CN111461438A - 一种信号检测方法、装置、电子设备和存储介质 - Google Patents
一种信号检测方法、装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN111461438A CN111461438A CN202010252927.XA CN202010252927A CN111461438A CN 111461438 A CN111461438 A CN 111461438A CN 202010252927 A CN202010252927 A CN 202010252927A CN 111461438 A CN111461438 A CN 111461438A
- Authority
- CN
- China
- Prior art keywords
- signal
- detected
- signal data
- data
- initial
- 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.)
- Granted
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 145
- 238000005457 optimization Methods 0.000 claims abstract description 34
- 238000000034 method Methods 0.000 claims abstract description 29
- 230000008859 change Effects 0.000 claims abstract description 14
- 238000012545 processing Methods 0.000 claims description 12
- 238000000605 extraction Methods 0.000 claims description 4
- 230000002087 whitening effect Effects 0.000 claims description 4
- 230000008569 process Effects 0.000 abstract description 11
- 230000003631 expected effect Effects 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 16
- 238000004090 dissolution Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 4
- 230000002093 peripheral effect Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000014759 maintenance of location Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 229910008045 Si-Si Inorganic materials 0.000 description 1
- 229910006411 Si—Si Inorganic materials 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
- H04B17/309—Measuring or estimating channel quality parameters
- H04B17/318—Received signal strength
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
- H04B17/309—Measuring or estimating channel quality parameters
- H04B17/345—Interference values
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Electromagnetism (AREA)
- General Physics & Mathematics (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Indication And Recording Devices For Special Purposes And Tariff Metering Devices (AREA)
Abstract
本申请提供一种信号检测方法、装置、电子设备和存储介质，所述方法包括：获取在预设时间段内的待检测信号，所述待检测信号包括多个待检测信号数据；获取与所述待检测信号对应的期望目标信号，所述期望目标信号包括多个与待检测信号数据一一对应的期望目标信号数据；根据期望目标信号中相邻的期望目标信号数据的幅值变化，以及待检测信号数据与对应的期望目标信号数据的相似程度构建信号检测模型；求解由所述信号检测模型定义的优化问题，获取到所述信号检测模型的最优解，所述最优解为目标信号。通过将对待检测信号数据进行信号提取的过程转换为优化问题，利用求解优化问题的最优解来得到符合期望效果的目标信号。
Description
技术领域
本申请涉及信号检测领域，具体而言，涉及一种信号检测方法、装置、电子设备和存储介质。
背景技术
在信号监测领域中，获取到的无线电信号中会带有很多噪声，但由于不确定噪声功率、信号信道特性等先验信息，由此需要采用信号盲检测的方式将目标信号检测出来。
现有技术是通过设定一个固定的门限值的方式进行信号盲检测，也即将高于门限值的无线电信号作为目标信号。但在信号功率较低的情况下容易将目标信号误作为噪声，造成信号漏检；在噪声功率较强的情况下容易将噪声作为目标信号，造成信号虚检，从而导致信号检测不准确。
发明内容
本申请实施例的目的在于提供一种信号检测方法、装置、电子设备和存储介质，用以提高信号检测的准确性。
第一方面，实施例提供一种信号检测方法，包括：获取在预设时间段内的待检测信号，所述待检测信号包括多个待检测信号数据；获取与所述待检测信号对应的期望目标信号，所述期望目标信号包括多个与待检测信号数据一一对应的期望目标信号数据；根据期望目标信号中相邻的期望目标信号数据的幅值变化，以及待检测信号数据与对应的期望目标信号数据的相似程度构建信号检测模型；求解由所述信号检测模型定义的优化问题，获取到所述信号检测模型的最优解，所述最优解为目标信号。
本申请实施例根据相邻的期望目标信号数据的幅值，通过将对待检测信号数据进行信号提取的过程转换为优化问题，利用求解优化问题的最优解来得到符合期望效果的目标信号，以此来保证检测得到的目标信号的准确性。
在可选的实施方式中，所述目标信号包括多个目标信号数据，所述求解由所述信号检测模型定义的优化问题，获取到所述信号检测模型的最优解，包括：根据相邻的待检测信号数据的差异对信号检测模型的取值的影响，以及对应的相邻的期望目标信号的差异对信号检测模型的取值的影响，得到第一判断条件，所述第一判断条件用于对相邻的待检测信号数据的差异进行约束；针对多个待检测信号数据中所有相邻的待检测信号数据执行如下步骤，得到所述信号检测模型的最优解；其中，针对每一组相邻的待检测信号数据执行的步骤包括：将相邻的待检测信号数据分别作为第一待检测信号数据和第二待检测信号数据；判断所述第一待检测信号数据和第二待检测信号数据的幅值变化是否满足第一判断条件；若满足，则根据第一待检测信号数据和第二待检测信号数据求取对应的第一平均值，将所述第一平均值作为对应的第一目标信号数据和第二目标信号数据的幅值；若不满足，则将第一待检测信号数据作为对应的第一目标信号数据，以及将第二待检测信号数据作为对应的第二目标信号数据。
本申请实施例根据相邻的待检测信号的差异以及对应的相邻的期望目标信号数据的差异对信号检测模型的取值的影响，得到待检测信号的约束条件，并确定不同约束条件下对应的目标信号数据的幅值，以此快速、准确地求解信号检测模型。
在可选的实施方式中，所述第一判断条件为相邻的待检测信号数据的幅值变化的平方小于第一预设阈值。
本申请实施例通过约束相邻的待检测信号数据的差异的上限，以此来准确地确定在不同的约束条件下目标信号数据的幅值，提高对信号检测的准确性。
在可选的实施方式中，所述目标信号包括多个目标信号数据集合，所述目标信号数据集合包括至少一个目标信号数据，所述求解由所述信号检测模型定义的优化问题，获取到所述信号检测模型的最优解，包括：获取预设迭代次数；针对多个待检测信号数据重复执行预设迭代次数的如下步骤，得到所述信号检测模型的最小值对应的最优解；其中，执行预设迭代次数的步骤包括：获取当前迭代次数以及对应的多个待检测信号数据；根据相邻待检测信号数据之间的幅值，将多个待检测信号数据划分为多个待检测信号数据集合，每一信号数据集合中所有待检测信号数据的幅值相同；根据相邻的待检测信号数据的差异对信号检测模型的取值的影响，对应的相邻的期望目标信号的差异对信号检测模型的取值的影响，以及当前迭代次数和预设迭代次数的比值，得到第二判断条件，所述第二判断条件用于对相邻的待检测信号数据集合之间的待检测信号数据的差异进行约束；针对多个待检测信号数据集合中所有相邻的待检测信号数据集合执行如下步骤后，得到当前迭代次数对应的所述信号检测模型的最优解，并根据所述最优解对下一迭代次数对应的待检测信号数据进行更新；其中，针对每一组相邻的待检测信号数据集合执行的步骤包括：将相邻的待检测信号数据集合分别作为第一待检测信号数据集合和第二待检测信号数据集合；判断所述第一待检测信号数据集合和第二待检测信号数据集合的幅值变化是否满足第二判断条件；若满足，则根据第一待检测信号数据集合和第二待检测信号数据集合中所有待检测信号数据求取对应的第二平均值，将所述第二平均值分别作为对应的第一目标信号数据集合和第二目标信号数据集合中目标信号数据的幅值；若不满足，则将第一待检测信号数据集合作为对应的第一目标信号数据集合，以及将第二待检测信号数据集合作为对应的第二目标信号数据集合。
本申请实施例通过迭代处理的方式，对约束条件下的相邻的待检测信号数据集合进行溶解合并，由此可以更加准确地计算出信号检测模型的最优解，提高目标信号的准确性。
在可选的实施方式中，所述第二判断条件为相邻的待检测信号数据集合的幅值变化的平方与所述相邻的待检测信号数据集合中所有待检测信号数据的数据个数的比值小于第二预设阈值，所述第二预设阈值为根据当前迭代次数和预设迭代次数的比值得到的。
本申请实施例根据迭代次数来约束对相邻的待检测信号数据集合中待检测信号数据的差异，以此来准确地确定在不同的约束条件下目标信号数据集合中目标信号数据的幅值，提高对信号检测的准确性。
在可选的实施方式中，所述获取在预设时间段内的待检测信号，包括：获取在预设时间段内的第一初始信号以及预设占比，所述第一初始信号包括多个第一初始信号数据，所述预设占比用于表征多个第一初始信号数据中的主成分数据的占比；根据多个第一初始信号数据的幅值分布，计算出预设占比对应的主成分数据幅值范围；根据所述主成分数据幅值范围，对所述多个第一初始信号数据进行收拢处理，得到所述第一初始信号的初始噪声，所述初始噪声的幅值均在所述主成分数据幅值范围之内；对所述初始噪声进行噪声基底提取，得到对应的噪声基底；根据所述噪声基底对第一初始信号进行白化处理，得到第一初始信号对应的待检测信号。
本申请实施例利用主成分数据幅值范围，对第一初始信号数据进行噪声提取，由此可以初步剔除第一初始信号数据中的异常值，保证待检测信号的高质量。
在可选的实施方式中，所述初始噪声包括多个初始噪声数据，所述对所述初始噪声进行噪声基底提取，得到对应的噪声基底，包括：针对多个初始噪声数据中所有初始噪声数据执行如下步骤，将处理后的初始噪声数据作为对应的噪声基底；其中，针对每一初始噪声数据执行的步骤包括：获取最新的多个初始噪声数据；从所有的初始噪声数据中按照数据采集顺序，选择一个作为待提取噪声数据；根据待提取噪声数据确定对应的邻域，所述邻域包括距离所述待提取噪声数据最近的预设数目的初始噪声数据；根据邻域中初始噪声数据的值确定待提取噪声数据的值，并根据待提取噪声数据的值更新对应的初始噪声数据。
本申请实施例根据每一初始噪声数据对应的邻域，对初始噪声进行平滑处理，有效提取到待检测信号数据中初始噪声对应的噪声基底，提高处理后得到的待检测信号数据的质量。
第二方面，实施例提供一种信号检测装置，包括：第一获取模块，用于获取在预设时间段内的待检测信号，所述待检测信号包括多个待检测信号数据；第二获取模块，用于获取与所述待检测信号对应的期望目标信号，所述期望目标信号包括多个与待检测信号数据一一对应的期望目标信号数据；构建模块，用于根据期望目标信号中相邻的期望目标信号数据的幅值变化，以及待检测信号数据与对应的期望目标信号数据的相似程度构建信号检测模型；求解模块，用于求解由所述信号检测模型定义的优化问题，获取到所述信号检测模型的最优解，所述最优解为目标信号。
本申请实施例根据相邻的期望目标信号数据的幅值，利用构建模块通过将对待检测信号数据进行信号提取的过程转换为优化问题，再通过求解模块利用求解优化问题的最优解来得到符合期望效果的目标信号，以此来保证检测得到的目标信号的准确性。
第三方面，实施例提供一种电子设备，包括：处理器、存储器和总线，其中，所述处理器和所述存储器通过所述总线完成相互间的通信；所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行如前述实施方式任一项所述的方法。
第四方面，实施例提供一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行如前述实施方式任一项所述的方法。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1为本申请实施例提供的一种梯度最小化理论示意图；
图2为本申请实施例提供的又一种梯度最小化理论示意图；
图3为本申请实施例提供的一种信号检测方法的流程示意图；
图4为一种运用本申请实施例提供的信号检测方法得到的目标信号示意图；
图5为一种运用本申请实施例提供的信号检测方法得到的目标信号示意图；
图6为一种运用本申请实施例提供的信号检测方法得到的目标信号示意图；
图7为一种运用本申请实施例提供的信号检测方法得到的目标信号示意图；
图8为本申请实施例提供的一种信号检测装置的结构示意图；
图9为一种可应用于本申请实施例中的电子设备的结构框图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行描述。
在待检测信号中噪声功率、信号信道特性等先验信息未知的情况下，采用现有技术固定的门限值进行信号检测的方式，无法适用于信号功率较弱或者是电池环境较差导致噪声功率较强的环境，容易导致信号检测不准确。而本申请实施例提供的一种信号检测方法，意图基于L0范数最小化优化理论来提高信号检测的准确性。
其中，L0范数是Lp范数的特殊形式，可以看成一个向量中的所有非零值的个数。对于一个时间段内的信号来说，L0范数也可以为信号中幅值发生变化的相邻信号数据的个数，也即信号中的非零梯度的个数。再者，梯度也即相邻信号数据之间幅值变化的差值，非零梯度也即相邻信号数据之间幅值变化不为零的差值。对于信号检测来说，L0范数最小化优化理论则是通过控制信号中的所有的非零梯度的个数，以实现信号的减噪与特征保留的功能。举例来说，图1为本申请实施例提供的一种梯度最小化理论示意图，图2为本申请实施例提供的又一种梯度最小化理论示意图。图1与图2中的虚线a为待检测信号，实线b为基于L0范数最小化优化理论处理后的目标信号。如图1所示，实线b通过移除虚线a中比较小的非零梯度来实现去噪。如图2所示，实线b通过保留虚线a中较大的非零梯度，来实现特征保留。
图3为本申请实施例提供的一种信号检测方法的流程示意图，所述信号检测方法包括：
步骤310：获取在预设时间段内的待检测信号，所述待检测信号包括多个待检测信号数据。
其中，待检测信号可以为通过天线接收到的信号，也可以为监视和截获到的信号，待检测信号的获取方式不限定，可以根据实际信号检测需求进行调整。同时，待检测信号可以为无线电信号，也可以为电流信号，待检测信号的具体类型不限定，也可以根据实际信号检测需求进行调整。按照一定的频率获取待检测信号，可以得到待检测信号的多个待检测信号数据，多个待检测信号数据按照采集时间进行排列。采集的待检测信号的幅值可以为信号功率、信号频率等信号特性，具体的待检测信号的幅值类型不限定，可以根据实际信号检测需求进行调整。
再者，待检测信号中包括目标信号以及大量的噪声和干扰，为了检测出待检测信号中的目标信号，可以通过后续的步骤对待检测信号进行去噪等处理流程，从待检测信号中检测出目标信号。
步骤320：获取与所述待检测信号对应的期望目标信号，所述期望目标信号包括多个与待检测信号数据一一对应的期望目标信号数据。
其中，期望目标信号可以根据期望得到的目标信号的效果进行获取。例如，基于L0范数最小化优化理论，期望可以控制待检测信号中非零梯度的个数，得到期望的目标信号，由此可以确定出与待检测信号对应的期望目标信号，当待检测信号为I＝{I0,I1,……,In-1,In}时，可以根据期望的检测效果，假设期望目标信号为S＝{S0,S1,……,Sn-1,Sn}，其中，n为大于1的正整数。
步骤330：根据期望目标信号中相邻的期望目标信号数据的幅值变化，以及待检测信号数据与对应的期望目标信号数据的相似程度构建信号检测模型。
其中，期望目标信号中相邻的期望目标信号数据的幅值变化可以看做是期望目标信号中非零梯度，非零梯度即为相邻的期望目标信号数据的幅值的差值。则期望目标信号中非零梯度的个数可以表示为：
c(S)＝#{i| |Si-Si+1|≠0}
其中，Si为第i个期望目标信号，i为大于1且小于n的正整数，c(S)为期望目标信号中非零梯度的个数。并且，相邻的期望目标信号数据的幅值变化也可看作是相邻的期望目标信号数据的比值，相邻的期望目标信号数据的幅值变化的具体表现方式不限定，可以根据实际的检测需求进行选择。
由此，根据期望目标信号中相邻的期望目标信号数据的幅值变化，以及待检测信号数据与对应的期望目标信号数据的相似程度，基于梯度的L0范数最小化问题可以描述为：在确保在期望目标信号S中非零梯度的个数一定的前提下，尽可能的保证待检测信号I和期望目标信号S相近，构建得到的信号检测模型为：
其中，(Si-Ii)用于表征待检测信号数据Ii和期望目标信号数据Si之间的差异，F用于表征待检测信号I和期望目标信号S的相似程度，F的取值越小，表征待检测信号I和期望目标信号S越相似，num为人为设定的期望目标信号中非零梯度的个数，F为信号检测模型的取值。
同时，还可以根据拉格朗日变换理论，通过引入辅助参数λ，将信号检测模型进行优化，变为无约束的信号检测模型：
其中，参数λ为非零梯度个数的权重值，可以通过设置λ的大小来控制期望目标信号的品质。当λ较大时，期望目标信号中非零梯度的个数会较小，对待检测信号的去噪的程度更明显；当λ较小时，期望目标信号中非零梯度的个数会较多，则去噪的程度较弱。
步骤340：求解由所述信号检测模型定义的优化问题，获取到所述信号检测模型的最优解，所述最优解为目标信号。
以上述的信号检测模型定义的优化问题为例，求解由所述信号检测模型定义的优化问题，也即：通过设定期望目标信号中多个期望目标信号数据的值使F最小。将设定的期望目标信号作为信号检测模型的最优解，也即目标信号为使F最小的期望目标信号。
由此，本申请实施例基于L0最小化优化理论，通过控制待检测信号中的全局梯度个数，将对待检测信号进行信号提取的过程转换为优化问题，以此通过求解优化问题实现对待检测信号的减噪与特征保留，可以准确地得到目标信号。
值得说明的是，基于梯度的L0最小化优化问题是一种非凸优化问题(non-convexproperty)，该问题的求解属于NP难问题。本申请提供了一种实施方式，基于优化区域溶解下降法求解由信号检测模型定义的优化问题。其中，优化区域溶解的下降法的原理是通过将较为相似的相邻区域进行溶解，化为同样的区域。
由此，根据区域溶解下降法可以对无约束的信号检测模型进行重写，得到重写后的信号检测模型：
其中，Si和Sj为相邻的两个期望目标信号数据，||Si-Sj||0为Si,Sj间非零梯度的个数，若非零梯度的个数为1，则||Si-Sj||0等于0，若非零梯度的个数为0，则||Si-Sj||0等于1。
基于上述重写后的信号检测模型，可以先将两个相邻的待检测信号数据作为相邻区域，将相似的相邻待检测信号数据进行溶解合并，并将溶解合并的待检测信号数据作为目标信号。
作为本申请的一种实施方式，所述目标信号包括多个目标信号数据，步骤340可以具体包括：根据相邻的待检测信号数据的差异对信号检测模型的取值的影响，以及对应的相邻的期望目标信号的差异对信号检测模型的取值的影响，得到第一判断条件，所述第一判断条件用于对相邻的待检测信号数据的差异进行约束；针对多个待检测信号数据中所有相邻的待检测信号数据执行如下步骤，得到所述信号检测模型的最优解；其中，针对每一组相邻的待检测信号数据执行的步骤包括：将相邻的待检测信号数据分别作为第一待检测信号数据和第二待检测信号数据；判断所述第一待检测信号数据和第二待检测信号数据的幅值变化是否满足第一判断条件；若满足，则根据第一待检测信号数据和第二待检测信号数据求取对应的第一平均值，将所述第一平均值作为对应的第一目标信号数据和第二目标信号数据的幅值；若不满足，则将第一待检测信号数据作为对应的第一目标信号数据，以及将第二待检测信号数据作为对应的第二目标信号数据。
为了确定多个待检测数据中哪一组相邻的待检测信号数据可以进行合并，需要预先确定出对相邻的待检测信号数据的约束，也即第一判断条件。可以根据相邻的待检测信号数据的差异对信号检测模型的取值的影响，以及对应的相邻的期望目标信号的差异对信号检测模型的取值的影响，得到第一判断条件。由此，可以通过第一判断条件来对多个待检测信号数据中相邻的待检测信号数据进行判断，若满足第一判断条件，则溶解相邻的待检测信号数据，不满足则保留原始的相邻的待检测信号数据。
在上述实施例的基础上，所述第一判断条件可以为相邻的待检测信号数据的幅值变化的平方小于第一预设阈值，具体的第一判断条件可以根据实际的信号检测需求进行调整。
举例来说，可以相邻的待检测信号数据的差值，以及相邻的期望目标信号数据的差值，并将上述重写后的信号检测模型再次改为第一模型：
其中，Ij和Ij为相邻的两个期望目标信号数据，Si和Sj为相邻的两个期望目标信号数据，Si与Ii对应，Sj和Ij对应，由此，可以通过求解由第一模型定义的优化问题，找到对应的第一判断条件以及最优解。
分为两种情况考虑上述Si和Sj的取值，情况一：Si≠Sj，||Si-Sj||0＝1，则第一信号权重模型改为
此式最优解为Si＝Ii，Sj＝Ij，fij＝λ。情况二：Si＝Sj，||Si-Sj||0＝0，则第一信号权重模型改为
此式虽然是二项式，但是只有一个未知数Si。采用一阶导数为零求得Si＝Sj＝(Ii+Ij)/2,fij＝(Ii-Ij)2/2。
由此，得到的最优解为：
其中，A＝(Ii+Ij)/2，λ为人为设定的参数。第一判断条件为(Ii-Ij)2/2<λ，当(Ii-Ij)2/2<λ时，两个相邻的待检测信号数据需要进行溶解合并。
在求解重写后的信号检测模型的过程中，也可以进行多次区域溶解，保证得到的目标信号准确，可以将相邻的多个幅值相同的待检测数据作为一个待检测信号数据集合，通过迭代的方式将相似的相邻待检测信号数据集合进行区域溶解，得到目标信号。
作为本申请的另一种实施方式，所述目标信号包括多个目标信号数据集合，所述目标信号数据集合包括至少一个目标信号数据，步骤340还可以具体包括：获取预设迭代次数；针对多个待检测信号数据重复执行预设迭代次数的如下步骤，得到所述信号检测模型的最小值对应的最优解；其中，执行预设迭代次数的步骤包括：获取当前迭代次数以及对应的多个待检测信号数据；根据相邻待检测信号数据之间的幅值，将多个待检测信号数据划分为多个待检测信号数据集合，每一信号数据集合中所有待检测信号数据的幅值相同；根据相邻的待检测信号数据的差异对信号检测模型的取值的影响，对应的相邻的期望目标信号的差异对信号检测模型的取值的影响，以及当前迭代次数和预设迭代次数的比值，得到第二判断条件，所述第二判断条件用于对相邻的待检测信号数据集合之间的待检测信号数据的差异进行约束；针对多个待检测信号数据集合中所有相邻的待检测信号数据集合执行如下步骤后，得到当前迭代次数对应的所述信号检测模型的最优解，并根据所述最优解对下一迭代次数对应的待检测信号数据进行更新；其中，针对每一组相邻的待检测信号数据集合执行的步骤包括：将相邻的待检测信号数据集合分别作为第一待检测信号数据集合和第二待检测信号数据集合；判断所述第一待检测信号数据集合和第二待检测信号数据集合的幅值变化是否满足第二判断条件；若满足，则根据第一待检测信号数据集合和第二待检测信号数据集合中所有待检测信号数据求取对应的第二平均值，将所述第二平均值分别作为对应的第一目标信号数据集合和第二目标信号数据集合中目标信号数据的幅值；若不满足，则将第一待检测信号数据集合作为对应的第一目标信号数据集合，以及将第二待检测信号数据集合作为对应的第二目标信号数据集合。
其中，预设迭代次数为人为设定的迭代次数，通过根据迭代次数设定第二判断条件，并对多个待检测信号数据迭代执行预设迭代次数的区域溶解，可以使每次迭代后得到的目标信号更加逼近最优结果。为了对待检测信号数据进行迭代处理，在根据相邻的待检测信号数据的差异对信号检测模型的取值的影响，以及对应的相邻的期望目标信号的差异对信号检测模型的取值的影响的同时，可以根据当前迭代次数设定第二判断条件，使得在迭代过程中，得到的目标信号逐步逼近最优结果。
同时，在迭代进行区域溶解之后，可以根据得到的目标信号对待检测信号数据进行更新，以便下一次迭代时对新的待检测信号数据进行区域溶解。同时，利用第二判断条件判断对多个待检测信号数据中相邻的待检测信号数据集合进行判断的过程，与上述第一判断条件的判断过程类似，此处不在赘述。
在上述实施例的基础上，所述第二判断条件为相邻的待检测信号数据集合的幅值变化的平方与所述相邻的待检测信号数据集合中所有待检测信号数据的数据个数的比值小于第二预设阈值，所述第二预设阈值为根据当前迭代次数和预设迭代次数的比值得到的。具体的第二判断条件不限定，可以根据实际的信号检测需求进行调整。
举例来说，可以相邻的待检测信号数据集合的差值，以及相邻的期望目标信号数据的差值，并将上述重写后的信号检测模型再次改为第二模型：
其中，ωi表示第i个区域中元素的个数，Si表示第i个期望目标信号数据集合，Ii表示第i个待检测信号数据集合，Si与Sj为相邻的两个期望目标信号数据集合，Ii与Ij为相邻的两个待检测信号数据集合，β为根据区域溶解下降法人为设定的参数，可以设定β＝(iter/k)λ，其中，iter为当前迭代次数，k为预设迭代次数。
由此，可以通过求解由第二模型定义的优化问题，找到对应的第二判断条件以及最优解，求解过程不再进行赘述。得到的最优解为：
其中，Yi表示第i个待检测信号数据集合中所有待检测信号数据的平均值，B＝(ωiYi+ωjYj)/(ωi+ωj)。第二判断条件为ωiωj(Yi-Yj)2<β(ωi+ωj)。当ωiωj(Yi-Yj)2<β(ωi+ωj)时，两个相邻的待检测信号数据集合需要进行溶解合并。
其中，通过实验发现设定λ＝200,k＝50时，通常能够得到比较理想的信号检测的效果。
作为本申请的一种实施方式，步骤310可以具体包括：获取在预设时间段内的第一初始信号以及预设占比，所述第一初始信号包括多个第一初始信号数据，所述预设占比用于表征多个第一初始信号数据中的主成分数据的占比；根据多个第一初始信号数据的幅值分布，计算出预设占比对应的主成分数据幅值范围；根据所述主成分数据幅值范围，对所述多个第一初始信号数据进行收拢处理，得到所述第一初始信号的初始噪声，所述初始噪声的幅值均在所述主成分数据幅值范围之内；对所述初始噪声进行噪声基底提取，得到对应的噪声基底；根据所述噪声基底对第一初始信号进行白化处理，得到第一初始信号对应的待检测信号。
其中，主成分数据为第一初始信号数据中噪声的主要成分，通常根据第一初始信号数据的幅值分布，将第一初始信号数据中分布预设占比的成分作为主成分数据。
举例来说，对于长度为m的第一初始信号I’，记为I′＝{I′i+1，I′i+2，……，I′i+m}。则对于I′，计算其主成分分布区间[minI′,maxI′]，计算过程如下所示：
[minI′,maxI′]←min{maxI′-minI′}&&u⊙I′∈[minI′,maxI′]
其中，μ为预设占比，本文设置μ＝80％。则u⊙I′∈I′表示80％的第一初始信号数据分布在区间[minI,maxI]内。因此，计算得到的主成分数据幅值范围就是包含了80％的信号的最小区间。然后将位于主成分数据幅值范围之外的第一初始信号数据进行收拢处理，即将幅值大于主成分数据幅值范围的第一初始信号数据减小，将幅值小于主成分数据幅值范围的第一初始信号数据增大。由此，可以通过对第一初始信号进行主成分提取，剔除大部分的信号与负脉冲，得到较为准确地初始噪声。
需要说明的是，预设占比可以为80％，也可以为70％，预设占比的具体占比数值不限定，可以根据信号检测的实际需求进行调整。
作为本申请的又一种实施方式，所述初始噪声包括多个初始噪声数据，所述对所述初始噪声进行噪声基底提取，得到对应的噪声基底，包括：针对多个初始噪声数据中所有初始噪声数据执行如下步骤，将处理后的初始噪声数据作为对应的噪声基底；其中，针对每一初始噪声数据执行的步骤包括：获取最新的多个初始噪声数据；从所有的初始噪声数据中按照数据采集顺序，选择一个作为待提取噪声数据；根据待提取噪声数据确定对应的邻域，所述邻域包括距离所述待提取噪声数据最近的预设数目的初始噪声数据；根据邻域中初始噪声数据的值确定待提取噪声数据的值，并根据待提取噪声数据的值更新对应的初始噪声数据。
其中，待提取噪声数据对应的邻域，可以为多个初始噪声数据中距离待提取噪声数据最近的预设数目的初始噪声数据的集合。例如，待提取噪声数据对应的邻域可以为待提取噪声数据前后各50个初始噪声数据的集合。同时，预设数目的初始噪声数据可以为50个，也可以为100个，预设数目的具体数值不限定，可以根据信号检测的实际需求进行调整。
同时，根据邻域中初始噪声数据的值确定待提取噪声数据的值，可以为将邻域中所有初始噪声数据的平均值作为待提取噪声数据的值，由此，可以对初始噪声进行平滑处理，得到初始噪声对应的噪声基底。
图4为一种运用本申请实施例提供的信号检测方法得到的目标信号示意图，其中，信号d为第一待检测信号，信号e为运用本申请实施例提供的信号检测方法对信号d进行检测，得到的第一目标信号。可以看出，本申请实施例提供的信号检测方法对于信号非常敏感的，对于及其弱的信号都能够准确检测识别。
图5为一种运用本申请实施例提供的信号检测方法得到的目标信号示意图；其中，信号g为第二待检测信号，信号h为运用本申请实施例提供的信号检测方法对信号g进行检测，得到的第二目标信号。对于噪声环境较大，负脉冲较多的情况下，本申请实施例提供的信号检测方法能够有效的检测出信号。
图6为一种运用本申请实施例提供的信号检测方法得到的目标信号示意图，其中，信号l为第三待检测信号，信号m为运用本申请实施例提供的信号检测方法对信号l进行检测，得到的第三目标信号。针对噪声基底起伏较大的情况下，本申请实施例提供的信号检测方法能够检测出较为准确的信号。
图7为一种运用本申请实施例提供的信号检测方法得到的目标信号示意图，其中，信号s为第四待检测信号，信号t为运用本申请实施例提供的信号检测方法对信号s进行检测，得到的第四目标信号。对于宽频信号与窄频信号同时存在的情况，本申请实施例提供的信号检测方法能够检测出较为准确的信号。
图8为本申请实施例提供的一种信号检测装置的结构示意图，基于同一发明构思，本申请实施例中还提供一种信号检测装置800，包括：第一获取模块810，用于获取在预设时间段内的待检测信号，所述待检测信号包括多个待检测信号数据；第二获取模块820，用于获取与所述待检测信号对应的期望目标信号，所述期望目标信号包括多个与待检测信号数据一一对应的期望目标信号数据；构建模块830，用于根据期望目标信号中相邻的期望目标信号数据的幅值变化，以及待检测信号数据与对应的期望目标信号数据的相似程度构建信号检测模型；求解模块840，用于求解由所述信号检测模型定义的优化问题，获取到所述信号检测模型的最优解，所述最优解为目标信号数据。
在上述实施例的基础上，所述目标信号包括多个目标信号数据，所述求解模块840具体用于：根据相邻的待检测信号数据的差异对信号检测模型的取值的影响，以及对应的相邻的期望目标信号的差异对信号检测模型的取值的影响，得到第一判断条件，所述第一判断条件用于对相邻的待检测信号数据的差异进行约束；针对多个待检测信号数据中所有相邻的待检测信号数据执行如下步骤，得到所述信号检测模型的最优解；其中，针对每一组相邻的待检测信号数据执行的步骤包括：将相邻的待检测信号数据分别作为第一待检测信号数据和第二待检测信号数据；判断所述第一待检测信号数据和第二待检测信号数据的幅值变化是否满足第一判断条件；若满足，则根据第一待检测信号数据和第二待检测信号数据求取对应的第一平均值，将所述第一平均值作为对应的第一目标信号数据和第二目标信号数据的幅值；若不满足，则将第一待检测信号数据作为对应的第一目标信号数据，以及将第二待检测信号数据作为对应的第二目标信号数据。
在上述实施例的基础上，所述第一判断条件为相邻的待检测信号数据的幅值变化的平方小于第一预设阈值。
在上述实施例的基础上，所述目标信号包括多个目标信号数据集合，所述目标信号数据集合包括至少一个目标信号数据，所述求解模块840也可以具体用于：获取预设迭代次数；针对多个待检测信号数据重复执行预设迭代次数的如下步骤，得到所述信号检测模型的最小值对应的最优解；其中，执行预设迭代次数的步骤包括：获取当前迭代次数以及对应的多个待检测信号数据；根据相邻待检测信号数据之间的幅值，将多个待检测信号数据划分为多个待检测信号数据集合，每一信号数据集合中所有待检测信号数据的幅值相同；根据相邻的待检测信号数据的差异对信号检测模型的取值的影响，对应的相邻的期望目标信号的差异对信号检测模型的取值的影响，以及当前迭代次数和预设迭代次数的比值，得到第二判断条件，所述第二判断条件用于对相邻的待检测信号数据集合之间的待检测信号数据的差异进行约束；针对多个待检测信号数据集合中所有相邻的待检测信号数据集合执行如下步骤后，得到当前迭代次数对应的所述信号检测模型的最优解，并根据所述最优解对下一迭代次数对应的待检测信号数据进行更新；其中，针对每一组相邻的待检测信号数据集合执行的步骤包括：将相邻的待检测信号数据集合分别作为第一待检测信号数据集合和第二待检测信号数据集合；判断所述第一待检测信号数据集合和第二待检测信号数据集合的幅值变化是否满足第二判断条件；若满足，则根据第一待检测信号数据集合和第二待检测信号数据集合中所有待检测信号数据求取对应的第二平均值，将所述第二平均值分别作为对应的第一目标信号数据集合和第二目标信号数据集合中目标信号数据的幅值；若不满足，则将第一待检测信号数据集合作为对应的第一目标信号数据集合，以及将第二待检测信号数据集合作为对应的第二目标信号数据集合。
在上述实施例的基础上，所述第二判断条件为相邻的待检测信号数据集合的幅值变化的平方与所述相邻的待检测信号数据集合中所有待检测信号数据的数据个数的比值小于第二预设阈值，所述第二预设阈值为根据当前迭代次数和预设迭代次数的比值得到的。
在上述实施例的基础上，所述第一获取模块810具体用于：获取在预设时间段内的第一初始信号以及预设占比，所述第一初始信号包括多个第一初始信号数据，所述预设占比用于表征多个第一初始信号数据中的主成分数据的占比；根据多个第一初始信号数据的幅值分布，计算出预设占比对应的主成分数据幅值范围；根据所述主成分数据幅值范围，对所述多个第一初始信号数据进行收拢处理，得到所述第一初始信号的初始噪声，所述初始噪声的幅值均在所述主成分数据幅值范围之内；对所述初始噪声进行噪声基底提取，得到对应的噪声基底；根据所述噪声基底对第一初始信号进行白化处理，得到第一初始信号对应的待检测信号。
在上述实施例的基础上，所述初始噪声包括多个初始噪声数据，所述第一获取模块810具体用于：针对多个初始噪声数据中所有初始噪声数据执行如下步骤，将处理后的初始噪声数据作为对应的噪声基底；其中，针对每一初始噪声数据执行的步骤包括：获取最新的多个初始噪声数据；从所有的初始噪声数据中按照数据采集顺序，选择一个作为待提取噪声数据；根据待提取噪声数据确定对应的邻域，所述邻域包括距离所述待提取噪声数据最近的预设数目的初始噪声数据；根据邻域中初始噪声数据的值确定待提取噪声数据的值，并根据待提取噪声数据的值更新对应的初始噪声数据。
请参照图9，图9示出了一种可应用于本申请实施例中的电子设备10的结构框图。电子设备10可以包括存储器101、存储控制器102、处理器103、外设接口104、输入输出单元105、显示单元107。
所述存储器101、存储控制器102、处理器103、外设接口104、输入输出单元105、显示单元107各元件相互之间直接或间接地电性连接，以实现数据的传输或交互。例如，这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。至少一个软件或固件(firmware)存储于所述存储器101中或固化在操作系统(operating system，OS)中的软件功能模块。所述处理器103用于执行存储器101中存储的可执行模块，软件功能模块或计算机程序。
其中，存储器101可以是，但不限于，随机存取存储器(Random Access Memory，RAM)，只读存储器(Read Only Memory，ROM)，可编程只读存储器(Programmable Read-OnlyMemory，PROM)，可擦除只读存储器(Erasable Programmable Read-Only Memory，EPROM)，电可擦除只读存储器(Electric Erasable Programmable Read-Only Memory，EEPROM)等。其中，存储器101用于存储程序，所述处理器103在接收到执行指令后，执行所述程序，前述本申请实施例任一实施例揭示的方法可以应用于处理器103中，或者由处理器103实现。
处理器103可以是一种集成电路芯片，具有信号的处理能力。上述的处理器103可以是通用处理器，包括中央处理器(Central Processing Unit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现成可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器103也可以是任何常规的处理器等。
所述外设接口104将各种输入/输出装置耦合至处理器103以及存储器101。在一些实施例中，外设接口104，处理器103以及存储控制器102可以在单个芯片中实现。在其他一些实例中，他们可以分别由独立的芯片实现。
输入输出单元105用于提供给用户输入数据实现用户与所述电子设备10的交互。所述输入输出单元105可以是，但不限于，鼠标和键盘等。
显示单元107在所述电子设备10与用户之间提供一个交互界面(例如用户操作界面)或用于显示图像数据给用户参考。在本实施例中，所述显示单元107可以是液晶显示器或触控显示器。若为触控显示器，其可为支持单点和多点触控操作的电容式触控屏或电阻式触控屏等。支持单点和多点触控操作是指触控显示器能感应到来自该触控显示器上一个或多个位置处同时产生的触控操作，并将该感应到的触控操作交由处理器103进行计算和处理。
可以理解，图9所示的结构仅为示意，所述电子设备10还可包括比图9中所示更多或者更少的组件，或者具有与图9所示不同的配置。图9中所示的各组件可以采用硬件、软件或其组合实现。
综上所述，本申请提供一种信号检测方法、装置、电子设备和存储介质，所述方法包括：获取在预设时间段内的待检测信号，所述待检测信号包括多个待检测信号数据；获取与所述待检测信号对应的期望目标信号，所述期望目标信号包括多个与待检测信号数据一一对应的期望目标信号数据；根据期望目标信号中相邻的期望目标信号数据的幅值变化，以及待检测信号数据与对应的期望目标信号数据的相似程度构建信号检测模型；求解由所述信号检测模型定义的优化问题，获取到所述信号检测模型的最优解，所述最优解为目标信号数据。通过将对待检测信号数据进行信号提取的过程转换为优化问题，利用求解优化问题的最优解来得到符合期望效果的目标信号。
在本申请所提供的实施例中，应该理解到，所揭露装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
需要说明的是，功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。
以上所述仅为本申请的实施例而已，并不用于限制本申请的保护范围，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。
Claims (10)
1.一种信号检测方法，其特征在于，包括：
获取在预设时间段内的待检测信号，所述待检测信号包括多个待检测信号数据；
获取与所述待检测信号对应的期望目标信号，所述期望目标信号包括多个与待检测信号数据一一对应的期望目标信号数据；
根据期望目标信号中相邻的期望目标信号数据的幅值变化，以及待检测信号数据与对应的期望目标信号数据的相似程度构建信号检测模型；
求解由所述信号检测模型定义的优化问题，获取到所述信号检测模型的最优解，所述最优解为目标信号。
2.根据权利要求1所述的信号检测方法，其特征在于，所述目标信号包括多个目标信号数据，所述求解由所述信号检测模型定义的优化问题，获取到所述信号检测模型的最优解，包括：
根据相邻的待检测信号数据的差异对信号检测模型的取值的影响，以及对应的相邻的期望目标信号的差异对信号检测模型的取值的影响，得到第一判断条件，所述第一判断条件用于对相邻的待检测信号数据的差异进行约束；
针对多个待检测信号数据中所有相邻的待检测信号数据执行如下步骤，得到所述信号检测模型的最优解；
其中，针对每一组相邻的待检测信号数据执行的步骤包括：
将相邻的待检测信号数据分别作为第一待检测信号数据和第二待检测信号数据；
判断所述第一待检测信号数据和第二待检测信号数据的幅值变化是否满足第一判断条件；
若满足，则根据第一待检测信号数据和第二待检测信号数据求取对应的第一平均值，将所述第一平均值作为对应的第一目标信号数据和第二目标信号数据的幅值；
若不满足，则将第一待检测信号数据作为对应的第一目标信号数据，以及将第二待检测信号数据作为对应的第二目标信号数据。
3.根据权利要求2所述的信号检测方法，其特征在于，所述第一判断条件为相邻的待检测信号数据的幅值变化的平方小于第一预设阈值。
4.根据权利要求1所述的信号检测方法，其特征在于，所述目标信号包括多个目标信号数据集合，所述目标信号数据集合包括至少一个目标信号数据，所述求解由所述信号检测模型定义的优化问题，获取到所述信号检测模型的最优解，包括：
获取预设迭代次数；
针对多个待检测信号数据重复执行预设迭代次数的如下步骤，得到所述信号检测模型的最小值对应的最优解；
其中，执行预设迭代次数的步骤包括：
获取当前迭代次数以及对应的多个待检测信号数据；
根据相邻待检测信号数据之间的幅值，将多个待检测信号数据划分为多个待检测信号数据集合，每一信号数据集合中所有待检测信号数据的幅值相同；
根据相邻的待检测信号数据的差异对信号检测模型的取值的影响，对应的相邻的期望目标信号的差异对信号检测模型的取值的影响，以及当前迭代次数和预设迭代次数的比值，得到第二判断条件，所述第二判断条件用于对相邻的待检测信号数据集合之间的待检测信号数据的差异进行约束；
针对多个待检测信号数据集合中所有相邻的待检测信号数据集合执行如下步骤后，得到当前迭代次数对应的所述信号检测模型的最优解，并根据所述最优解对下一迭代次数对应的待检测信号数据进行更新；
其中，针对每一组相邻的待检测信号数据集合执行的步骤包括：
将相邻的待检测信号数据集合分别作为第一待检测信号数据集合和第二待检测信号数据集合；
判断所述第一待检测信号数据集合和第二待检测信号数据集合的幅值变化是否满足第二判断条件；
若满足，则根据第一待检测信号数据集合和第二待检测信号数据集合中所有待检测信号数据求取对应的第二平均值，将所述第二平均值分别作为对应的第一目标信号数据集合和第二目标信号数据集合中目标信号数据的幅值；
若不满足，则将第一待检测信号数据集合作为对应的第一目标信号数据集合，以及将第二待检测信号数据集合作为对应的第二目标信号数据集合。
5.根据权利要求4所述的信号检测方法，其特征在于，所述第二判断条件为相邻的待检测信号数据集合的幅值变化的平方与所述相邻的待检测信号数据集合中所有待检测信号数据的数据个数的比值小于第二预设阈值，所述第二预设阈值为根据当前迭代次数和预设迭代次数的比值得到的。
6.根据权利要求1-5任一项所述的信号检测方法，其特征在于，所述获取在预设时间段内的待检测信号，包括：
获取在预设时间段内的第一初始信号以及预设占比，所述第一初始信号包括多个第一初始信号数据，所述预设占比用于表征多个第一初始信号数据中的主成分数据的占比；
根据多个第一初始信号数据的幅值分布，计算出预设占比对应的主成分数据幅值范围；
根据所述主成分数据幅值范围，对所述多个第一初始信号数据进行收拢处理，得到所述第一初始信号的初始噪声，所述初始噪声的幅值均在所述主成分数据幅值范围之内；
对所述初始噪声进行噪声基底提取，得到对应的噪声基底；
根据所述噪声基底对第一初始信号进行白化处理，得到第一初始信号对应的待检测信号。
7.根据权利要求6所述的信号检测方法，其特征在于，所述初始噪声包括多个初始噪声数据，所述对所述初始噪声进行噪声基底提取，得到对应的噪声基底，包括：
针对多个初始噪声数据中所有初始噪声数据执行如下步骤，将处理后的初始噪声数据作为对应的噪声基底；
其中，针对每一初始噪声数据执行的步骤包括：
获取最新的多个初始噪声数据；
从所有的初始噪声数据中按照数据采集顺序，选择一个作为待提取噪声数据；
根据待提取噪声数据确定对应的邻域，所述邻域包括距离所述待提取噪声数据最近的预设数目的初始噪声数据；
根据邻域中初始噪声数据的值确定待提取噪声数据的值，并根据待提取噪声数据的值更新对应的初始噪声数据。
8.一种信号检测装置，其特征在于，包括：
第一获取模块，用于获取在预设时间段内的待检测信号，所述待检测信号包括多个待检测信号数据；
第二获取模块，用于获取与所述待检测信号对应的期望目标信号，所述期望目标信号包括多个与待检测信号数据一一对应的期望目标信号数据；
构建模块，用于根据期望目标信号中相邻的期望目标信号数据的幅值变化，以及待检测信号数据与对应的期望目标信号数据的相似程度构建信号检测模型；
求解模块，用于求解由所述信号检测模型定义的优化问题，获取到所述信号检测模型的最优解，所述最优解为目标信号数据。
9.一种电子设备，其特征在于，包括：处理器、存储器和总线，其中，
所述处理器和所述存储器通过所述总线完成相互间的通信；
所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行如权利要求1-7任一项所述的方法。
10.一种非暂态计算机可读存储介质，其特征在于，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行如权利要求1-7任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010252927.XA CN111461438B (zh) | 2020-04-01 | 2020-04-01 | 一种信号检测方法、装置、电子设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010252927.XA CN111461438B (zh) | 2020-04-01 | 2020-04-01 | 一种信号检测方法、装置、电子设备和存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111461438A true CN111461438A (zh) | 2020-07-28 |
| CN111461438B CN111461438B (zh) | 2024-01-05 |
Family
ID=71684421
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010252927.XA Active CN111461438B (zh) | 2020-04-01 | 2020-04-01 | 一种信号检测方法、装置、电子设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111461438B (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20110066403A1 (en) * | 2009-09-14 | 2011-03-17 | Ko Byoung Gwan | Method for detecting and filtering a random noise signal |
| CN102027338A (zh) * | 2008-05-14 | 2011-04-20 | 日东纺音响工程株式会社 | 信号判定方法、信号判定装置、程序、信号判定系统 |
| US20110307253A1 (en) * | 2010-06-14 | 2011-12-15 | Google Inc. | Speech and Noise Models for Speech Recognition |
| CN106911980A (zh) * | 2017-03-03 | 2017-06-30 | 富士高实业有限公司 | 具有可调反馈式主动降噪电平的耳机电路 |
| CN108599884A (zh) * | 2018-03-19 | 2018-09-28 | 重庆大学 | 一种噪声增强最小化错误概率的信号检测方法 |
| CN108964809A (zh) * | 2017-05-26 | 2018-12-07 | 南宁富桂精密工业有限公司 | 信号检测方法及电子装置 |
| CN110120230A (zh) * | 2019-01-08 | 2019-08-13 | 国家计算机网络与信息安全管理中心 | 一种声学事件检测方法及装置 |
| CN110600014A (zh) * | 2019-09-19 | 2019-12-20 | 深圳酷派技术有限公司 | 一种模型训练方法、装置、存储介质及电子设备 |
-
2020
- 2020-04-01 CN CN202010252927.XA patent/CN111461438B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102027338A (zh) * | 2008-05-14 | 2011-04-20 | 日东纺音响工程株式会社 | 信号判定方法、信号判定装置、程序、信号判定系统 |
| US20110066403A1 (en) * | 2009-09-14 | 2011-03-17 | Ko Byoung Gwan | Method for detecting and filtering a random noise signal |
| US20110307253A1 (en) * | 2010-06-14 | 2011-12-15 | Google Inc. | Speech and Noise Models for Speech Recognition |
| CN106911980A (zh) * | 2017-03-03 | 2017-06-30 | 富士高实业有限公司 | 具有可调反馈式主动降噪电平的耳机电路 |
| CN108964809A (zh) * | 2017-05-26 | 2018-12-07 | 南宁富桂精密工业有限公司 | 信号检测方法及电子装置 |
| CN108599884A (zh) * | 2018-03-19 | 2018-09-28 | 重庆大学 | 一种噪声增强最小化错误概率的信号检测方法 |
| CN110120230A (zh) * | 2019-01-08 | 2019-08-13 | 国家计算机网络与信息安全管理中心 | 一种声学事件检测方法及装置 |
| CN110600014A (zh) * | 2019-09-19 | 2019-12-20 | 深圳酷派技术有限公司 | 一种模型训练方法、装置、存储介质及电子设备 |
Non-Patent Citations (1)
| Title |
|---|
| 周怡娜;路敬祎;董宏丽;张勇;: "云相似度测量的变分模态分解去噪方法", 吉林大学学报(信息科学版) * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111461438B (zh) | 2024-01-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10776463B2 (en) | Active authentication of users | |
| US10489632B2 (en) | Electronic device and detection method | |
| US20160070633A1 (en) | Memory leak analysis by usage trends correlation | |
| WO2014086211A1 (zh) | 触摸屏的基准更新方法、系统及触控终端 | |
| CN112857268B (zh) | 对象面积测量方法、装置、电子设备和存储介质 | |
| CN108900622B (zh) | 基于物联网的数据融合方法、装置与计算机可读存储介质 | |
| CN110363121B (zh) | 指纹图像处理方法及装置、存储介质和电子设备 | |
| CN115048613B (zh) | 一种指标同质化换算方法、装置、电子设备及存储介质 | |
| US20230066703A1 (en) | Method for estimating structural vibration in real time | |
| KR102317647B1 (ko) | 데이터 검출 방법과 장치, 저장 매체 및 터치 장치 | |
| CN110895706A (zh) | 一种目标聚类数的获取方法、装置及计算机系统 | |
| CN111461438B (zh) | 一种信号检测方法、装置、电子设备和存储介质 | |
| CN108171425B (zh) | 电能质量分区方法、装置及存储介质 | |
| WO2020234977A1 (ja) | 情報処理装置、作成方法および作成プログラム | |
| CN111046786A (zh) | 年龄估计神经网络的生成方法、装置以及电子设备 | |
| CN116778412A (zh) | 基于模型分析的园区异常事件预警方法及系统 | |
| CN115665285A (zh) | 数据处理方法、装置、电子设备及存储介质 | |
| CN108595375A (zh) | 一种滤波方法、装置及存储介质 | |
| CN114462625A (zh) | 决策树的生成方法、装置、电子设备及程序产品 | |
| JP2015191277A (ja) | データ識別方法、データ識別プログラム及びデータ識別装置 | |
| US9959642B2 (en) | Graph generation apparatus, graph display apparatus, graph generation program, and graph display program | |
| CN108169544B (zh) | 电压暂降展示方法及装置 | |
| CN111507944A (zh) | 皮肤光滑度的确定方法、装置和电子设备 | |
| JP2715904B2 (ja) | 計算機システム性能評価装置 | |
| WO2022107262A1 (ja) | 判定装置、判定方法、および、判定プログラム |
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 |