CN108307267B - 基于目标信息分布模式的随机采样系统 - Google Patents
基于目标信息分布模式的随机采样系统 Download PDFInfo
- Publication number
- CN108307267B CN108307267B CN201711202666.5A CN201711202666A CN108307267B CN 108307267 B CN108307267 B CN 108307267B CN 201711202666 A CN201711202666 A CN 201711202666A CN 108307267 B CN108307267 B CN 108307267B
- Authority
- CN
- China
- Prior art keywords
- module
- distribution
- signal
- nyquist
- sampling
- 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.)
- Active
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04R—LOUDSPEAKERS, MICROPHONES, GRAMOPHONE PICK-UPS OR LIKE ACOUSTIC ELECTROMECHANICAL TRANSDUCERS; DEAF-AID SETS; PUBLIC ADDRESS SYSTEMS
- H04R3/00—Circuits for transducers, loudspeakers or microphones
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04R—LOUDSPEAKERS, MICROPHONES, GRAMOPHONE PICK-UPS OR LIKE ACOUSTIC ELECTROMECHANICAL TRANSDUCERS; DEAF-AID SETS; PUBLIC ADDRESS SYSTEMS
- H04R2430/00—Signal processing covered by H04R, not provided for in its groups
Abstract
基于信息分布模式的随机采样系统。自适应地建立相似分布的随机采样点进行原始信号采集的系统。本系统由计算机、信号传感器、信号采集模块和FIFO模块组成。当用Y分布模式采样与奈奎斯特模式采样时相同数据量的情况下,就能为我们提供比奈奎斯特采样所获得的更高的信号分辨率,便于从近场微波探测场景中分离出不同分布模式的原始信号;在仍然保持奈奎斯特较高采样频率所获得的同样信号分辨率的情况下,Y分布模式采样的数据量能够大大减少。
Description
技术领域
本发明属于信号检测与信息获取技术领域,特别涉及一种基于信息分布模式而建立的伪随机采样技术。
背景技术
采样是将一个原始信号(即时间或空间上的连续函数)转换成一个数值序列(即时间或空间上的离散函数)的方法。在相应时间采集原始信号数据的采集点我们称为采样点,样本的采样过程称为样本采样,每一个采样的信号数值称为一个采样样本;两个采样点之间的时间空隙称为采样间隔;信号采样的时间间隔很小,一般在毫秒和微秒的量级;采样点的时间函数为x(t),在采样点采集的信号数据为信号电平,用电压表示,通过模/数转换,将模拟信号电压值变成为数字信号电压值——称为采样数值或样本数值。
用采样器对连续信号或离散信号采样,能够确定采样频率;采样定理指出,如果信号是带限的,并且采样频率f高于信号带宽频率F的两倍,f>2F,那么,原来的连续信号可以从采样样本中完全重建出来;当采样频率f低于原始信号中频率F的两倍时f≤2F,采样后的频率分量会导致混叠现象,混叠问题的严重程度与这些混叠频率分量的相对强度有关。f-2F的数值越小,则混叠现象越严重。
实验1:当前声卡常用的采样频率f=44.1KHz,每秒采集声音样本44.1千次,能够充分还原原始信号的频率是F=22.05KHz以下的声音频率,采样频率f 越高,获得的声音文件质量越好,占用存储空间也就越大。一首CD音质的歌曲会占去45M左右的存储空间。
实验2:当前对一段频率进行采样时,如果频率点靠得较近时,例如:233.5Hz 和233.6Hz的两个音频信号混频在一起,采用奈奎斯特分布采样方法将这两个频率区分开来,采样频率就必须针对区分出0.1Hz的差别来计算,要让233.6Hz 中的0.1Hz差别能够区分开来就必须实现两个频率至少1Hz的差别,而且要使 1Hz差别区分开,必须当前的音频信号采样频率必须大于≥233.6Hz×10× 2=4672Hz;当我们用<4672Hz的采样频率进行采样时,结果就会产生混叠现象,两个频率就无法区分开。
举例3:如果678.5Hz和678.6Hz的两个音频信号混频在一起,采用奈奎斯特分布采样方法将这两个频率区分开来,采样频率就必须≥678.6Hz×10× 2=13570Hz;当我们用<13570Hz的采样频率进行采样时,结果也产生了混叠现象,就无法区分出这两个频率。
为了压缩音频信号的存储空间,近年来,出现了替代奈奎斯特分布采样定理的“压缩采样”理论。用随机采样来获取信号的离散样本,然后通过非线性重建算法重建信号,实现用不完全的数据集来重建连续频率信号。以下两种措施可避免混叠的发生:1)提高采样频率,使之达到最高信号频率的两倍以上; 2)引入低通滤波器或提高低通滤波器的统计参数;该低通滤波器通常称为抗混叠滤波器。这两种措施依然是建立在均匀采样的基础之上的。
最新发展的“压缩采样信号”理论,即CS理论依靠两个准则:稀疏性和不连贯性。稀疏性:CS方法发现许多自然信号是十分稀疏并可压缩的,当用适当的基础特征函数Ψ表述时,他们就能有简明的表达。不连贯性:延续了时间和频率的二元性,并表明目标在基础特征函数Ψ有一个稀少的特征并一定会在他们已得的范围内扩展。这种压缩采样为加速断层成像,模数转换和数字摄影等一系列应用提供了的新方向。但是,在“压缩采样”理论的实践中发现,“压缩采样”中的奈奎斯特分布采样仍然会遵循采样定理的规律出现“混叠”现象。
发明内容
本发明建立了一种基于目标信息分布模式,自适应地建立相似分布的随机采样点进行原始信号采集的系统。
为什么“压缩采样信号”理论出现后,至今没有实现这一方法的系统出现?这是因为该CS理论依靠两个准则:原始信号的稀疏性和不连贯性。长期以来,人们在不断寻找符合该理论的表达方式或函数,但是到目前为止,没有找到更好的表达模式。
本发明是将均匀采样点的时间函数x(t),用正态分布、瑞利分布、泊松分布或二次分布等等不同分布来替代;并且通过调整每一个不均匀分布的统计参数μ和σ的变化,得到了用最少的采样点获得与奈奎斯特分布采样频率f=2F时相同采样效果的分布,收到了意想不到的结果。统计参数μ代表分布的中心线位置,μ的变化代表中心线在时间轴上移动和σ代表分布的变化率,σ越小,分布变化越平坦,σ越大,分布变化越陡峭。本发明实质是通过不断变换各种分布模式以使该模式能够符合原始信号的实际分布模式要求;通过调整统计参数σ使分布的变化规律与原始信号分布的规律重合;通过调整统计参数μ使分布的中心线位置与原始信号分布规律中的中心点位置重合。
应用工具:遗传算法(见附图2 遗传算法计算变化流程示意图)。
a)设置进化代数计数器t=0,设置最大进化代数T。
b)计算初始群体P(t)中各个个体的适应度。
c)将选择算子作用于初始群体P(t)。通过对初始群体P(t)中个体的适应度进行评估,找出较高适应度的个体,作为结果输出;
d)将交叉算子作用于初始群体P(t)。遗传算法中起核心作用的就是交叉算子,通过两个父代个体的部分结构加以替换重组而生成新个体的操作,以获得新的更加优化的个体,通过适应度评估,得到较高适应度的个体,作为结果输出;
如果通过选择和交叉算子仍然没有达到适应度的期望值,或没有达到最大进化代数T,则继续:
e)将变异算子作用于初始群体P(t)。通过对群体中的个体串的某些基因座上的基因值作变动,以改变个体的适应度,从而能得到较高适应度的个体。通过对初始群体P(t)经过选择、交叉和变异运算之后得到下一代群体P(t1);令群体P(t1)为新一代初始群体P(t);重新对新一代初始群体P(t)中个体适应度作集体评估,以获得选择、交叉、变异运算的发展特性,即判断如何进化的发展趋势;通过对适应度优化的P(tx)群体进行多次进化,以得到适应度最高的个体作为结果输出。
符合终止条件时则转到f);如果不符合终止条件,则令tx=t;P(tx)=P(t),即P(tx)作为新一代的初始群体P(t)。当对新一代的初始群体P(t)进行再一次遗传计算时,该新一代初始群体P(t)作为本次计算的初始群体,重新设置最大进化代数T。转到b)——e)步骤执行,直到P(tx)群体内的个体符合终止条件时则转到f)。
f)终止条件判断:若达到t=T或明确找到了适应度最高的个体,则以进化过程中所得到的具有最大适应度个体作为最优解输出,终止计算。
实现本发明的模块有:信号采集模块;定时器;ADC模块;信号传感器;通信模块;缓存模块;FIFO模块;随机数据生成模块;计算机;Y分布模块;信号分析模块。
(A)FIFO模块包含通信模块和缓存模块,具有通信功能和存贮功能,能够让数据按照先进先出的方式进入和发出,能够存贮1000种数据组;
(B)随机数据生成模块,因为计算机只能生成伪随机数,为表述简便以下仍然称为随机数。随机数据生成模块包含奈奎斯特分布模块和Y分布模块;Y分布模块通过变化统计数据均值(μ)和/或方差(σ),生成符合多种分布模式的随机数据组;
(C)Y分布模块-该模块中包含有均匀分布模块、正态分布模块、瑞利分布模块、泊松分布模块、二项分布模块等;能够发布均匀分布、正态分布、瑞利分布、泊松分布、二项分布中各种分布模式的数据组,为书写方便统一称为Y 分布数据组;
(D)信号分析模块是一种遗传算法模块;根据FIFO模块输送来的奈奎斯特分布数据组和/或Y分布数据组为采样点取得的原始信号数据组称为数值组;当信号分析模块对奈奎斯特分布数值组和/或Y分布数值组进行信号特征统计,并对统计的信号特征进行分析;根据原始信号信息特征,查找出具有与原始信号特征最大适应度的个体作为最优解输出。
1.计算机:有随机数据生成模块,其中包含有奈奎斯特分布模块外,还有Y 分布模块;还有信号分析模块;
(A)随机数据生成模块-因为计算机只能生成伪随机数-为表述简便,以下仍然称为随机数。随机数据生成模块是根据奈奎斯特分布模块和Y分布模块推送的分布模式生成符合该分布模式的随机数据组的模块;
(B)Y分布模块-包含有均匀分布模块、正态分布模块、瑞利分布模块、泊松分布模块、二项分布模块等;
(C)信号分析模块是一种遗传算法模块;根据奈奎斯特分布模式数据组采集的原始信号信息特征为目标特征,查找出Y分布模式数据组采集的原始信号信息特征中具有与目标特征最大适应度的个体作为最优解输出。
2.信号传感器是一种定时采集外部信号的传感器。
3.信号采集模块包含定时器与ADC模块;按照计算机的要求实现对原始信号的定时采样。信号采集模块是将信号传感器采集到的原始信号按照需要进行处理,提供了两种采集信号方法:一种是采集原始信号瞬时的信号功率值;另一种是采集原始信号某时段的信号能量值。
4.FIFO模块包含通信模块和缓存模块;通信模块实现FIFO模块与计算机和信号采集模块之间的通信,缓存模块将需要存储的数据送入缓存模块贮存。
本系统的信号流程如下:
(A)启动计算机中的奈奎斯特分布模块,产生奈奎斯特分布模式的N个采样点的数据组;
(B)将奈奎斯特分布数据组送到FIFO模块,由FIFO模块的缓存模块给予贮存;
(C)从FIFO模块缓存中取出奈奎斯特分布数据组,送信号采集模块;
(D)信号采集模块通过定时器与ADC模块组合,按照奈奎斯特分布数据组采样点对信号传感器传送来的原始信号采样,在奈奎斯特分布数据组的每一个采样点采集原始信号数值,将所采集的原始信号数值集中组成数值组;并将采集的原始信号数值组和奈奎斯特分布数据组一同传回FIFO模块缓存给予保存;
(A1)启动计算机中的随机数据生成模块中Y分布模块,分别产生Y分布模式的N个采样点的数据组;其中包含了:均匀分布、正态分布、瑞利分布、泊松分布、二次分布数据组;
(B1)将Y分布模式数据组送到FIFO模块,由FIFO模块的缓存给予保存;从FIFO模块缓存中取出Y分布模式数据组,送信号采集模块;
(C1)信号采集模块通过定时器与ADC模块的组合,按照Y分布模式数据组采样点对信号传感器传送来的原始信号进行采样,采集原始信号数值组;并将采集的原始信号数值组和Y分布模式数据组一同回传FIFO模块缓存存贮;
(D1)将Y分布模式数值组和Y分布模式数据组一同送信号分析模块;将奈奎斯特分布数据组和奈奎斯特分布数值组送信号分析模块;获取各种模式数值组的信号特征;
(E)信号分析模块是一种遗传算法模块,通过设置进化代数计数器t=0,设置最大进化代数T;调整Y分布特征的统计参数μ和σ的变化,使Y分布产生新特征群体P(t);计算特征群体P(t)中各个个体相对于奈奎斯特分布特征的适应度;特征群体P(t)经过选择、交叉、变异运算之后得到下一代特征群体P(t1);通过不断叠代进化,以进化过程中所得到的Y分布特征与奈奎斯特分布特征具有最大适应度的个体作为最优解输出。
实验表明,通过Y分布模式采样与奈奎斯特分布采样率相比较:当奈奎斯特分布采样率为44.1KHz时,能够获得高保真的声音效果;而同样的声音效果用Y分布模式采样时,正态分布采样率只需要400Hz,即可得到与奈奎斯特分布采样率44.1KHz时失真度误差小于0.3%的数据集。Y分布模式中的正态分布产生了适应度最高的解,我们将该解输出,获得了最小采样率400Hz,而且能够使还原的信号不产生混叠现象。
结论之一:采用了Y分布模式采样和采用奈奎斯特分布模式采样相比,在仍然保持奈奎斯特分布较高采样频率所获得的同样分辨率的情况下,Y分布模式采样的数据量能够大大下降。
结论之二:当奈奎斯特分布模式采样和Y分布模式采样,当采样点相同时,使用与信号分布相近的Y分布模式采样点采样能够得到更加清晰的原始信号信息特征。针对相同原始信号进行的不同分布模式的随机采样,能够从频谱幅度的轻微变化中对信号进行区分。
附图说明
图1是本发明随机采样系统示意图;
图2是遗传算法计算变化流程示意图;
图3是本发明原始信号分布模式与多种分布模式之比较示意图;
图4是本发明原始信号分布模式与正态分布模式不同统计参数σ的分布之比较示意图;
图5是本发明原始信号分布模式与正态分布模式不同统计参数μ的分布之比较示意图;
图6是本发明原始信号分布模式与正态分布模式重叠之比较示意图;
图7是本发明实验中显示器对提琴声音采样中随机采样与奈奎斯特采样频率谱与时间的对比图;
图8是本发明实验中显示器对提琴声音采样中随机采样与奈奎斯特采样功率谱对比图;
图9是本发明实验中显示器对233Hz和678Hz信号,采样频率400Hz时的均匀分布随机采样重建原始信号图;
图10是本发明实验中显示器对233Hz和678Hz信号,采样频率400Hz时的正态分布随机采样重建原始信号图;
图11是本发明实验中显示器对233Hz和678Hz信号,采样频率400Hz时的瑞利分布随机采样重建原始信号图;
图12是本发明实验中显示器对233Hz和678Hz信号,采样频率400Hz时的奈奎斯特采样重建原始信号图;
图13本发明所述混合频率目标信号(233.5Hz+233.6Hz),Y分布采样频率频谱示意图;
图14本发明所述混合频率目标信号(233.5Hz+233.6Hz)奈奎斯特分布采样频谱示意图;
图15本发明所述混合频率目标信号(678.5Hz+678.6Hz),Y分布采样采样频率采样频谱示意图;
图16本发明所述混合频率目标信号(678.5Hz+678.6Hz)奈奎斯特分布采样频谱示意图;
图17是本发明低音提琴频率检测图,平均采样频率400Hz,低音提琴时域波形对比示意图;
图18是本发明低音提琴频率检测图,平均采样频率400Hz,采样分布模式的频谱对比示意图。
图19本发明微波近场空间介电差异探测回波频率的奈奎斯特采样和三种随机插值的时域波形采样点示意图;
图20本发明微波近场空间介电差异探测回波频率前后插值500个采样点频谱图;
图21本发明微波近场空间介电差异探测回波频率前后插值50个采样点频谱图;
图22本发明微波近场空间介电差异探测回波频率前后插值30、50、1K采样点的频谱差异对比图。
说明:1-信号采集模块;2-定时器;3-比较匹配寄存器;4-ADC模块;5- 信号传感器;6-通信模块;7-缓存模块;8-FIFO模块;9-随机数据生成模块;10-计算机;11-数据计算模块;12-分布模块;13-信号分析模块。
具体实施方式
本发明是这样实现的:系统由计算机10、信号传感器5、信号采集模块1 和FIFO模块8组成。其中:在计算机10中增加Y分布模块12、随机数据生成模块9、数据计算模块11和信号分析模块13;
Y分布模块12-包含有奈奎斯特分布模块,均匀分布模块、正态分布模块、瑞利分布模块、泊松分布模块、二项分布模块等;对各分布模块逐一发布;
随机数据生成模块9-因为计算机10只能生成伪随机数-为表述简便,以下仍然称为随机数;随机数据生成模块9是根据Y分布模块12生成的分布模式,生成符合该分布模式的随机数据组的模块;发出与FIFO模块8的通信的请求,并通过FIFO模块8到信号采集模块1;
主程序负责生成随机数以及与FIFO模块8的通信。
数据计算模块11和信号分析模块13:数据计算模块11根据送来的Y分布的信号数值和随机数据组逐一进行特征回归计算;将所有Y分布的特征送信号分析模块13进行分析;通过叠代法不断调整每一个Y分布随机分布统计参数μ和σ的变化,获得不同的概率密度;使得Y分布的随机数据点采样的信号特征与通过奈奎斯特方式采样的信号特征接近,直到用最少的随机数据点采样的信号数据所表示的特征与奈奎斯特方式采样的数据所表示的特征符合率≥99%;
将所有Y分布中与奈奎斯特的特征符合率最高的随机采样特征作为对原始信号采样的特征来进行采样点计算,以获取最符合对原始信号采样模式。
FIFO模块8包含通信模块6和缓存模块7,采用FT2232芯片实现;实现FIFO 模块8与计算机10和信号采集模块1之间的通信,并将需要存储的数据存入缓存模块7;计算机10通过FIFO给单片机下达工作指令,设置工作模式等,单片机通过FIFO回馈采样点、采样数值和执行信息。通信模块6负责计算机10与数据采集器的通信,内容包含采样点、采样数值和控制信息。
信号采集模块1包含定时器2与ADC模块4,以及信号传感器5组成;按照计算机10的要求实现对原始信号的定时采样。
由于要等待不同分布的随机数,故单片机程序运行时经常处于空闲状态,等待计算机10通过FIFO模块8传达指令,根据指令确定FIFO模块8的缓存模块7送来的随机数,并将该随机数作为采样点开始采样,采样后将该随机数连同对原始信号的采样数值一同回传送给FIFO模块8的缓存模块7贮存;
ADC采样模块由计数器比较匹配中断触发,在ADC模块4控制下完成信号传感器5对原始信号采样数值后,触发ADC模块4中断服务程序,该程序读取采样数值,并通过FIFO模块8的通信模块6,将采样点和采样数值一对数据回传送给FIFO模块8至缓存模块7贮存;FIFO模块8判断没有随机数错误的情况下,置位于send_ready(准备好)位置,主程序会在数据准备好位置时将准备好的缓存模块7的数据通过FIFO模块8的通信模块6发送给ADC采样模块。
定时器2工作在比较匹配中断模式,当FIFO模块8置位于准备好位置时,通过FIFO模块8的通信模块6发送给ADC模块4一个触发信号到比较匹配寄存器3,比较匹配寄存器3被触发,比较匹配寄存器3的值被更新,设置为下一个新的随机数,如果新的随机数还没有准备好,则置位在随机数错误标志位,等待下一个随机数的到来。
计算机10对数据流程进行调整:
(A)启动随机数据生成模块9中奈奎斯特分布模块,产生奈奎斯特分布模式的N个采样点的数据组;
(B)将奈奎斯特分布数据组送到FIFO模块8,由FIFO模块8的缓存模块 7给予保存;
(C)从FIFO模块8缓存模块7中取出奈奎斯特分布数据组,送信号采集模块1;
(D)信号采集模块1根据奈奎斯特分布数据组的各数据点对信号传感器5 传送的原始信号进行采样;通过定时器2与ADC模块4组合,按照奈奎斯特分布数据组采样点对原始信号采样,在奈奎斯特分布数据组的每一个采样点采集信号传感器5传送的原始信号数据值,组成奈奎斯特分布数值组;并将采集的原始信号数据和奈奎斯特分布数据组一同回FIFO模块8缓存模块7给予保存;
(E)将奈奎斯特分布数据组和采集的原始信号数值组一同送信号分析模块 13;
(A1)启动随机数据生成模块9Y分布模块12——分别为均匀分布14、正态分布15、瑞利分布16、泊松分布和二次分布等等各种分布模块,Y分布模块 12,产生Y分布模式——均匀分布14、正态分布15、瑞利分布16、泊松分布和二次分布等等各种分布模式数据组;数据组同样取N个采样点;
(B1)将Y分布模式数据组送到FIFO模块8,由FIFO模块8的缓存模块7 给予保存;
(C1)从FIFO模块8的缓存模块7中取出Y分布模式数据组,送信号采集模块1;
(D1)信号采集模块1通过定时器2与ADC模块4的组合,按照Y分布模式数据组采样点对信号传感器5传送来的原始信号进行采样,采集原始信号数据值,将一种分布模式的原始信号数据值组成一组,称为XX分布数值组;并将采集的原始信号数值组和Y分布模式数据组一同传送FIFO模块8的缓存模块7 给予保存;
(G)当FIFO模块8接收到计算机10传来“输送随机数据集和原始信号数据集进行计算”的指令时,FIFO模块8通过通信模块6将存贮在缓存模块7 的符合计算机指定的奈奎斯特分布数据组和奈奎斯特分布数值组,以及Y分布模式数据组和Y分布模式数值组一起送信号分析模块13;
(H)信号分析模块13将奈奎斯特分布数值组特征和Y分布数值组特征进行比对,通过调整Y分布特征的统计参数μ和σ的变化,使Y分布的概率分布逼近奈奎斯特分布的概率分布;
(E)信号分析模块13是一种遗传算法模块,通过设置进化代数计数器t=0,设置最大进化代数T;调整Y分布的特征统计参数μ和σ的变化,使Y分布产生新特征群体P(t);计算特征群体P(t)中各个体相对于奈奎斯特分布特征的适应度;特征群体P(t)经过选择、交叉、变异运算之后得到下一代特征群体P(t1);通过叠代,以进化过程中所得到的具有最大适应度个体作为最优解输出。
(J)将Y分布中最优解数据组作为本系统对该原始信号进行随机采样的标准模式送入FIFO模块8的缓存模块7;当计算机10需要对该原始信号进行随机采样时,直接从缓存模块7中调出最优解数据组送信号采集模块1用于对该原始信号采样。
例如:信号采集模块1,通过定时器2与ADC模块4配合,根据随机数据设置间隔采样点,这些间隔符合频率分布模式要求;在每一个频率采样点对原始信号进行数据采集。例如:采集230Hz——240Hz频率段原始信号时,如果随机数据为0.31时,则表示要在233.1频率点采集信号数据,随机数据为0.52时,则表示要在235.2频率点采集信号数据,……。由于各种分布的随机数据不同,所以,各分布模式下产生的随机数据频率间隔也不相同,各随机数据点采集到的原始信号数据也不相同;将各种分布模式下产生的随机数据组和信号采集模块1按照随机数据组采集的原始信号数值组,存入FIFO模块8缓存模块7。
实施例1:音频信号的频谱分析
见附图3-6 ,附图7-8 ;通过Y分布模式采样与奈奎斯特分布采样率相比较:当奈奎斯特分布采样率为44.1KHz 时,能够获得高保真的声音效果;而同样的声音效果用Y分布模式采样时,正态分布采样率只需要400Hz,即可得到与奈奎斯特分布采样率44.1KHz时失真度误差小于0.3%的数据集。Y分布模式中的正态分布产生了适应度最高的解,我们将该解输出,获得了最小采样率400Hz,而且能够使还原的信号不产生混叠现象。结论是采用了Y分布模式采样和采用奈奎斯特分布模式采样相比,在仍然保持奈奎斯特分布较高采样频率所获得的原始信号同样分辨率的情况下,Y分布模式采样的数据量能够大大下降。
实施例2:图13-14 。当前对一段频率进行采样时,如果频率点靠得较近时,例如:233.5Hz和233.6Hz的两个音频信号混频在一起,采用奈奎斯特采样方法将这两个频率区分开来,采样频率就必须针对区分出0.1Hz的差别来计算,要让233.6Hz中的0.1Hz差别能够区分开来就必须实现两个频率至少 1Hz的差别,而且要使1Hz差别区分开,当前的音频信号采样频率必须≥233.6Hz ×10×2=4672Hz;当我们用<4672Hz的采样频率进行采样时,结果就会产生混叠现象,两个频率就难以区分开。当采用了均匀分布、正态分布和瑞利分布采样方法,用了同样采样点,能够得到准确地将频率区分开的结果。
实施例3:图15-16 。如果678.5Hz和678.6Hz的两个音频信号混频在一起,采用奈奎斯特采样方法将这两个频率区分开来,采样频率就必须≥ 678.6Hz×10×2=13570Hz;当我们用<13570Hz的采样频率进行采样时,结果也产生了混叠现象,就难以区分出这两个频率。当采用了均匀分布、正态分布和瑞利分布采样方法,用了同样采样点,能够得到准确地将频率区分开的结果。
实施例4:微波近场介电常数差异分布检测
对微波近场空间介电特性探测回波的检测实验。实验中分别采用了奈奎斯特插值采样和三种随机分布插值采样;见附图19-22 :这些附图是在示波仪器上显示窗口的直接截屏,用黑色的表示为插值前的微波近场空间的介电特性回波曲线示意图;绿色的为采用均匀分布14插值的微波回波的介电特性曲线示意图;粉色的为采用的正态分布15插值微波回波的介电特性曲线示意图;淡兰色的为采用的瑞利分布16插值微波回波的介电特性曲线示意图;天兰色的为采用的奈奎斯特分布插值微波回波的介电特性曲线示意图。
实验中分别在奈奎斯特采样的基础上,从采样的两个相邻点之间插入了50 个、500个和1000个插值。
从回波曲线中可以看出,当插值在50个时,均匀分布14差值与近场原始信号回波差值为0.1394;当插值在500个时,正态分布15差值与近场原始信号回波差值为0.1381;可见在500个以下插值时,插值的数量和分布都产生明显的影响,当达到1000Hz时,并且采用瑞利分布16方式插值的近场微波原始信号回波的差值达到0.4074的适应度。证明了当用Y分布模式采样与奈奎斯特模式采样时相同数据量的情况下,就能为我们提供比奈奎斯特采样所获得的更高的频率分辨率,便于从近场微波探测场景中分离出不同分布模式的原始信号。
Claims (8)
1.基于目标信息分布模式的随机采样系统,包含有计算机(10)、信号传感器(5)、信号采集模块(1)、FIFO模块(8),其特征在于在计算机(10)中有Y分布模块(12)、随机数据生成模块(9)和信号分析模块(13);
本系统的信号流程如下:
(A)启动计算机(10)中的奈奎斯特分布模块和Y分布模块(12),产生奈奎斯特和Y分布模式的N个采样点的数据组;
(B)将奈奎斯特分布数据组送到FIFO模块(8),由FIFO模块(8)的缓存模块给予贮存;
(C)从FIFO模块(8)缓存中取出奈奎斯特分布数据组,送信号采集模块;
(D)信号采集模块通过定时器与ADC模块组合,按照奈奎斯特分布数据组采样点对信号传感器传送来的原始信号采样,在奈奎斯特分布数据组的每一个采样点采集原始信号数值,将所采集的原始信号数值集中组成数值组;并将采集的原始信号数值组和奈奎斯特分布数据组一同传回FIFO模块缓存给予保存;
(A1)启动计算机中的随机数据生成模块中Y分布模块,分别产生Y分布模式的N个采样点的数据组;
(B1)将Y分布模式数据组送到FIFO模块,由FIFO模块的缓存给予保存;从FIFO模块缓存中取出Y分布模式数据组,送信号采集模块;
(C1)信号采集模块通过定时器与ADC模块的组合,按照Y分布模式数据组采样点对信号传感器传送来的原始信号进行采样,采集原始信号数值组;并将采集的原始信号数值组和Y分布模式数据组一同回传FIFO模块缓存存贮;
(D1)将Y分布模式数值组和Y分布模式数据组一同送信号分析模块;将奈奎斯特分布数据组和奈奎斯特分布数值组送信号分析模块;获取各种模式数值组的信号特征;
(D2)信号分析模块(13)将奈奎斯特分布数值组特征和Y分布数值组特征进行比对;
(E)信号分析模块是一种遗传算法模块,通过设置进化代数计数器t=0,设置最大进化代数T;调整Y分布特征的统计参数μ和σ的变化,使Y分布产生新特征群体P(t);计算特征群体P(t)中各个个体相对于奈奎斯特分布特征的适应度;特征群体P(t)经过选择、交叉、变异运算之后得到下一代特征群体P(t1);通过不断叠代进化,以进化过程中所得到的Y分布特征具有最大适应度的个体作为最优解输出。
2.根据权利要求1所述的基于目标信息分布模式的随机采样系统,其特征在于Y分布模块(12)—包含有均匀分布(14)模块、正态分布(15)模块、瑞利分布(16)模块、泊松分布模块、二项分布模块;生成符合该分布模式的随机数据组。
3.根据权利要求1所述的基于目标信息分布模式的随机采样系统,其特征在于随机数据生成模块(9)对奈奎斯特模块和Y分布模块(12)推送每一种分布模式,生成符合该分布模式的随机数据组。
4.根据权利要求1所述的基于目标信息分布模式的随机采样系统,其特征在于信号分析模块(13)是一种遗传算法模块。
5.根据权利要求1所述的基于目标信息分布模式的随机采样系统,其特征在于信号采集模块(1)包含定时器(2)与ADC模块(4)。
6.根据权利要求1所述的基于目标信息分布模式的随机采样系统,其特征在于FIFO模块(8)包含通信模块(6)和缓存模块(7)。
7.根据权利要求1所述的基于目标信息分布模式的随机采样系统,其特征在于通信模块(6)实现FIFO模块(8)与计算机(10)和信号采集模块(1)之间的通信,需要存储的数据存入缓存模块(7)。
8.根据权利要求1所述的基于目标信息分布模式的随机采样系统,其特征在于Y分布模块(12)有“奈奎斯特”模块,均匀分布模块、正态分布模块、瑞利分布模块、泊松分布模块、二项分布模块。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711202666.5A CN108307267B (zh) | 2017-11-27 | 2017-11-27 | 基于目标信息分布模式的随机采样系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711202666.5A CN108307267B (zh) | 2017-11-27 | 2017-11-27 | 基于目标信息分布模式的随机采样系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108307267A CN108307267A (zh) | 2018-07-20 |
CN108307267B true CN108307267B (zh) | 2020-09-08 |
Family
ID=62870086
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711202666.5A Active CN108307267B (zh) | 2017-11-27 | 2017-11-27 | 基于目标信息分布模式的随机采样系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108307267B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109581016B (zh) * | 2018-11-07 | 2020-10-16 | 电子科技大学 | 一种随机时间等效采样系统 |
CN110988605B (zh) * | 2019-12-31 | 2023-03-21 | 深圳友讯达科技股份有限公司 | 一种故障录波采样系统及采样方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH02104060A (ja) * | 1988-10-11 | 1990-04-17 | Canon Inc | 画像読み取り装置 |
CN1405672A (zh) * | 2001-09-07 | 2003-03-26 | 日本电气株式会社 | 随机数产生方法和随机数产生装置 |
CN101414957A (zh) * | 2007-10-17 | 2009-04-22 | 北京中电华大电子设计有限责任公司 | 一种用于无线局域网的缓冲队列管理方法 |
CN102749137A (zh) * | 2011-04-21 | 2012-10-24 | 王伟兰 | 一种基于fpga和usb2.0协议接口的ccd光谱信号通用采集系统设计 |
CN105828041A (zh) * | 2016-04-11 | 2016-08-03 | 上海大学 | 一种支持并行预处理的视频采集系统 |
CN106850253A (zh) * | 2016-12-15 | 2017-06-13 | 李敏 | 一种基于多状态网络的传输时间可靠性测量的方法 |
-
2017
- 2017-11-27 CN CN201711202666.5A patent/CN108307267B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH02104060A (ja) * | 1988-10-11 | 1990-04-17 | Canon Inc | 画像読み取り装置 |
CN1405672A (zh) * | 2001-09-07 | 2003-03-26 | 日本电气株式会社 | 随机数产生方法和随机数产生装置 |
CN101414957A (zh) * | 2007-10-17 | 2009-04-22 | 北京中电华大电子设计有限责任公司 | 一种用于无线局域网的缓冲队列管理方法 |
CN102749137A (zh) * | 2011-04-21 | 2012-10-24 | 王伟兰 | 一种基于fpga和usb2.0协议接口的ccd光谱信号通用采集系统设计 |
CN105828041A (zh) * | 2016-04-11 | 2016-08-03 | 上海大学 | 一种支持并行预处理的视频采集系统 |
CN106850253A (zh) * | 2016-12-15 | 2017-06-13 | 李敏 | 一种基于多状态网络的传输时间可靠性测量的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108307267A (zh) | 2018-07-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CA2755850C (en) | Time domain electromagnetic interference monitoring method and system | |
CN104506378B (zh) | 一种预测数据流量的装置及方法 | |
CN108307267B (zh) | 基于目标信息分布模式的随机采样系统 | |
CA3168906A1 (en) | Method and apparatus for compressing and decompressing a higher order ambisonics representation | |
US10637751B2 (en) | Methods and systems for online monitoring using a variable data sampling rate | |
JP5448452B2 (ja) | スペクトル・トレースを発生するデータ圧縮 | |
CN112560771A (zh) | 一种带宽特征曲线的拟合系统、方法和装置 | |
CN111089994A (zh) | 多信道触发设备及方法 | |
CN111988707B (zh) | 啸叫检测方法、装置及存储介质 | |
CN109490852B (zh) | 一种线性调频脉冲信号调频斜率极性确定方法 | |
US8175829B2 (en) | Analyzer for signal anomalies | |
CN108322218B (zh) | 基于信息分布模式的随机采样方法 | |
CN108334932B (zh) | 基于目标信号特征的频率区分方法 | |
CN109412718B (zh) | 宽带频谱信号检测方法 | |
CN110096612A (zh) | 语音日志的在线音频分析数据的获取方法及系统 | |
US20210357494A1 (en) | User authentication method using ultrasonic waves | |
CN116991145B (zh) | 一种应用于励磁电流的主控单元制备测试方法和装置 | |
CN117351993B (zh) | 一种基于音频分发的音频传输质量评价方法及系统 | |
CN113408122B (zh) | 一种多自由度调频信号的生成方法、装置及存储介质 | |
Fasciani | TSAM: a tool for analyzing, modeling, and mapping the timbre of sound synthesizers | |
CN115562624A (zh) | 真随机数采集方法、装置及系统 | |
CN111081264A (zh) | 一种语音信号处理方法、装置、设备及存储介质 | |
CN115980532A (zh) | 一种无线局部放电传感器样本采集方法和系统 | |
CN113921032A (zh) | 音频处理模型的训练方法及装置、音频处理方法及装置 | |
AU745837B2 (en) | Method and apparatus for producing an aproximation to a sequence of vectors |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |