED、BCILMP及CAED的时间延迟估计的均方误差曲线对比图。
具体实施方式
下面结合实施例和附图对本发明作进一步的描述。
请参考图1,图1是本发明适用尖峰噪声环境的时延估计方法的流程图,本发明提出一种适用尖峰噪声环境的时延估计方法,包括包括以下步骤:
步骤10:假定第一接收信号x1(n)和第二接收信号x2(n)满足下面的离散信号模型:
x1(n)=s(n-d1)+v1(n) (1)
x2(n)=λs(n-d2)+v2(n)
其中,s(n-d1)、s(n-d2)为所述第一接收信号x1(n)和所述第二接收信号x2(n)接收到延迟的源信号;d1、d2分别为源信号到达所述第一接收信号x1(n)和所述第二接收信号x2(n)的时间延迟;λ为衰减因子;v1(n)、v2(n)分别为所述第一接收信号x1(n)和所述第二接收信号x2(n)接收到的背景噪声;
假定信号与噪声、噪声与噪声是统计独立的。需要估计的两路接收信号的相对时延差真值D=|d2-d1|
两个联合SαS随机过程x1(n)和x2(n)的互共变函数定义为
对于给定的N对观测信号{xi(1),…,xi(N);i=1,2},可以用下式对共变函数进行估计
当信号x1(n)、x2(n)为白随机过程且x2(n)=x1(n-D)时,有如下关系
其中,Cc是一个非负的常数;
步骤11:计算所述第一接收信号x1(n)和所述第二接收信号x2(n)的互共变函数Rc12(m)=E{x1(n)[x2(n+m)]<p-1>};
步骤12:计算所述第一接收信号x1(n)的自共变函数
Rc11(m)=E{x1(n)[x1(n+m)]<p-1>};
步骤13:互共变函Rc12(m)和自共变函数Rc11(m)中的自变量时间序号m取值n,即Rc12(n)和Rc11(n)是信号x(n)经过不同的两个信道h1、h2后的输出;
步骤14:通过估计信道的冲激响应来得到Rc12(n)和Rc11(n)之间的时延信息,该时延信息即为所述第一接收信号x1(n)和所述第二接收信号x2(n)的相对时延|d2-d1|。
其中,λ的数值取1,第一接收信号x1(n)和所述第二接收信号x2(n)接收到的背景噪声服从广义的高斯分布,p为大于0且小于α的参数,后面的实施例会对p作出进一步的定义。
图2是本发明适用尖峰噪声环境的时延估计方法的原理方框图,信道的冲激响应方法包括:将Rc12(n)和Rc11(n)作为两个MA滤波器的输入信号,在最小均方误差准则下,通过迭代自适应的算法得到两个所述MA滤波器的权系数的最优解w2、w1,分别作为两个所述信道h1、h2的估计,由w2、-w1峰值的位置之差获得Rc12(n)、Rc11(n)序列之间的时延信息。
迭代自适应的算法的迭代公式为:
e(n)=[wT(n)r(n)]/||w(n)|| (5)
w(n+1)=w(n)-μe(n)r(n)/||w(n)-μe(n)r(n)|| (6)
其中,e(n)为迭代误差;r(n)是将两个输入的信号向量组合在一起的新向量r(n)=[Rc12(n),Rc11(n)];w(n)是对两个信道冲激响应的估计组合后形成的新向量w(n)=[w2,-w1];μ为迭代步长。
下面通过计算机仿真实验,将本专利提出的CAED算法与AED、BCILMP算法的估计性能进行比较。
根据公式(1)构造两路接收信号,其中,带限平坦谱的源信号s(n)由高斯白噪声通过带宽为0.1的6阶巴特沃兹低通滤波器产生,脉冲性噪声由服从α稳定分布的信号来模拟,混合信噪比按照MSNR=10lg(σs 2/γv)设定,其中σs 2表示源信号的方差,γv表示噪声的分散系数,高斯噪声时,分散系数是方差的一半。假定信号与噪声、噪声与噪声是不相关的。设定两路接收信号的相对时延真值D=10Ts,Ts为信号时域的采样间隔。在CAED、AED与BCILMP算法中,选取参数p=α-1、滤波器的阶数m=20。由于我们的目的是估计两路信号的相对时延,因而不需要准确地估计出两个信道的冲激响应,考虑到约束条件||w||p=1,滤波器权矢量的初值分别设定为w2(0)=[0…010…0]、w1(0)=[0…0]。在迭代过程中,w2位于m/2处的值保持为w2的最大值,由于镜像作用,w1出现负的最大值,w2、-w2峰值位置之差就是两路接收信号相对时延的估计值。
在如下的仿真实验中,取信号序列的长度n=2000点、重复使用1次,因此AED、BCILMP算法迭代的点数是4000点;共变序列的长度为4000点,CAED算法迭代的点数是4000点。对信号序列、共变序列进行归一化处理,三种算法的迭代步长均取μ=0.0001。下面的结果均为20次独立实验的统计。
实验1:在相同α值、MSNR条件下,观察AED、BCILMP及CAED算法TDE的结果。取α=1.6、MSNR=0dB,三种算法TDE的收敛曲线如图3所示。
从图2中可以看出,在α=1.6、MSNR=0dB条件下,CAED算法比AED、BCILMP算法收敛得快、时延的估计值更接近于真值D=10Ts。表1列出了三种算法从1000点开始计算的TDE偏差及方差。由表1可知,三种算法中CAED算法TDE的偏差及方差是最小的。
表1 MSNR=0dB、α=1.6条件下AED、BCILMP及CAED算法的TDE
性能
AED | BCILMP | CAED | |
估计的偏差 | -2.5716 | -1.2165 | -0.8044 |
估计的方差 | 11.1777 | 1.3971 | 0.5124 |
实验2:在相同α值、不同MSNR条件下,比较AED、BCILMP及CAED算法的估计精度。取α=1.6、MSNR以5dB的间隔从-15dB变化到15dB,三种算法TDE的均方误差,如图4所示。
从图4中可以看出,在α=1.6、MSNR不同的条件下,三种算法中CAED算法TDE的均方误差是最小的。随着MSNR的增加,虽然AED、BCILMP及CAED算法TDE的均方误差均趋近于零,但在CAED算法比AED、BCILMP算法趋近的更快,在MSNR=0dB时TDE的均方误差已非常接近零,而AED、BCILMP算法分别在MSNR=5dB、MSNR=10dB时才很接近零。说明在在α=1.6时,CAED算法可以用于较低的MSNR情况,AED、BCILMP算法要用于较高的MSNR情况。
实验3:在相同MSNR、不同Alpha值条件下,比较AED、BCILMP及CAED算法TDE的精度。取MSNR=0dB、α以0.2的间隔从1变化到2,三种算法TDE的均方误差,如图5所示。
从图5中可以看出,在MSNR=0dB、α值不同的条件下,三种算法中CAED算法TDE的均方误差是最小的。CAED算法在α值从1变化到2时,TDE的均方误差均接近于零;AED、BCILMP算法TDE的均方误差分别在α=1.6、α=1.8时趋近于零。说明在MSNR=0dB时,CAED算法适用高斯及脉冲性很强的噪声环境,BCILMP算法适用高斯及脉冲性较弱的噪声环境,而AED算法只适用高斯或接近高斯的噪声环境。
上面的计算机仿真实验验证了CAED算法比AED、BCILMP算法收敛的速度快、TDE的精度高,尤其在尖峰性较强、信号较弱的情况下,CAED算法具有优良的估计性能。
虽然本发明已以较佳实施例揭露如上,然其并非限定本发明。本发明所属技术领域中具有通常知识者,在不脱离本发明的精神和范围内,当可作各种的更动与润饰。因此,本发明的保护范围当视权利要求书所界定者为准。
Claims (4)
1.一种适用尖峰噪声环境的时延估计方法,其特征在于,包括以下步骤:
假定第一接收信号x1(n)和第二接收信号x2(n)满足下面的离散信号模型:
x1(n)=s(n-d1)+v1(n)
x2(n)=λs(n-d2)+v2(n)
其中,s(n-d1)、s(n-d2)为所述第一接收信号x1(n)和所述第二接收信号x2(n)接收到延迟的源信号;d1、d2分别为源信号到达所述第一接收信号x1(n)和所述第二接收信号x2(n)的时间延迟;λ为衰减因子;v1(n)、v2(n)分别为所述第一接收信号x1(n)和所述第二接收信号x2(n)接收到的背景噪声;
计算所述第一接收信号x1(n)和所述第二接收信号x2(n)的互共变函数
Rc12(m)=E{x1(n)[x2(n+m)]<p-1>};
计算所述第一接收信号x1(n)的自共变函数
Rc11(m)=E{x1(n)[x1(n+m)]<p-1>};
互共变函Rc12(m)和自共变函数Rc11(m)中的自变量时间序号m取值n,即Rc12(n)和Rc11(n)是信号x(n)经过不同的两个信道h1、h2后的输出;
通过估计信道的冲激响应来得到Rc12(n)和Rc11(n)之间的时延信息,该时延信息即为所述第一接收信号x1(n)和所述第二接收信号x2(n)的相对时延|d2-d1|;
其中,所述信道的冲激响应方法包括:将Rc12(n)和Rc11(n)作为两个MA滤波器的输入信号,在最小均方误差准则下,通过迭代自适应的算法得到两个所述MA滤波器的权系数的最优解w2、w1,分别作为两个所述信道h1、h2的估计,由w2、-w1峰值的位置之差获得Rc12(n)、Rc11(n)序列之间的时延信息。
2.根据权利要求1所述的适用尖峰噪声环境的时延估计方法,其特征在于:所述λ的数值取1。
3.根据权利要求1所述的适用尖峰噪声环境的时延估计方法,其特征在于:所述第一接收信号x1(n)和所述第二接收信号x2(n)接收到的背景噪声服从广义的高斯分布。
4.根据权利要求1所述的适用尖峰噪声环境的时延估计方法,其特征在于:所述迭代自适应的算法的迭代公式为:
e(n)=[wT(n)r(n)]/||w(n)||
w(n+1)=w(n)-μe(n)r(n)/||w(n)-μe(n)r(n)||
其中,e(n)为迭代误差;r(n)是将两个输入的信号向量组合在一起的新向量r(n)=[Rc12(n),Rc11(n)];w(n)是对两个信道冲激响应的估计组合后形成的新向量w(n)=[w2,-w1];μ为迭代步长。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310618163.1A CN103647633B (zh) | 2013-11-27 | 2013-11-27 | 适用尖峰噪声环境的时延估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310618163.1A CN103647633B (zh) | 2013-11-27 | 2013-11-27 | 适用尖峰噪声环境的时延估计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103647633A CN103647633A (zh) | 2014-03-19 |
CN103647633B true CN103647633B (zh) | 2016-08-31 |
Family
ID=50252796
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310618163.1A Expired - Fee Related CN103647633B (zh) | 2013-11-27 | 2013-11-27 | 适用尖峰噪声环境的时延估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103647633B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105391538A (zh) * | 2015-10-28 | 2016-03-09 | 上海电机学院 | 一种鲁棒性的时间延迟估计方法 |
CN108667538B (zh) * | 2018-04-13 | 2020-08-14 | 大连理工大学 | 复杂噪声环境下时延和幅度衰减的联合估计方法 |
CN111273546B (zh) * | 2020-01-17 | 2022-05-10 | 合肥工业大学 | 一种基于自适应内模控制器的时间延迟估计方法 |
CN111537101A (zh) * | 2020-06-02 | 2020-08-14 | 上海电机学院 | 一种用于电站锅炉测温系统的超声波飞渡时间估计方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0498022A3 (en) * | 1991-01-28 | 1992-11-04 | Industrial Technology Research Institute | Timing recovery method and system for a receiver with a/d conversion |
-
2013
- 2013-11-27 CN CN201310618163.1A patent/CN103647633B/zh not_active Expired - Fee Related
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0498022A3 (en) * | 1991-01-28 | 1992-11-04 | Industrial Technology Research Institute | Timing recovery method and system for a receiver with a/d conversion |
Non-Patent Citations (2)
Title |
---|
α稳定分布参数估计与谱分析理论及应用研究;孙永梅;《中国优秀博硕士学位论文全文数据库 (博士)》;中国学术期刊(光盘版)电子杂志社;20060815(第08期);第1页第2-6行,第35页第20-24行,第36页第1-6行,第50页第1-11行,第51页第10-22行,图5.1 * |
基于共变谱和旋转不变技术的多径时延估计;刘文红,迟冬祥,李渊,孟银阔,钟旭;《上海电机学院学报》;20110825;第14卷(第4期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN103647633A (zh) | 2014-03-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103647633B (zh) | 适用尖峰噪声环境的时延估计方法 | |
RRL | Estimation of reliability in multicomponent stress-strength model: Log-logistic distribution | |
CN109257030B (zh) | 一种变步长lp范数LMS算法的稀疏系统辨识方法 | |
CN105306010B (zh) | 一种基于最小误差熵的凸组合自适应滤波方法 | |
Karvanen et al. | Pearson system based method for blind separation | |
CN106646356A (zh) | 一种基于卡尔曼滤波定位的非线性系统状态估计方法 | |
CN104009734A (zh) | 梯度变步长lms自适应滤波方法 | |
CN108512787A (zh) | 大规模mimo系统的超精细信道估计方法 | |
CN103135091A (zh) | 一种波达方向估计系统中的自适应冲击噪声消除方法 | |
CN103885050A (zh) | 基于缩放字典的回波信号参数估计方法 | |
CN109088834A (zh) | 一种基于压缩感知的超宽带信道估计算法 | |
CN103427791A (zh) | 一种基于粒子群优化的信号分离方法 | |
CN104410762A (zh) | 免提通话系统中的稳健回声抵消方法 | |
CN104158512A (zh) | 一种基于独立活性因子的抗冲击干扰的自适应稀疏系统辨识方法 | |
Lii et al. | Estimation for almost periodic processes | |
CN105825866A (zh) | 基于模糊系统实时卷积混合盲信号分离自适应步长方法 | |
CN109274352A (zh) | 基于最大相关熵的多凸组合自适应滤波方法 | |
CN104410388A (zh) | 基于非线性变换的自适应时间延迟估计方法 | |
CN103475608A (zh) | 模拟退火与果蝇混合优化小波广义离散多模盲均衡方法 | |
US9973174B2 (en) | Method and apparatus for determining stability factor of adaptive filter | |
CN103929150B (zh) | 一种子带自适应滤波器的权值向量更新方法 | |
Tagawa | A statistical sensitivity analysis method using weighted empirical distribution function | |
CN107315918A (zh) | 一种利用噪声提高稳健估计的方法 | |
CN105391538A (zh) | 一种鲁棒性的时间延迟估计方法 | |
CN101345564A (zh) | 脉冲超宽带信号在非视距无线信道环境下传播的建模方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20160831 Termination date: 20201127 |
|
CF01 | Termination of patent right due to non-payment of annual fee |