CN110855384A - 一种基于窗口划分的宽带频谱信噪分离方法 - Google Patents

Abstract

本发明涉及一种基于窗口划分的宽带频谱信噪分离方法，包括步骤S1，给定宽带频谱；步骤S2，判断测试参数是否改变；步骤S3，选取频谱样本；步骤S4，计算频谱噪声的标准差；步骤S5，令邻值比较判别值为deta；步骤S6，计算邻值比较初始噪声信号；步骤S7，噪声提取；步骤S8，噪声窗口划分；步骤S9，计算单个窗口噪声的中值和标准差；步骤S10，计算每个窗口的信噪分离阈值；步骤S11，信噪分离；步骤S12，优化邻值比较判别值和窗口划分宽度。本发明能够提高信噪分离精度，并更好地识别复杂电波环境的微弱干扰信号特征，为台站干扰源查找、无线电管理及消干扰策略提供重要依据。

Description

一种基于窗口划分的宽带频谱信噪分离方法

技术领域

本发明涉及射电天文技术领域，更具体地涉及一种基于窗口划分的宽带频谱的信噪分离方法。

背景技术

大口径射电望远镜具有极高的系统灵敏度，且系统内、系统间及台址内电子设备众多。随着高频电子技术、高速数字处理技术的发展和应用，数字接收机、数字终端、商用设备、电气设备及台址光学观测设备的建设，使得台址电磁环境变得尤为复杂。

射频干扰(radio frequency interference，RFI)的强度和频谱密度会使得观测结果深受射频干扰的影响以致失去使用价值。尤其利用单天线射电望远镜进行的观测(连续谱或光谱)最易受到干扰的影响，其原因是：积分时间的增加虽然提高了望远镜对天文信号的灵敏度，但也同等程度地提高了其对射频干扰信号的灵敏度。

由此可见，射频干扰对天文观测的影响越来越大，主要体现在以下几个方面：

1、具有极化特征干扰信号影响，射电望远镜装备的接收机极化器多为线极化双通道输出，通过对天文观测终端的输入功率统计，接收机双通道功率差异性较大，且垂直极化通道功率较强，随着射电望远镜俯仰角度的升高，垂直极化通道功率呈减弱趋势，由此认为来自地面的垂直极化信号进入接收系统，影响天文观测；

2、突发干扰信号影响，某个时间进入接收系统的干扰信号大幅增加，严重恶化观测数据，大量干扰信号的存在，导致此时间段的观测数据不在有效；

3、固定窄带干扰影响，此类干扰信号大多来自自身电子设备电磁辐射，窄带干扰数量越多，天文数据的有用信息损失越多，如脉冲星观测数据处理时，存在窄带干扰的通道被屏蔽，意味着窄带干扰越多，有用的频谱通道越少。

4、空间无线电业务影响，空间移动通信、飞机导航、雷达测距、卫星通讯等电磁干扰影响射电天文观测业务。

射电天文台站的电波环境测试要求测试系统具有优异的噪声系数，能够测得台站微弱的干扰信号；每次测试覆盖范围为测试天线3dB波束宽度，通过转动测试天线覆盖台站360度天区；其次，通过垂直极化测试和水平极化测试，分析台站极化信号对天文观测的影响；另外，通过相对实时的电波环境测试，分析同一方向干扰信号的变化趋势及工作日及节假日干扰信号的差异性。综上，射电天文台站电波环境测试具有宽带、极化性、重复性、实时性等特点，有效的干扰信号提取方法对研究台站干扰信号特征、干扰源查找、台站无线电管理及消干扰策略提供重要依据。

噪声和信号分离在无线电监测技术领域应用较多，长期的无线电监测，产生大量的频谱数据，有效分离频谱噪声和信号，对于研究有用信号非常有意义。而对于射电天文业务，主要运用高灵敏度射电望远镜接收宇宙中微弱的天体信号，而地面及空间其它信号进入射电望远镜接收系统，并称之为干扰信号；从电波环境频谱中有效分析噪声和干扰信号，对研究和统计射电天文台站干扰信号特征及规律非常重要。

国内的射电天文技术领域，在选择台址时进行详细的电波环境测试，通过分析台站各个方向无线电频谱及频率占用度，评估台站无线电环境优劣。而对于现有射电天文台站，射电望远镜建设过程中缺乏电磁兼容性设计，自身电子设备产生的电磁干扰成为台站主要的干扰源；通过提取不同方向、不同极化、不同时间电波环境频谱中的干扰信号，统计和分析干扰信号特征可以对研究台站干扰信号特征、干扰源查找、台站无线电管理及消干扰策略提供重要依据。而目前射电天文领域从事电波环境测试及干扰缓解方面的技术人员并不多，针对电波环境频谱提取干扰信号的研究更是少之又少，同领域相关技术文献并未找到。

为此，本申请人曾提出了一种宽带频谱的干扰信号提取方法(专利号：ZL201510542046.0.)，此专利存在如下缺点：(1)邻值比较判别值基于工程经验，缺乏理论支撑，适应性和准确性不确定度大；(2)邻值比较算法相对复杂，且动态阈值的确定增加了滤波环节，计算速度慢。

在上述专利基础上，本申请人又提出了一种基于邻值统计的宽带频谱信噪分离方法(申请号：201811510587.5)，此方法解决了计算速度慢的问题。但是，由于电波环境测量过程中宽带频谱噪声和信号存在不确定性，该申请提出的通过邻值统计确定邻值比较判别值deta的方法，参数选取范围较大。如图1(a)-(d)所示，deta取值太小，存在将噪声误认为是信号的概率；deta的值取太大，噪声均能被识别出来，但是存在将微弱信号误认为是噪声的概率。由此看出该方法对deta的选取有较高要求，选取不合适将大大降低信噪分离精度，所以现有的信噪分离方法需要进一步的优化。

发明内容

为了解决现有技术中宽带频谱信噪分离精度不稳定的问题，本发明提出一种基于窗口划分的宽带频谱信噪分离方法。

本发明提供的一种基于窗口划分的宽带频谱信噪分离方法，包括以下步骤：

步骤S1，给定宽带频谱，通过射电天文台站的电波环境测试系统提供多个给定电波环境宽带频谱P(F[n]，V[n])，其中，P为二维数组，F为频率，V为频率点对应的功率值，n为频点个数；

步骤S2，判断测试参数是否改变，若测试参数发生改变，则进入步骤S3，若测试参数未发生改变，则进入步骤S12；

步骤S3，选取频谱样本，在所述多个给定电波环境宽带频谱中取N组频谱样本，并将每组频谱样本按照频率高低均分为M段；

步骤S4，根据所述N组频谱样本，计算频谱噪声的标准差

步骤S5，令邻值比较判别值为deta；

步骤S6，根据所述宽带频谱P(F[n]，V[n])中的功率值数据，计算邻值比较初始噪声信号V[0]；

步骤S7，噪声提取，提取所述宽带频谱P(F[n]，V[n])中的频谱噪声P1(F[n]，V1[n])；

步骤S8，噪声窗口划分，将所述频谱噪声P1(F[n]，V1[n])划分为A个窗口，每个窗口的窗口划分宽度为B；

步骤S9，计算单个窗口噪声的中值V_M[A]以及标准差σ_M[A]；

步骤S10，计算每个窗口的信噪分离阈值V2[A]，得出每个频点的信噪分离阈值V2[n]；

步骤S11，信噪分离，判断V[n]-V2[n]＞0是否成立，其中，n为频点个数，若成立，则表示为所述宽带频谱P(F[n]，V[n])中的信号，若不成立，则表示为所述宽带频谱P(F[n]，V[n])中的噪声；

步骤S12，优化邻值比较判别值和窗口划分宽度，递进增加邻值比较判别值deta的值和窗口划分宽度B的值，重复执行步骤S6至步骤S11，直到统计出信噪分离准确率C的最大值，并以此时得到的信噪分离结果为最终结果。

所述步骤S6中邻值比较初始噪声信号V[0]根据公式(1)进行计算：

其中，m为正整数且m＜n，min()为统计最小值的函数，

为频谱噪声的标准差。

所述步骤S7包括：

步骤S71，将V[1]和V[0]的差值与邻值比较判别值deta进行比较，获得频谱噪声V1[1]的功率值；

步骤S72，根据所述频谱噪声V1[1]，按照频谱噪声提取流程，比较邻值的差与邻值比较判别值deta的大小，获得频谱噪声P1(F[n]，V1[n])。

所述步骤S8包括：

步骤S81，根据公式(3)计算所述窗口个数A：

其中，F[1]为数组F[n]中的第一个值，n＝1，2，3...n，B为窗口宽度，符号[]表示向下取整；

步骤S82，根据公式(4)将频谱噪声P1(F[n]，V1[n])中的功率向量V1[n]划分为A个窗口：

其中，V₁₁表示第一个窗口中的第一个频点处的功率，V_A(Y+Y1)表示第A个窗口中的第Y+Y1个频点处的功率。

所述步骤S9包括：

步骤S91，根据公式(5)计算单个窗口噪声功率的中值V_M[A]：

其中，Median()为中值计算函数；

步骤S92，根据公式(6)计算单个窗口噪声功率的标准差σ_M[A]：

其中，SD()为标准差计算函数。

所述步骤S10中每个窗口的信噪分离阈值V2[A]根据公式(7)计算：

其中，V_M[A]为单个窗口噪声功率的中值，σ_M[A]为单个窗口噪声功率的标准差。

所述步骤S12中信噪分离准确率C根据公式(9)计算：

其中，R为人工判别的宽带频谱中信号的个数，R1为信噪分离后识别的信号的个数，n为数据中的频点个数。

所述邻值比较判别值deta的取值范围为

所述窗口划分宽度B取值范围为(0.6MHz，6MHz)。

所述步骤S12中的邻值比较判别值deta的递进步长为0.01，所述窗口划分宽度B的递进步长为0.1MHz。

所述步骤S12中的邻值比较判别值deta取为

且所述窗口划分宽度B取为1.8MHz，默认此时信噪分离准确率C取得最大值。

本发明将频谱噪声进行窗口划分，并优化邻值比较判别值和窗口宽度，能够提高信噪分离精度，并更好地识别复杂电波环境的微弱干扰信号特征，为台站干扰源查找、无线电管理及消干扰策略提供重要依据。

附图说明

图1是现有技术中邻值判别比较值取不同值时噪声提取示意图。

图2是按照本发明的宽带频谱信噪分离流程图。

图3是按照本发明的步骤S6中的频谱噪声提取流程图。

图4是按照本发明的不同方向宽带频谱信噪分离示意图。

具体实施方式

以下结合附图和实施例对本发明做进一步描述，应该理解，以下实施例仅用以说明而并非限制本发明。

本发明所述的一种基于窗口划分的宽带频谱信噪分离方法，如图2所示，包括以下步骤：

步骤S1，通过射电天文台站的电波环境测试系统提供多个给定电波环境宽带频谱P(F[n]，V[n])，其中，P为二维数组，F为频率，V为频率点对应的功率值，n为频点个数。

步骤S2，判断测试参数是否改变。若测试参数发生改变，获得的频谱序列特征将改变，则进入步骤S3；若测试参数未发生改变，则进入步骤S12。所述测试参数改变是指电波环境测量系统硬件设备更新，或测量设备的测量参数设置发生变化。

步骤S3，选取频谱样本。在上述多个给定电波环境宽带频谱中取N组频谱样本，每组频谱样本数据的数据格式和数据点与P(F[n]，V[n])一致，并将每组频谱样本按照频率高低均分为M段。考虑到电波环境监测数据重复性高，数据量大，频谱样本选取应覆盖所有测试方向。

步骤S4，计算频谱样本标准差。系统测试配置不变时，该频谱样本标准差仅需计算一次。在M段频谱中找出一段连续且没有干扰的频谱，频谱中频点对应的功率值记录为S[X]，X为功率值个数，计算每段频谱中样本数据的标准差σ_NM，

为S[X]中所有数据的平均值，取σ_NM中样本平均值作为频谱噪声的标准差

步骤S5，令邻值比较判别值为deta，其取值范围为

步骤S6，计算邻值比较初始噪声信号。由于初始信号为宽带信号，存在信号与信号进行比较的情况，为避免这类情况发生，需要通过宽带频谱P(F[n]，V[n])中的功率值数据，根据公式(1)统计出初始噪声信号V[0]：

其中，m为正整数且m＜n，min()为统计最小值的函数，为频谱噪声的标准差，

约为频谱噪声动态范围的一半。依据现有无线电频率分配，低频(小于2GHz频率)宽带干扰小于15MHz，若频谱点间隔为30kHz，则选取500个样本点统计样本中最小值，故本实施例中取m＝500。

步骤S7，提取频谱噪声P1(F[n]，V1[n])。对于给定的宽带频谱P(F[n]，V[n])，频谱噪声提取算法如图3所示。包括：

步骤S71，将V[1]和V[0]的差值与deta进行比较，获得频谱噪声V1[1]的功率值；

步骤S72，依据计算获得的V1[1]，按照频谱噪声提取流程，通过比较邻值的差与判别值deta的大小，从而获得频谱噪声P1(F[n]，V1[n])。

步骤S8，对步骤S7中获得的频谱噪声P1(F[n]，V1[n])进行窗口划分。

上述步骤S7完成了频谱噪声的提取，由于提取的频谱噪声带宽很宽，噪声特征随着频率不同发生变化，因此需要对频谱噪声进行窗口划分。窗口划分后，意味着将宽带频谱噪声划分为多个子频段噪声，子频段内的噪声特征参数更容易提取，能够进一步提高信噪分离的准确性。窗口划分方法具体包括：

步骤S81，将频谱噪声P1(F[n]，V1[n])划分为A个窗口，则窗口宽度B依照公式(2)计算：

B＝Z×Y (2)

其中，Y为单个窗口频点个数；Z为频点间隔，单位为Hz。依照数据处理经验，窗口划分宽度B取值范围为(0.6MHz，6MHz)。

窗口个数A依照公式(3)进行计算：

其中，F[1]为数组F[n]中的第一个值，n＝1，2，3...n。符号[]表示向下取整，即若A的计算结果为100.8，则A取100。由于对窗口个数A进行取整，则第1至A-1个窗口频点个数为Y，第A个窗口频点个数为Y+Y1，Y1为取整后余下最后一段频谱噪声数据的数据个数。

步骤S82，将频谱噪声P1(F[n]，V1[n])中的功率向量V1[n]划分为A个窗口，用公式(4)表示：

其中，V₁₁表示第一个窗口中的第一个频点处的功率值，V_A(Y+Y1)表示第A个窗口中的第Y+Y1个频点处的功率值。

步骤S9，计算单个窗口噪声功率的中值和标准差，具体包括：

步骤S91，按照公式(5)计算单个窗口噪声功率的中值V_M[A]：

其中，Median()为数据样本的中值计算函数，例如：V_M[1]＝Median([V₁₁，V₁₂，…，V_1Y])。

步骤S92，按照公式(6)进行计算单个窗口噪声功率的标准差σ_M[A]：

其中，SD()为数据样本的标准差计算函数，例如：σ_M[1]＝SD([V₁₁，V₁₂，…，V_1Y])。

步骤S10，按照公式(7)计算每个窗口的信噪分离阈值V2[A]，即每个窗口对应一个阈值。由于每个窗口中实际上存在多个频点，因此一个窗口中的每个频点对应相同的阈值。将公式(7)中进行展开，用于描述每个频点的信噪分离阈值V2[n]，如公式(8)所示。

式中，

中每个窗口含有Y个向量，即第1个至第A-1个窗口均存在Y个向量，且每个向量对应的阈值相同。V₂[A]表示第A个窗口存在(Y+Y1)个向量，且每个向量对应的阈值相同。

V_M+4σ_M为信噪分离阈值，即原始频谱P中的功率值若小于V_M+4σ_M则认为是噪声，大于V_M+4σ_M则认为是信号。由于频谱噪声样本P1符合高斯分布，其在±4σ之间浮动的概率为99.99％(来自统计理论)，若噪声的中值为V_M，则频谱噪声小于V_M+4σ_M的概率为99.99％。由此，可以实现信号和噪声的准确分离。

步骤S11，信噪分离。对于给定的频谱数据P(F[n]，V[n])，计算的信噪分离阈值为P2(F[n]，V2[n])，即V[n]-V2[n]＞0时获得给定频谱中的信号，否则获得频谱噪声，实现频谱数据信噪分离。

步骤S12，由于频谱噪声带宽很宽，噪声起伏受环境噪声和测量系统不同频率的功率响应的影响较大。在步骤S8中如果噪声频谱的窗口宽度划分太窄，样本点数可能不符合正态分布；窗口宽度划分太宽，窗口内噪声起伏较大。所以，有必要对窗口划分宽度B进行优化。并且，为进一步提高信噪分离的精度，同时对邻值比较判别值deta进行优化。其具体优化方法包括：

首先，按照公式(9)计算信噪分离准确率C：

其中，R为人工判别宽带频谱中信号的个数，n为频谱中数据点数，R1为通过信噪分离后信号识别的个数。

其次，统计信噪分离准确率C的值并找出最大值。具体为：令邻值比较判别值初始值

窗口划分宽度初始值B＝0.6MHz，并取deta的递进步长为0.01，窗口划分宽度B的递进步长为0.1MHz，重复执行步骤S6-步骤S11。计算出邻值比较判别值deta和窗口划分宽度B取不同值时所有对应的准确率C后，找出准确率C最大时所对应的deta和B的值，此时的deta和B即为最终优化的参数值，且此时信噪分离的结果即为最终结果。

若不进行步骤S12，则在步骤S5中令邻值比较判别值

在步骤S8中令窗口划分宽度B＝1.8MHz，执行步骤S6-S11后实现信噪分离。

下面结合具体实施例对本发明做具体说明。

步骤S1，提供多个给定电波环境宽带频谱P(F[n]，V[n])，其中，P为二维数组，F为频率，取值范围为400-2000MHz，V为频率点对应的功率值，频率点间隔为30KHz，n为频率点个数，取n＝53334。

在本实施例中，测试参数发生改变，进入步骤S3。

步骤S3，在多个给定电波环境宽带频谱中选取6组频谱样本(每组频谱样本中数据的数据格式和数据点与P(F[n]，V[n])一致)，每组频谱样本覆盖60°方向，6组频谱覆盖360°方向。

步骤S4，将每组频谱样本按照频率高低均分为6段，并在每组频谱样本的6段频谱中选取一段连续且无干扰的频谱，根据选取的每段频谱中的200个频率点对应的功率值，计算获得频谱噪声的标准差

步骤S5，令邻值比较判别值为deta，，deta的取值范围为(0.37，1.04)。

步骤S6，根据公式(1)计算邻值比较的初始噪声信号V[0]＝-87.9。

步骤S7，通过频谱噪声提取法对每个给定电波环境宽带频谱P(F[n]，V[n])中的数组V[n]进行处理，获得对应的频谱噪声数据P1(F[n]，V1[n])。

步骤S8，按照公式(2)-(4)完成宽带频谱噪声的窗口划分，窗口划分宽度B的取值范围为(0.6MHz，6MHz)。

步骤S9，按照公式(5)计算每个窗口的噪声中值，按照公式(6)计算每个窗口的噪声标准差。

步骤S10，按照公式(7)-(8)计算信噪分离阈值P2(F[n]，V2[n])。

步骤S11，对于给定的频谱数据P(F[n]，V[n])，计算的信噪分离阈值为P2(F[n]，V2[n])，则V[n]-V2[n]＞0时获得给定宽带频谱中的信号；否则获得宽带频谱中的噪声，实现频谱数据信噪分离。

步骤S12，取deta的递进步长为0.01，窗口划分宽度B的递进步长为0.1MHz，按照公式(9)计算准确率C，重复执行步骤S6至S11。经过统计deta取0.43，B取1.8MHz时，准确率C最大。所以，在测量参数不变的情况下，优化后的deta为0.43，窗口划分宽度B为1.8MHz。

以优化后的邻值比较判别值deta和窗口划分宽度B对六组不同方向的宽度频谱进行信噪分离，结果如图4所示，可以看出，信噪分离阈值与频谱噪声吻合较好，表明此方法具有较高的信噪分离精度。

以上所述的，仅为本发明的较佳实施例，并非用以限定本发明的范围，本发明的上述实施例还可以做出各种变化。即凡是依据本发明申请的权利要求书及说明书内容所作的简单、等效变化与修饰，皆落入本发明专利的权利要求保护范围。本发明未详尽描述的均为常规技术内容。

Claims (10)

1.一种基于窗口划分的宽带频谱信噪分离方法，其特征在于，包括以下步骤：

步骤S1，给定宽带频谱，通过射电天文台站的电波环境测试系统提供多个给定电波环境宽带频谱P(F[n]，V[n])，其中，P为二维数组，F为频率，V为频率点对应的功率值，n为频点个数；

步骤S2，判断测试参数是否改变，若测试参数发生改变，则进入步骤S3，若测试参数未发生改变，则进入步骤S12；

步骤S3，选取频谱样本，在所述多个给定电波环境宽带频谱中取N组频谱样本，并将每组频谱样本按照频率高低均分为M段；

步骤S4，根据所述N组频谱样本，计算频谱噪声的标准差

步骤S5，令邻值比较判别值为deta；

步骤S6，根据所述宽带频谱P(F[n]，V[n])中的功率值数据，计算邻值比较初始噪声信号V[0]；

步骤S7，噪声提取，提取所述宽带频谱P(F[n]，V[n])中的频谱噪声P1(F[n]，V1[n])；

步骤S8，噪声窗口划分，将所述频谱噪声P1(F[n]，V1[n])划分为A个窗口，每个窗口的窗口划分宽度为B；

步骤S9，计算单个窗口噪声的中值V_M[A]以及标准差σ_M[A]；

步骤S10，计算每个窗口的信噪分离阈值V2[A]，得出每个频点的信噪分离阈值V2[n]；

步骤S11，信噪分离，判断V[n]-V2[n]＞0是否成立，其中，n为频点个数，若成立，则表示为所述宽带频谱P(F[n]，V[n])中的信号，若不成立，则表示为所述宽带频谱P(F[n]，V[n])中的噪声；

步骤S12，优化邻值比较判别值和窗口划分宽度，递进增加邻值比较判别值deta的值和窗口划分宽度B的值，重复执行步骤S6至步骤S11，直到统计出信噪分离准确率C的最大值，并以此时得到的信噪分离结果为最终结果。

2.根据权利要求1所述的方法，其特征在于，所述步骤S6中邻值比较初始噪声信号V[0]根据公式(1)进行计算：

其中，m为正整数且m＜n，min()为统计最小值的函数，

为频谱噪声的标准差。

3.根据权利要求1所述的方法，其特征在于，所述步骤S7包括：

步骤S71，将V[1]和V[0]的差值与邻值比较判别值deta进行比较，获得频谱噪声V1[1]的功率值；

步骤S72，根据所述频谱噪声V1[1]，按照频谱噪声提取流程，比较邻值的差与邻值比较判别值deta的大小，获得频谱噪声P1(F[n]，V1[n])。

4.根据权利要求1所述的方法，其特征在于，所述步骤S8包括：

步骤S81，根据公式(3)计算所述窗口个数A：

其中，F[1]为数组F[n]中的第一个值，n＝1，2，3…n，B为窗口宽度，符号[]表示向下取整；

步骤S82，根据公式(4)将频谱噪声P1(F[n]，V1[n])中的功率向量V1[n]划分为A个窗口：

其中，V₁₁表示第一个窗口中的第一个频点处的功率，V_A(Y+Y1)表示第A个窗口中的第Y+Y1个频点处的功率。

5.根据权利要求1所述的方法，其特征在于，所述步骤S9包括：

步骤S91，根据公式(5)计算单个窗口噪声功率的中值V_M[A]：

其中，Median()为中值计算函数；

步骤S92，根据公式(6)计算单个窗口噪声功率的标准差σ_M[A]：

其中，SD()为标准差计算函数。

6.根据权利要求1所述的方法，其特征在于，所述步骤S10中每个窗口的信噪分离阈值V2[A]根据公式(7)计算：

其中，V_M[A]为单个窗口噪声功率的中值，σ_M[A]为单个窗口噪声功率的标准差。

7.根据权利要求1所述的方法，其特征在于，所述步骤S12中信噪分离准确率C根据公式(9)计算：

其中，R为人工判别的宽带频谱中信号的个数，R1为信噪分离后识别的信号的个数，n为数据中的频点个数。

8.根据权利要求1所述的方法，其特征在于，所述邻值比较判别值deta的取值范围为

所述窗口划分宽度B取值范围为(0.6MHz，6MHz)。

9.根据权利要求1所述的方法，其特征在于，所述步骤S12中的邻值比较判别值deta的递进步长为0.01，所述窗口划分宽度B的递进步长为0.1MH z。

10.根据权利要求1所述的方法，其特征在于，所述步骤S12中的邻值比较判别值deta取为

且所述窗口划分宽度B取为1.8MHz，默认此时信噪分离准确率C取得最大值。

Images