CN113777578B - 一种信号处理方法、装置、存储介质及电子装置 - Google Patents

Abstract

本发明实施例提供了一种信号处理方法、装置、存储介质及电子装置，涉及信号处理的技术领域。其方法包括：获取目标信号；对所述目标信号进行压缩测量处理，以得到第一信号值；基于预设的信号重构模型，对所述第一信号值进行信号重构处理，以得到目标信号信息。通过本发明，解决了信号处理效率低的问题，进而达到了提高信号处理效率和精度的效果。

Description

一种信号处理方法、装置、存储介质及电子装置

技术领域

本发明实施例涉及通信领域，具体而言，涉及一种信号处理方法、装置、存储介质及电子装置。

背景技术

雷达最早为海军航行的一种辅助手段，能够在任何时间对那些离得比较远的目标进行所处位置的确定以及寻找，被军用以及大量的民用。例如，MIMO雷达作为一种新体制雷达，在遥感、导航、资源探索、天气预报、天体研究等民用领域和国防领域被广泛应用，同时也极大地发挥了很好的作用。

随着实际情况的需求，国内外学者针对雷达的角度估计算法展开了大量深入的研究。

例如，MIMO雷达的角度估计方法主要包括扩熵谱分析法、最大似然估计法以及子空间类算法等。其中，子空间类算法因其超分辨的特性被广泛应用。

该类算法的共通点为对接收端进行过滤以后在进行一定的分解，然后将一些用得到的东西进行划分，并且也将这种大空间下的小空间的计算分成两种不同的类型，一类是以噪声子空间为基准展开分析，其中以多重信号分类算法为代表，另一类以信号子空间为基准进行求解，其中以借助旋转不变技术的信号参数估计算法为代表。

而在实际的MIMO雷达系统中，被估计的目标往往是处于运动状态，其角度是随着时间变化的，这种处于运动状态的目标增加了雷达检测计算的复杂度，降低了雷达检测的检测效率。

发明内容

本发明实施例提供了一种信号处理方法、装置、存储介质及电子装置，以至少解决相关技术中信号处理效率低的问题。

根据本发明的一个实施例，提供了一种信号处理方法，包括：

获取目标信号；

对所述目标信号进行压缩测量处理，以得到第一信号值，其中，所述第一信号值用于指示所述目标信号在第一维度空间的信号矩阵；

基于预设的信号重构模型，对所述第一信号值进行信号重构处理，以得到目标信号信息。

其中，所述对所述目标信号进行压缩测量处理，以得到第一信号值包括：

基于预设的随机观测矩阵，对所述目标信号进行第一转换处理，以得到第一矩阵，其中，所述第一矩阵用于指示所述第一信号在第一维度空间的信号矩阵；

对所述第一矩阵执行维度投影处理，以得到第一信号值，其中，所述第一信号值用于指示所述目标信号在第二维度空间的信号矩阵。

在一个示例性实施例中，在所述基于预设的信号重构模型，对所述第一信号值进行信号重构处理，以得到目标信号信息之后，所述方法还包括：

根据所述目标信号信息，确定所述目标信号的协方差矩阵；

对所述协方差矩阵执行特征分解操作，以得到所述目标信号的向量参数信息，其中，所述向量参数信息包括所述目标信号的有效特征矢量。

在一个示例性实施例中，所述基于预设的信号重构模型，对所述第一信号值进行信号重构处理，以得到目标信号信息包括：

获取初始重构模型；

对所述初始重构模型进行第一迭代操作，以得到所述信号重构模型；

基于所述信号重构模型，对所述第一信号值进行信号重构处理，以得到目标信号信息。

在一个示例性实施例中，所述信号重构模型包括：

式中，

，0<q<1，s用于指示所述目标信号在三维空间上的第一方向向量，t用于指示所述目标信号在三维空间上的第二方向向量，y用于指示所述目标信号在三维空间上的第三方向向量，

是

的矢量，A为常量。

根据本发明的另一个实施例，提供了一种信号处理装置，包括：

信号采集模块，用于获取目标信号；

压缩测量模块，用于对所述目标信号进行压缩测量处理，以得到第一信号值，其中，所述第一信号值用于指示所述目标信号在第一维度空间的信号矩阵；

信号重构模块，用于基于预设的信号重构模型，对所述第一信号值进行信号重构处理，以得到目标信号信息。

其中，所述压缩测量模块包括：

信号转换单元，用于基于预设的随机观测矩阵，对所述目标信号进行第一转换处理，以得到第一矩阵；

投影单元，用于对所述第一矩阵执行维度投影处理，以得到所述第一信号值。

在一个示例性实施例中，所述装置还包括：

矩阵确定模块，用于在所述基于预设的信号重构模型，对所述第一信号值进行信号重构处理，以得到目标信号信息之后，根据所述目标信号信息，确定所述目标信号的协方差矩阵；

矢量确定模块，用于对所述协方差矩阵执行特征分解操作，以得到目标特征矢量，其中，所述目标特征矢量用于指示所述协方差矩阵的特征信息；

参数确定模块，用于对所述目标特征矢量进行参数计算处理，以得到所述目标信号的目标参数信息。

根据本发明的又一个实施例，还提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。

根据本发明的又一个实施例，还提供了一种电子装置，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行上述任一项方法实施例中的步骤。

通过本发明，由于对目标信号进行压缩测量处理，因而减少了目标信号的维数，从而减少了信号重构处理过程的计算量和计算难度，从而提高了信号处理的效率，因此，可以解决信号处理效率低的问题，达到提高信号处理效率的效果。

附图说明

图1是本发明实施例的一种信号处理方法的移动终端的硬件结构框图；

图2是根据本发明实施例的一种信号处理方法的流程图；

图3是根据本发明实施例的一种信号处理装置的结构框图；

图4是根据本发明具体实施例的流程图。

具体实施方式

下文中将参考附图并结合实施例来详细说明本发明的实施例。

需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。

本申请实施例中所提供的方法实施例可以在移动终端、计算机终端或者类似的运算装置中执行。以运行在移动终端上为例，图1是本发明实施例的一种信号处理方法的移动终端的硬件结构框图。如图1所示，移动终端可以包括一个或多个（图1中仅示出一个）处理器102（处理器102可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置）和用于存储数据的存储器104，其中，上述移动终端还可以包括用于通信功能的传输设备106以及输入输出设备108。本领域普通技术人员可以理解，图1所示的结构仅为示意，其并不对上述移动终端的结构造成限定。例如，移动终端还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。

存储器104可用于存储计算机程序，例如，应用软件的软件程序以及模块，如本发明实施例中的一种信号处理方法对应的计算机程序，处理器102通过运行存储在存储器104内的计算机程序，从而执行各种功能应用以及数据处理，即实现上述的方法。存储器104可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器104可进一步包括相对于处理器102远程设置的存储器，这些远程存储器可以通过网络连接至移动终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

传输设备106用于经由一个网络接收或者发送数据。上述的网络具体实例可包括移动终端的通信供应商提供的无线网络。在一个实例中，传输设备106包括一个网络适配器（Network Interface Controller，简称为NIC），其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，传输设备106可以为射频（Radio Frequency，简称为RF）模块，其用于通过无线方式与互联网进行通讯。

在本实施例中提供了一种信号处理方法，图2是根据本发明实施例的一种信号处理方法的流程图，如图2所示，该流程包括如下步骤：

步骤S202，获取目标信号；

在本实施例中，目标信号可以（但不限于）是雷达回波，例如MIMO（Multiple inputmultiple output，多出入）雷达回波、激光雷达回波等，即MIMO雷达或激光雷达通过发射天线发送的，并在检测到目标后所返回的波束信号，也可以是其它通信信号，例如，基站信号等；对应的，目标信号可以（但不限于）是数字信号，也可以是模拟信号，目标信号的量可以（但不限于）是多波束，也可以是单波束；目标信号可以（但不限于）是通过雷达的收发天线获得的，也可以是通过光纤获得的，还可以是通过其它方式获得。

步骤S204，对目标信号进行压缩测量处理，以得到第一信号值，其中，第一信号值用于指示目标信号在第一维度空间的信号矩阵；

在本实施例中，在现有技术使用过程中，通常采用先采样后压缩的信号处理方式，这种处理方式受限于压缩感知算法的缺陷，即不能对信号进行直接测量，因而在压缩过程中只能对信号进行随机选择后再进行压缩，从而导致压缩过程的计算量较大，且容易造成数据丢失，影响压缩后的信号质量；而本实施例是对目标信号进行信号矩阵的转换，从而使得目标信号能够被识别测量，随后再进行降维压缩，从而能够对目标信号进行精确处理，同时能够减少非必要的信号信息，从而减少了后续信号重构过程中的计算量，提高了信号重构效率。

其中，压缩测量处理可以是包括（但不限于）对目标数据进行矩阵转换、矩阵识别、维度投影等处理，需要说明的是，压缩测量处理还可以是包括信号类型进行识别、对信号矩阵进行测量识别、根据预设规则对识别后的矩阵进行识别选择、对选择后的矩阵进行压缩等处理，只需实现对矩阵的识别和维度压缩即可；第一信号值包括压缩后的信号矩阵、信号维度等。

需要说明的是，现有的压缩感知算法基本思想可以描述为：

假设信号

在某个正交9基或紧框架ψ上是稀疏的，若把原始信号x投影到与ψ不相干的M*N维观测基Φ上

，得到M*1维的观测数据y，此时可以凭借这些观测值通过飞行优化来精确重构原信号。

而对于信号是否可以无障碍的采用压缩感知这一问题，主要还是在于信号的稀疏表示情况，而在获取信号结构化方面，感知矩阵在其中担任着不可或缺的重量，并且在实现信号重构方面最为重要的就是重构算法。

其中，信号的稀疏表示是指：

考虑到长度N的离散信号

，记为

。假设

是

空间的一组基向量，x可以用基元的线性组合表示，即：

（1）

其中，

，

与x是

的矢量，

是以基向量为列矢向量构成的N*N变换矩阵。当

中最多有

个非零元素时，称信号x在

域上是K-稀疏的；如果

中大多数分量的值很小，即，只有少量的较大值分量大，或者，只需要少数几个值较大的分量就可以凭借较好的效果来逼近原始信号x，此时可称信号x在

域具有可压缩性。

步骤S206，基于预设的信号重构模型，对第一信号值进行信号重构处理，以得到目标信号信息。

在本实施例中，在获得压缩后的信号之后，还需要对信号进行解压缩，以方便对信号进行分析，确定，目标信号所包含的相关参数，这一解压缩过程即为对信号的重构过程。

其中，信号重构模型可以（但不限于）是对初始的重构模型进行多次迭代后得到的，也可以是预先确定的，还可以是随机选取的；目标信号信息包括（但不限于）重构后的信号矩阵、信号矩阵维度等信息。

通过上述步骤，对目标信号进行矩阵转换和维度压缩后，减少了稀疏线性模型的维数和数据量，从而减少了信号处理过程中的计算量，解决了信号处理效率低的问题，提高了信号处理效率和精度。

其中，上述步骤的执行主体可以为基站、终端等，但不限于此。

在一个可选的实施例中，对目标信号进行压缩测量处理，以得到第一信号值包括：

步骤S2042，基于预设的随机观测矩阵，对目标信号进行第一转换处理，以得到第一矩阵，其中，第一矩阵用于指示第一信号在第一维度空间的信号矩阵；

步骤S2044，对第一矩阵执行维度投影处理，以得到第一信号值，其中，第一信号值用于指示目标信号在第二维度空间的信号矩阵。

在本实施例中，通过随机观测矩阵对第一矩阵进行转换，是为了是的目标信号可以被识别，从而可以对目标信号进行精确的压缩，避免因无法对目标信号进行识别造成的错误压缩或漏压缩，提高了信号压缩的精确度；而对第一矩阵进行维度投影处理，是为了对第一矩阵进行降维，从而减少信号处理过程的维度数，进而减少计算量，提高信号处理效率。

其中，随即观测矩阵可以（但不限于）是随机生成的，也可以是预先随机选择的，还可以是其它形式的观测矩阵；第一维度空间可以（但不限于）是高纬度空间，也可以是相对第二维度空间的低纬度空间，对应的，第二维度空间可以是相对第一维度空间的低纬度空间，也可以是相对第一维空间的高纬度空间；相应的，维度投影处理可以（但不限于）是由高纬度投影到低纬度的处理过程，也可以是低纬度投影到高纬度的处理过程；只要能够实现维度的降低，以及信号的快速识别处理即可。

在一个可选的实施例中，在基于预设的信号重构模型，对第一信号值进行信号重构处理，以得到目标信号信息之后，该方法还包括：

步骤S208，根据目标信号信息，确定目标信号的协方差矩阵；

步骤S2010，对协方差矩阵执行特征分解操作以得到目标特征矢量，其中，目标特征矢量用于指示协方差矩阵的特征信息；

步骤S2012，对目标特征矢量进行参数计算处理，以得到目标信号的目标参数信息。

在本实施例中，对协方差矩阵进行特征分解后只需对少量目标特征矢量进行参数进行计算即可，从而大大的减少了稀疏线性模型的维数，并且做到了同时减少了稀疏重构的计算，同时，在特征分解这一过程中，也可以抑制噪声对于信号的影响，从而提高信号的重构质量。

其中，协方差矩阵在第一维度空间可以（但不限于）表示为

，具体的，可以表示为

，式中，

为离散信号集合C里面的其中一个信号矩阵，Ω为该信号矩阵的维度，Q指的是该信号矩阵的行数，

指的是信号矩阵的转置矩阵；目标特征矢量可以（但不限于）表示为

，目标特征矢量可以（但不限于）是一个，也可以是多个；目标参数信息包括（但不限于）被检测目标的角度（方位）、距离、高度等参数信息。

例如，在MIMO雷达中，主要参数有目标的角度（方位）、距离等。这里只需要通过计算其协方差矩阵，然后经过特征分解，提取出其中的包含目标的角度、距离等参数信息等有效的特征向量并且将其稀疏表示，即对参数的求解被转化成为了对于少量的特征向量的求解，从而大大的减少了稀疏线性模型的维数，并且做到了同时减少了稀疏重构的计算，并且该处理方式在特征分解这一过程中，对于抑制噪声方面也有一定的作用。

需要说明的是，考虑到双基地均匀线阵的MIMO雷达信号模型，

的协方差矩阵可以表示为：

（2）

式中，

为离散信号集合C里面的其中一个信号矩阵，Ω为该信号矩阵的维度，Q指的是该信号矩阵的行数，

指的是信号矩阵的转置矩阵。

随后，对

进行了特征分解，并且令

，则可得：

（3）

当噪声分量的协方差矩阵

满秩，并且信号的分量的协方差矩阵

的秩

时，存在着如下的关系：

（4）

其中，

为第

个较大的特征值对应的特征向量，

表示稀疏系数向量，其中

。

而当噪声是高斯白噪声时，上式可变化为：

（5）

由上式可得，

可以进行稀疏表示：

（6）

式中，向量

为回波到达角度，向量

为目标角度的值，向量

为被检测目标距当前角度的对应的距离。

在一个可选的实施例中，基于预设的信号重构模型，对第一信号值进行信号重构处理，以得到目标信号信息包括：

步骤S2062，获取初始重构模型；

步骤S2064，对初始重构模型进行第一迭代操作，以得到信号重构模型；

步骤S2066，基于信号重构模型，对第一信号值进行信号重构处理，以得到目标信号信息。

在本实施例中，对初始重构模型进行反第一迭代操作是为了得到能够满足信号重构需求的模型

其中，第一迭代操作可以（但不限于）对初始重构模型进行反复迭代指定次数或地带之目标次数，也可以是进行其它迭代操作；初始重构模型的获取可以是通过外部输入获得的，也可以是从预定存储单元调取的，还可以是通过其它方式获得的。

在一个可选的实施例中，信号重构模型包括：

式中，

，0<q<1，s用于指示目标信号在三维空间上的第一方向向量，t用于指示目标信号在三维空间上的第二方向向量，y用于指示目标信号在三维空间上的第三方向向量，

是

的矢量，A为常量。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献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（如ROM/RAM、磁碟、光盘）中，包括若干指令用以使得一台终端设备（可以是手机，计算机，服务器，或者网络设备等）执行本发明各个实施例所述的方法。

在本实施例中还提供了一种信号处理装置，该装置用于实现上述实施例及优选实施方式，已经进行过说明的不再赘述。如以下所使用的，术语“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。

图3是根据本发明实施例的一种信号处理装置的结构框图，如图3所示，该装置包括：

信号采集模块32，用于获取目标信号；

压缩测量模块34，用于对目标信号进行压缩测量处理，以得到第一信号值，其中，第一信号值用于指示目标信号在第一维度空间的信号矩阵；

信号重构模块36，用于基于预设的信号重构模型，对第一信号值进行信号重构处理，以得到目标信号信息。

在一个可选的实施例中，压缩测量模块34包括：

信号转换单元，用于基于预设的随机观测矩阵，对目标信号进行第一转换处理，以得到第一矩阵，其中，第一矩阵用于指示第一信号在第一维度空间的信号矩阵；

投影单元，用于对第一矩阵执行维度投影处理，以得到第一信号值，其中，第一信号值用于指示目标信号在第二维度空间的信号矩阵。

在一个可选的实施例中，该装置还包括：

矩阵确定模块，用于在基于预设的信号重构模型，对第一信号值进行信号重构处理，以得到目标信号信息之后，根据目标信号信息，确定目标信号的协方差矩阵；

矢量确定模块，用于对协方差矩阵执行特征分解操作，以得到目标特征矢量，其中，目标特征矢量用于指示协方差矩阵的特征信息；

参数确定模块，用于对目标特征矢量进行参数计算处理，以得到目标信号的目标参数信息。

在一个可选的实施例中，信号重构模块36包括：

初始模型采集单元，用于获取初始重构模型；

第一迭代单元，用于对初始重构模型进行第一迭代操作，以得到信号重构模型；

信号重构单元，用于基于信号重构模型，对第一信号值进行信号重构处理，以得到目标信号信息。

在一个可选的实施例中，信号重构模型包括：

式中，

，0<q<1，s用于指示目标信号在三维空间上的第一方向向量，t用于指示目标信号在三维空间上的第二方向向量，y用于指示目标信号在三维空间上的第三方向向量，

是

的矢量，A为常量。

需要说明的是，上述各个模块是可以通过软件或硬件来实现的，对于后者，可以通过以下方式实现，但不限于此：上述模块均位于同一处理器中；或者，上述各个模块以任意组合的形式分别位于不同的处理器中。

下面结合具体实施例对本发明进行说明。

如图4所示，本发明主要包括以下步骤：

步骤S41，采集MIMO雷达回波，MIMO雷达回波即为MIMO雷达通过发射天线发送的，并在检测到目标后所返回的波束信号。

步骤S42，对MIMO雷达回波进行压缩测量处理。

通常来说，运用先采样后压缩的信号处理方式是普遍的传统的方式，但是这种信号处理的方式因为压缩感知算法并不能够直接的对于信号进行测量，因而在进行压缩会造成一定的资源浪费，并造成压缩后的信号出现数据丢失或压缩错误的情况。而本实施例则是得先通过随机的观测矩阵对MIMO雷达回波进行信号矩阵转换，再把转后的稀疏的高维信号投影到低维的空间中，从而得到的测量值就会是信号从高维空间投影到低维空间的值。

步骤S43，对低维空间的信号值进行线性重构。在本实施例中，可以通过用连续的高斯类函数族逐渐靠近lq范数，再对稀疏信号使用迭代求解的方式进行重构。

中，lq范数的稀疏信号重构模型如下：

式中，

，0<q<1；lq范数优化能够极好的靠近lq范数的信号重构问题，因而可以减少数据之间的误差，并做到减少准确重构源信号所需要的观测数量，即q越小，则所需要的测量数据则就越少。

步骤S44，对重构后的MIMO雷达信号进行参数估计。

在本实施例中，MIMO雷达主要参数有目标的角度（方位）、距离等。这里只需要通过计算其协方差矩阵，然后经过特征分解，提取出其中的包含目标的角度、距离等参数信息等有效的特征向量并且将其稀疏表示，即将参数计算转化成为了对于少量的特征向量的求解，从而大大的减少了稀疏线性模型的维数，并且做到了同时减少了稀疏重构的计算，而该处理方式也在抑制噪声方面也有一定的作用。

其中，协方差矩阵的特征分解是指考虑到双基地均匀线阵的MIMO雷达信号模型，

的协方差矩阵表示：

（7）

对

进行了特征分解，并且令

，得：

（8）

当噪声分量的协方差矩阵

满秩，并且信号的分量的协方差矩阵

的秩

时，存在着如下的关系：

（9）

其中，

为第

个较大的特征值对应的特征向量，

表示稀疏系数向量，其中

。

而在噪声是高斯白噪声，上式可变化为：

（10）

由上式可得，

可以进行稀疏表示：

（11）

式中，向量

为回波到达角度，向量

为目标角度的值，向量

即为检测目标距当前角度的对应的距离。

需要说明的是，现有的压缩感知算法基本思想可以描述为：

假设信号

在某个正交9基或紧框架ψ上是稀疏的，若把原始信号x投影到与ψ不相干的M*N维观测基Φ上

,得到M*1维的观测数据y，则可以凭借这些观测值通过飞先行优化来精确重构原信号。其关键因素对于信号是否可以无障碍的采用压缩感知这一问题，而要解决该问题，主要还是在于确定信号的稀疏表示，其中，在获取信号结构化方面，感知矩阵在其中担任着不可或缺的重量，并且在实现信号重构方面最为重要的就是重构算法。

其中，信号的稀疏表示是指：考虑到长度为N的离散信号

，记为

。假设

是

空间的一组基向量，x可以用基元的线性组合表示，即

（12）

其中，

，

与x是

的矢量，

是以基向量为列矢向量构成的N*N变换矩阵。

当

中最多有

个非零元素时，称信号x在

域上是K-稀疏的；如果

中大多数分量的值很小，换句话说，只有较少的几个分量的值很大，或者，只需要少数几个值较大的分量就可以凭借较好的效果来逼近原始信号x，此时，可称信号x在

域具有可压缩性。

本发明将压缩感知的理论研究应用于MIMO雷达的多目标定位中，大大的减少了稀疏线性模型的维数，并且做到了同时减少了稀疏重构的计算复杂度，并且也在特征分解中对于抑制噪声方面也有一定的作用，有很好的多目标检测功能。

本发明的实施例还提供了一种计算机可读存储介质，该计算机可读存储介质中存储有计算机程序，其中，该计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。

在一个示例性实施例中，上述计算机可读存储介质可以包括但不限于：U盘、只读存储器（Read-Only Memory，简称为ROM）、随机存取存储器（Random Access Memory，简称为RAM）、移动硬盘、磁碟或者光盘等各种可以存储计算机程序的介质。

本发明的实施例还提供了一种电子装置，包括存储器和处理器，该存储器中存储有计算机程序，该处理器被设置为运行计算机程序以执行上述任一项方法实施例中的步骤。

在一个示例性实施例中，上述电子装置还可以包括传输设备以及输入输出设备，其中，该传输设备和上述处理器连接，该输入输出设备和上述处理器连接。

本实施例中的具体示例可以参考上述实施例及示例性实施方式中所描述的示例，本实施例在此不再赘述。

显然，本领域的技术人员应该明白，上述的本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，并且在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件结合。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种信号处理方法，其特征在于，包括：

获取目标信号；

对所述目标信号进行压缩测量处理，以得到第一信号值，其中，所述第一信号值用于指示所述目标信号在第二维度空间的信号矩阵；

基于预设的信号重构模型，对所述第一信号值进行信号重构处理，以得到目标信号信息；

其中，所述对所述目标信号进行压缩测量处理，以得到第一信号值包括：

基于预设的随机观测矩阵，对所述目标信号进行第一转换处理，以得到第一矩阵，其中，所述第一矩阵用于指示所述第一信号在第一维度空间的信号矩阵；

对所述第一矩阵执行维度投影处理，以得到所述第一信号值。

2.根据权利要求1所述的方法，其特征在于，在所述基于预设的信号重构模型，对所述第一信号值进行信号重构处理，以得到目标信号信息之后，所述方法还包括：

根据所述目标信号信息，确定所述目标信号的协方差矩阵；

对所述协方差矩阵执行特征分解操作，以得到所述目标信号的向量参数信息，其中，所述向量参数信息包括所述目标信号的有效特征矢量。

3.根据权利要求1所述的方法，其特征在于，所述基于预设的信号重构模型，对所述第一信号值进行信号重构处理，以得到目标信号信息包括：

获取初始重构模型；

对所述初始重构模型进行第一迭代操作，以得到所述信号重构模型；

基于所述信号重构模型，对所述第一信号值进行信号重构处理，以得到目标信号信息。

4.根据权利要求1所述的方法，其特征在于，所述信号重构模型包括：

式中，

s用于指示所述目标信号在三维空间上的第一方向向量，t用于指示所述目标信号在三维空间上的第二方向向量，y用于指示所述目标信号在三维空间上的第三方向向量，α是N×1的矢量，A为常量。

5.一种信号处理装置，其特征在于，包括：

信号采集模块，用于获取目标信号；

压缩测量模块，用于对所述目标信号进行压缩测量处理，以得到第一信号值，其中，所述第一信号值用于指示所述目标信号在第二维度空间的信号矩阵；

信号重构模块，用于基于预设的信号重构模型，对所述第一信号值进行信号重构处理，以得到目标信号信息；

其中，所述压缩测量模块包括：

信号转换单元，用于基于预设的随机观测矩阵，对所述目标信号进行第一转换处理，以得到第一矩阵；

投影单元，用于对所述第一矩阵执行维度投影处理，以得到所述第一信号值。

6.根据权利要求5所述的装置，其特征在于，所述装置还包括：

矩阵确定模块，用于在所述基于预设的信号重构模型，对所述第一信号值进行信号重构处理，以得到目标信号信息之后，根据所述目标信号信息，确定所述目标信号的协方差矩阵；矢量确定模块，用于对所述协方差矩阵执行特征分解操作，以得到目标特征矢量，其中，所述目标特征矢量用于指示所述协方差矩阵的特征信息；

参数确定模块，用于对所述目标特征矢量进行参数计算处理，以得到所述目标信号的目标参数信息。

7.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行所述权利要求1至4任一项中所述的方法。

8.一种电子装置，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行所述权利要求1至4任一项中所述的方法。

Images