CN114465631A - 一种基于引导滤波的信号检测方法及装置 - Google Patents
一种基于引导滤波的信号检测方法及装置 Download PDFInfo
- Publication number
- CN114465631A CN114465631A CN202210381745.1A CN202210381745A CN114465631A CN 114465631 A CN114465631 A CN 114465631A CN 202210381745 A CN202210381745 A CN 202210381745A CN 114465631 A CN114465631 A CN 114465631A
- Authority
- CN
- China
- Prior art keywords
- time
- signal
- frequency
- unknown
- edge
- 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
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B1/00—Details of transmission systems, not covered by a single one of groups H04B3/00 - H04B13/00; Details of transmission systems not characterised by the medium used for transmission
- H04B1/06—Receivers
- H04B1/10—Means associated with receiver for limiting or suppressing noise or interference
- H04B1/1027—Means associated with receiver for limiting or suppressing noise or interference assessing signal quality or detecting noise/interference for the received signal
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B1/00—Details of transmission systems, not covered by a single one of groups H04B3/00 - H04B13/00; Details of transmission systems not characterised by the medium used for transmission
- H04B1/06—Receivers
- H04B1/10—Means associated with receiver for limiting or suppressing noise or interference
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/08—Feature extraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/12—Classification; Matching
Abstract
本发明提供了一种基于引导滤波的信号检测方法,包括:将待检测的宽带接收信号进行短时傅里叶变换,以得到宽带接收信号的时频图,宽带接收信号包括噪声和未知信号,未知信号的数量为大于等于0的整数;对时频图进行引导滤波,以增强时频图中全部未知信号的边缘特征;对边缘特征增强后的时频图进行边缘检测,以生成显示未知信号的边缘的边缘检测结果图;根据边缘检测结果图,检测出宽带接收信号中的未知信号。该检测方法通过采用引导滤波有效保留并增强时频图中不同未知信号的边缘特征,并通过边缘检测和计算,实现对多个未知信号的有效检测。本发明还提供了一种基于引导滤波的信号检测装置。
Description
技术领域
本发明涉及信号处理技术领域,尤其涉及一种基于引导滤波的信号检测方法及装置。
背景技术
在无线电接收机中,信号检测是实现后续目标信号参数估计、滤波提取、调制识别、解调译码等处理的基础。随着无线电软硬件技术的发展,接收信号带宽大大增加,在获取的宽带接收信号中,存在数量、起止时间、中心频率等参数均未知的多个目标信号,如何实现宽带范围内多信号的自动检测是待解决的问题。
对于一定时间内的宽带接收信号,由于其中存在多个未知信号,未知信号的时域或频域可能存在重叠。信号的时频分析可以获取信号时域和频域的二维分布情况,因而,基于时频分析的信号检测方法可以同时利用时域和频域两个维度的信息,从而实现对一定时间内的宽带接收信号中的多个未知信号的检测。近年来,图像处理算法在图像增强、目标检测等领域取得了良好的效果。宽带接收信号进行时频分析可以得到二维时频图像,时频图中每一个点的坐标对应不同的时间和频率,点的数值代表信号强度。因此,可以利用图像处理方法对时频图进行信号检测,从而实现大带宽、一定持续时间范围内多个未知信号的自动检测。
有学者采用机器学习算法对时频图像中的未知信号进行检测和识别。由于机器学习算法的识别模型需要大量待检测信号的样本进行训练,在实际情况下,例如对某种新型信号进行接收、采集、检测、分析时,可能无法满足大量训练样本的要求,在实际工程实现中有困难。也有学者研究采用非机器学习类图像处理算法进行信号检测,现有方法在完成预处理、开始信号检测前,往往需要对时频图进行二值化处理,然后对二值化时频图进行检测、统计等。二值化将原本在一定范围内波动分布的图像点强度值,变化为两个特定的值,从而可以实现对图像的初步分割,有利于平滑目标信号的功率分布,去除局部信号毛刺和能量分散分布的噪声时频点,保留能量集中分布的目标信号时频点。但是时频图的二值化处理也会使信号的一些时频分布特征消失,导致时域和频域存在重叠的两个信号难以区分,为信号检测带来困难。
考虑在宽带接收信号内,信号A在时域和频域均重叠在信号B上的场景,其中,信号B可能为某无线电信号,也可能为阶梯状噪底。图1a示意性示出了信号A在时域和频域均重叠在信号B上的场景的时频谱图,图1b示意性示出了信号A在时域和频域均重叠在信号B上的场景的频谱图,在图1a上可以看出,宽带接收信号带宽为WWB,信号A的带宽为WA,信号B的带宽WB,满足WA≤WB<WWB,宽带接收信号的持续时间大于信号B的持续时间,信号B的持续时间大于等于信号A的持续时间。在实际系统中,当信号A被卫星下行转发,宽带接收机采集到的是卫星下行转发信号时,可能出现上述情况。卫星转发信号的带宽即为WB,信号B是由于卫星信道化转发器等非理想因素造成的阶梯状卫星转发信号底噪,其功率明显强于宽带接收信号内其他位置的噪声。
采用现有基于时频图处理的信号检测方法,信号A被信号B的功率掩盖,仅能检测出信号B的带宽和中心频率,而无法检测出信号A。现有基于时频图处理的信号检测方法往往会在开始信号检测前,对时频图进行二值化处理。对于信号A在时域和频域均叠加在信号B上的情况,二值化后时频图无法同时保留信号A和B的时频分布,使得信号A的时频分布消失,因而只能检测出信号B。
发明内容
(一)要解决的技术问题
本发明提供了一种基于引导滤波的信号检测方法及装置,至少解决以上技术问题。
(二)技术方案
本发明的一个方面提供了一种基于引导滤波的信号检测方法,包括:将待检测的宽带接收信号进行短时傅里叶变换,以得到宽带接收信号的时频图,宽带接收信号包括噪声和未知信号,未知信号的数量为大于等于0的整数;对时频图进行引导滤波,以增强时频图中全部未知信号的边缘特征;对边缘特征增强后的时频图进行边缘检测,以生成显示未知信号的边缘的边缘检测结果图;根据边缘检测结果图,检测出宽带接收信号中的未知信号。
可选地,对时频图进行引导滤波包括:对时频图进行多级引导滤波,其中,各级引导滤波的半径相同或不同,引导滤波的级数为大于等于1的整数。
可选地,在根据边缘检测结果图,检测出宽带接收信号中的未知信号之前,基于引导滤波的信号检测方法还包括:对边缘检测结果图进行边缘优化处理,以增强边缘检测结果图的边缘连通性。
可选地,根据边缘检测结果图,检测出宽带接收信号中的未知信号包括:对边缘检测结果图进行连通域计算,以获取边缘检测结果图中所有的连通区域;分别统计每一个连通区域内点的分布情况;根据各个连通区域内点的分布情况,检测出宽带接收信号中的未知信号的数量和各个未知信号的信号参数。
可选地,分别统计每一个连通区域内点的分布情况包括:获取该连通区域内所有点的时间坐标和频率坐标;统计该连通区域内每一时间坐标对应的点的数量,作为每一时间坐标对应的第一点数,得到第一点数分布;统计该连通区域内每一频率坐标对应的点的数量,作为每一频率坐标对应的第二点数,得到第二点数分布;根据第一点数分布的至少一个峰值确定全部第一点数中的至少一个第一峰值点数,根据第二点数分布的至少一个峰值确定全部第二点数中的至少一个第二峰值点数;确定至少一个第一峰值点数中大于第一预设阈值的第一峰值点数和至少一个第二峰值点数中大于第二预设阈值的第二峰值点数。
可选地,根据所述各个连通区域内点的分布情况,检测出所述宽带接收信号中的未知信号包括:根据大于第一预设阈值的第一峰值点数的数量和大于第二预设阈值的第二峰值点数的数量,确定每个连通区域对应的未知信号的数量;根据大于第一预设阈值的第一峰值点数对应的时间坐标和大于第二预设阈值的第二峰值点数对应的频率坐标,分别确定每个未知信号的起止时间坐标和起止频率坐标。
可选地,根据大于第一预设阈值的第一峰值点数的数量和大于第二预设阈值的第二峰值点数的数量,确定每个连通区域对应的未知信号的数量包括:当大于第一预设阈值的第一峰值点数的数量和大于第二预设阈值的第二峰值点数的数量均等于2时,该连通区域对应一个未知信号;当大于第一预设阈值的第一峰值点数的数量和大于第二预设阈值的第二峰值点数的数量均大于等于2且小于等于4,且大于第一预设阈值的第一峰值点数的数量和大于第二预设阈值的第二峰值点数的数量不同时等于2时,该连通区域对应两个未知信号。
可选地,基于引导滤波的信号检测方法还包括:根据每个未知信号的起止时间坐标和起止频率坐标,计算得到未知信号数量和各未知信号的信号参数。
可选地,在对时频图进行引导滤波之前,基于引导滤波的信号检测方法还包括:对时频图进行时域降采样和/或频域降采样,得到降采样时频图;对降采样时频图进行归一化处理。
本发明的另一方面提供了一种引导滤波的信号检测装置,包括:转换模块,用于将待检测的宽带接收信号进行短时傅里叶变换,以得到宽带接收信号的时频图,宽带接收信号包括噪声和未知信号,所述未知信号的数量为大于等于0的整数;引导滤波模块,用于对时频图进行引导滤波,以增强时频图中全部未知信号的边缘特征;边缘检测模块,用于对边缘特征增强后的时频图进行边缘检测,以生成显示未知信号边缘的边缘检测结果图;未知信号检测模块,用于根据边缘检测结果图,检测出宽带接收信号中的未知信号。
(三)技术效果
本发明中提供的基于引导滤波的信号检测方法及信号检测装置,通过对宽带接收信号的时频图进行引导滤波,有效保留并增强时频图中不同未知信号的边缘特征,并通过后续的边缘检测和计算,实现对宽带接收信号中多个未知信号的有效检测。
本发明利用引导滤波实现信号功率剧烈波动的平滑处理,同时,还可以有效保留不同信号之间、信号与噪声之间的功率边界,保留不同信号的功率分布。因此,对引导滤波后的增强时频图进行边缘检测,可以有效获取不同信号的边界,支持对时域频域均重叠的两个信号边缘的检测,支持对叠加在阶梯状噪声基底上的信号边缘的。
本发明关注对宽带接收信号中存在未知信号的检测,可以实现未知信号信号参数的初步测量,为后续提取各个未知信号提供时间切片、带通滤波的指导参数,以便后续系统对提取的信号进行进一步的滤波、参数精测、调制识别、解调等处理。
附图说明
为了更完整地理解本发明及其优势,现在将参考结合附图的以下描述,其中:
图1a示意性示出了信号A在时域和频域均重叠在信号B上的场景的时频谱图;
图1b示意性示出了信号A在时域和频域均重叠在信号B上的场景的频谱图;
图2示意性示出了本发明实施例提供的一种基于引导滤波的信号检测方法的流程图;
图3示意性示出了本发明实施例中宽带接收信号yWB(t)的时频图;
图4a示意性示出了本发明实施例中进行7级引导滤波后最终得到的增强时频图Seh7(n,m);
图4b示意性示出了本发明实施例中进行3级引导滤波后最终得到的增强时频图Seh3(n,m);
图5a示意性示出了本发明实施例中对增强时频图Seh7(n,m)进行边缘检测得到的边缘检测结果图S edge7 (n,m);
图5b示意性示出了本发明实施例中对增强时频图Seh3(n,m)进行边缘检测得到的边缘检测结果图S edge3 (n,m);
图6示意性示出了本发明实施例中进行膨胀运算后的边缘检测结果图;
图7示意性示出了本发明实施例中对图6进行连通域计算后的时频图;
图8a示意性示出了本发明实施例中第j=1个连通区域的时频图;
图8b示意性示出了本发明实施例的第j=1个连通区域的第一点数分布曲线图;
图8c示意性示出了本发明实施例的第j=1个连通区域的第二点数分布曲线图;以及
图9示意性示出了本发明实施例提供的基于引导滤波的信号检测装置的结构图。
具体实施方式
以下,将参照附图来描述本发明的实施例。但是应该理解,这些描述只是示例性的,而并非要限制本发明的范围。此外,在以下说明中,省略了对公知结构和技术的描述,以避免不必要地混淆本发明的概念。
在此使用的术语仅仅是为了描述具体实施例,而并非意在限制本发明。这里使用的词语“一”、“一个(种)”和“该”等也应包括“多个”、“多种”的意思,除非上下文另外明确指出。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在,但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。
在此使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的含义,除非另外定义。应注意,这里使用的术语应解释为具有与本说明书的上下文相一致的含义,而不应以理想化或过于刻板的方式来解释。
附图中示出了一些方框图和/或流程图。应理解,方框图和/或流程图中的一些方框或其组合可以由计算机程序指令来实现。这些计算机程序指令可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器,从而这些指令在由该处理器执行时可以创建用于实现这些方框图和/或流程图中所说明的功能/操作的装置。
因此,本发明的技术可以硬件和/或软件(包括固件、微代码等)的形式来实现。另外,本发明的技术可以采取存储有指令的计算机可读介质上的计算机程序产品的形式,该计算机程序产品可供指令执行系统使用或者结合指令执行系统使用。在本发明的上下文中,计算机可读介质可以是能够包含、存储、传送、传播或传输指令的任意介质。例如,计算机可读介质可以包括但不限于电、磁、光、电磁、红外或半导体系统、装置、器件或传播介质。计算机可读介质的具体示例包括:磁存储装置,如磁带或硬盘(HDD);光存储装置,如光盘(CD-ROM);存储器,如随机存取存储器(RAM)或闪存;和/或有线/无线通信链路。
为使本发明的目的、技术方案和优点更加清楚明白,以下结合具体实施例,并参照附图,对本发明进一步详细说明。
图2示意性示出了本发明实施例提供的一种基于引导滤波的信号检测方法的流程图。
如图2所示,本发明实施例提供的一种基于引导滤波的信号检测方法包括步骤S210~S240。
在步骤S210,将待检测的宽带接收信号进行短时傅里叶变换,以得到宽带接收信号的时频图,其中,宽带接收信号包括噪声和未知信号,未知信号的数量为大于等于0的整数。
宽带接收信号可以表示为,
其中,t代表离散的采样时间,采样频率为Fs,采样周期为Ts=1/Fs,该段宽带接收信
号yWB(t)的持续时间为TWB,采样点数为TWBFs。宽带接收信号中一共包含N signal 个未知信号,yi
(t)表示第个未知信号,i=0,1,…,N signal ,v(t)表示噪声,当N signal =0时,该宽带接收信号仅
包含噪声。
该段宽带接收信号进行短时傅里叶变换得到时频图S(n,m)可以表示为,
其中,n为时间坐标,m为频率坐标,|∙|为复数取模运算,h(t)为短时傅里叶变换的窗函数,h*(t)为h(t)的复数共轭,h(t)可以为矩形窗、汉明窗等。窗函数窗口长度为MwTs,涵盖Mw个采样点,窗函数沿时间坐标每次移动的距离为T hop ,则S(n,m)中时间坐标n的取值范围为0,…,Nw-1,Nw=⌈TWB/T hop ⌉,⌈∙⌉为向上取整运算,频率坐标m的取值范围为0,…, Mw-1。
短时傅里叶变换得到时频图大小为Mw×Nw,其中(n,m)位置的点的强度为S(n,m),对应的时间为nTw,频率为mFs/Mw-Fs/2+FWB,FWB为宽带接收信号yWB(t)的中心频率。
在本发明的一个具体实施例中,生成一个宽带接收信号yWB(t),并利用本发明提供的基于引导滤波的信号检测方法来检测其中的各个未知信号,设置宽带接收信号yWB(t)的采样频率Fs=600 kHz,中心频率为FWB=6MHz,持续时间为TWB=0.8s,开始时间为0s,v(t)为高斯白噪声。宽带接收信号yWB(t)中一共包含N signal =8个未知信号,各未知信号的参数设置具体如下表一所示。宽带接收信号yWB(t)的时频图S(n,m)如图3所示,图3示意性示出了本发明实施例中宽带接收信号yWB(t)的时频图。该时频图S(n,m)的大小为512×1874,即参数Mw=512,Nw=1874,可以从图3中看出该段宽带接收信号中存在两个信号在时间和频域均重叠。
表一 生成信号的参数设置
在步骤S220,对时频图进行引导滤波,以增强时频图中全部未知信号的边缘特征。
由于实际待检测的信号的功率在时域和频域的分布都不是理想、平滑的矩形,而是在信号平均功率的基础上显示出剧烈上下波动的特征,同时,宽带接收信号中的噪声功率分布也同样在噪声功率的基础上显示出剧烈上下波动的特征,直接采用边缘检测算法无法实现信号与噪声的时域、频域分布边缘的有效检测,会出现较多误检边界。通过采用引导滤波对时频图进行增强处理,增强时频图中未知信号的边缘特征,实现信号功率剧烈波动的平滑处理,即在保留不同信号功率分布、保留不同信号间功率边界特征、保留信号与噪声间功率边界特征的同时,实现时频图中各未知信号及噪声功率分布的平滑,从而提升后续对未知信号功率时频分布的边缘检测的性能,实现多个未知信号的有效检测。
根据本发明的实施例,对时频图进行引导滤波包括:对时频图进行多级引导滤波,其中,各级引导滤波的半径相同或不同。选择引导滤波的级数G,G为大于等于1的整数;其中G=1时,仅进行一级引导滤波。对所有g=1,…,G,设置第g级引导滤波的半径Rg。根据设置的各级引导滤波半径,对时频图进行G级引导滤波,得到增强时频图Seh(n,m)。通过采用多级引导滤波对时频图进行增强处理,增强时频图中未知信号的边缘特征,实现信号功率剧烈波动的平滑处理,提高对宽带接收信号中多个未知信号的检测准确度。
根据本发明的实施例,在进行步骤S220之前,该检测方法还包括步骤S250~S260。
在步骤S250,对时频图进行时域降采样和/或频域降采样,得到降采样时频图。具体包括以下操作。
根据计算精度及复杂度的需求,选择时域降采样倍数Dt和频域降采样倍数Df,,,代表实数集,Dt≥1,Df≥1;根据时域降采样倍数Dt和频域降采样倍
数Df对步骤S210中得到的时频图S(n,m)进行时域和频域降采样,得到降采样时频图SDS(n,
m);时频图S(n,m)的大小为Mw×Nw,降采样时频图SDS(n,m)大小为[Mw/Df]×[Nw/Dt],其中[∙]
为取整运算。时频图S(n,m)经过时域和/或频域降采样后,得到的降采样时频图SDS(n,m)的
大小明显缩小,图像中采样点变少,有利于提高后续图像数据的处理速度和信号检测效率。
当Dt=1时代表不进行时域降采样,降采样时频图SDS(n,m)的大小为[Mw/Df]×Nw;当Df=1时代表不进行频域降采样,降采样时频图SDS(n,m)大小为Mw×[Nw/Dt]。在本发明的一个具体实施例中,选择时域降采样倍数Dt=1和频域降采样倍数Df=1,即不进行时域和频域降采样,得到的SDS(n,m)等于S(n,m)。
在步骤S260,对降采样时频图进行归一化处理,得到归一化时频图S nor (n,m)。
其中,S nor (n,m)=(SDS(n,m)-SDS,min)/(SDS,max-SDS,min),SDS,min为SDS(n,m)中元素的最小值,SDS,max为SDS(n,m)中元素的最大值。通过归一化处理保留时频图中所有未知信号的图像特征,并简化数据,有利于提高图像数据的处理速度。
应当理解的是,还可以使用其他图像预处理方式在进行引导滤波前对时频图进行预处理,以保留时频图中所有未知信号的图像特征的同时简化数据,从而提高后续信号检测效率。
在步骤S230,对边缘特征增强后的时频图进行边缘检测,以生成显示未知信号的边缘的边缘检测结果图。
根据本发明的实施例,对步骤S220中得到的增强时频图Seh(n,m)进行边缘检测,具体包括:选择边缘检测算子,使用边缘检测算法检测增强时频图Seh(n,m)中的信号边缘,得到显示信号边缘特征的边缘检测结果图S edge (n,m)。其中的元素均为0或1,S edge (n,m)等于1表示(n,m)处检测为边界,S edge (n,m)等于1表示(n,m)处未检测出边界。通过边缘检测保留了时频图中不同信号功率分布、保留不同信号间功率边界特征、保留信号与噪声间功率边界特征,能有效识别出时域和频域部分重叠的两个信号的边界特征,有利于后续的信号检测及信号参数的估计。
根据本发明的实施例,边缘检测算子可以采用sobel算子、Prewitt算子、canny算子、robert算子、Laplacian算子等。
在本发明的一个具体实施例中,对时频图S(n,m)进行时域和频域降采样,得到降采样时频图SDS(n,m)大小为[Mw/Df]×[Nw/Dt],进一步对降采样时频图SDS(n,m)进行归一化处理。选择引导滤波的级数G=7,设置各级引导滤波半径均为Rg=7,g=1,…,G。分别对时频图进行7级引导滤波和3级引导滤波,如图4a和图4b所示,图4a示意性示出了本发明实施例中进行7级引导滤波后最终得到的增强时频图Seh7(n,m),图4b示意性示出了本发明实施例中进行3级引导滤波后最终得到的增强时频图Seh3(n,m)。选择sobel算子,使用边缘检测算法分别对增强时频图Seh7(n,m)和Seh3(n,m)进行边缘检测,得到的边缘检测结果图S edge7 (n,m)和S edge3 (n,m)大小均为[Mw/Df]×[Nw/Dt],如图5a和图5b所示,图5a示意性示出了本发明实施例中对增强时频图Seh7(n,m)进行边缘检测得到的边缘检测结果图S edge7 (n,m),以及图5b示意性示出了本发明实施例中对增强时频图Seh3(n,m)进行边缘检测得到的边缘检测结果图S edge3 (n,m)。从图5a和图5b中可以看出,仅进行3级引导滤波后的增强时频图Seh3(n,m)不够平滑,进行边缘检测后图5b中仍然存在较多误检的边界,而进行7级引导滤波后的增强时频图Seh7(n,m)具有更加平滑的图像特征,且保留了各信号的时频分布及边界信息,进行边缘检测后图5a中误检边界较少,能够更有效地检测出各未知信号的边界。引导滤波级数越高,信号的功率波动越平缓,时频图中信号边缘的两侧越平滑。此外,设置的引导滤波半径越大,也会使得信号的功率波动越平缓,时频图中信号边缘的两侧越平滑。但引导滤波级数太高、引导滤波半径太大,会导致边缘阶跃特征减弱。应当理解的是,本领域技术人员可以根据实际需求选择引导滤波级数和引导滤波半径。
在步骤S240,根据边缘检测结果图,检测出宽带接收信号中的未知信号。根据本发明的实施例,在步骤S240之前,还进行步骤S270。
在步骤S270,对边缘检测结果图S edge (n,m)行边缘优化处理,以增强边缘检测结果图S edge (n,m)的边缘连通性。其中,对边缘检测结果图S edge (n,m)的优化处理方法包括但不限于膨胀运算、腐蚀运算等。
在本发明的一个具体实施例中,对边缘检测结果图S edge (n,m)进行膨胀运算增强边界,如图6所示,图6示意性示出了本发明实施例中进行膨胀运算后的边缘检测结果图。通过边缘优化处理,增强了边缘检测结果的边缘连通性。
在本发明的实施例中,步骤S240包括步骤S241~S243。
在步骤S241,对边缘检测结果图进行连通域计算,以获取全部连通区域,连通区域的数量记为C1,C1为大于等于0的整数,若C1等于0代表未检测出未知信号,若C1大于0则进行步骤S242~S243。
如图7所示,图7示意性示出了本发明实施例中对图6进行连通域计算后的时频图。图7中显示连通域计算后得到C1=9个连通区域,不同的连通区域用不同灰度显示。
在步骤S242,分别统计每一个连通区域内点的分布情况。
图8a示意性示出了本发明实施例中第j=1个连通区域的时频图。
根据本发明的实施例,对得到的第j个连通区域(j=1,…,C1),统计连通区域中所有点(图8a所示信号边缘白色部分的所有点)的分布情况,具体包括:获取该连通区域内所有点的时间坐标和频率坐标;统计该连通区域内每一时间坐标对应的点的数量,作为每一时间坐标对应的第一点数,得到第一点数分布;统计该连通区域内每一频率坐标对应的点的数量,作为每一频率坐标对应的第二点数,得到第二点数分布;根据第一点数分布的至少一个峰值确定全部第一点数中的至少一个第一峰值点数,根据第二点数分布的至少一个峰值确定全部第二点数中的至少一个第二峰值点数;确定至少一个第一峰值点数中大于第一预设阈值的第一峰值点数和至少一个第二峰值点数中大于第二预设阈值的第二峰值点数。
在本发明的实施例中,连通区域内各点坐标标记为(n,m),n为时间坐标,m为频率坐标,时间坐标分布Qt,j(n),n=0,…,[Nw/Dt]-1,Qt,j(n)代表第j个连通区域中时间坐标等于n的点数,即第一点数,频率坐标分布情况Qf,j(m),m=0,…,[Mw/Df]-1;Qf,j(m)代表第j个连通区域中频率坐标等于m的点数,即第二点数。
在本发明的实施例中,以时间坐标n为横轴,以第一点数为纵轴绘制第j个连通区域对应的第一点数分布曲线图,图8b示意性示出了本发明实施例的第j=1个连通区域的第一点数分布曲线图。如图8b所示,其中时间坐标对应的第一点数分布具有多个峰值,设定第一预设阈值为ηj t,max,其中,可以选择,
其中,αt>1,NQt,j等于使得Qt,j(n)不等于0的的时间坐标n的个数。
在本发明的一个具体实施例中,设定αt=1.4,第j=1个连通域的第一预设阈值ηj t,max=24.25,则图8b中大于第一预设阈值的第一峰值点数在第一点数曲线图对应于点A和点B,其时间坐标分别为117和630。
在本发明实施例中,以频率坐标m为横轴,以第二点数为纵轴绘制第j个连通区域对应的第二点数分布曲线图,图8c示意性示出了本发明实施例的第j=1个连通区域的第二点数分布曲线图。如图8c所示,其中频率坐标对应的第二点数分布具有多个峰值,设定第一预设阈值为ηj f,max,其中,可以选择,
其中,αf>1,NQf,j等于使得Qf,j(m)不等于0的频率坐标m的个数。
在本发明的一个具体实施例中,设定αf =1.4,第j=1个连通域的第二预设阈值ηj f,max =128.36,则图8c中大于第二预设阈值的第一峰值点数在第二点数曲线图对应于点C和点D,其频率坐标分别为299和383。
在步骤S243,根据各个连通区域内点的分布情况,检测出宽带接收信号中的未知信号。
在本发明实施例中,根据大于第一预设阈值的第一峰值点数的数量和大于第二预设阈值的第二峰值点数的数量,确定每个连通区域对应的未知信号的数量;其中,当大于第一预设阈值的第一峰值点数的数量和大于第二预设阈值的第二峰值点数的数量均等于2时,该连通区域对应一个未知信号;当大于第一预设阈值的第一峰值点数的数量和大于第二预设阈值的第二峰值点数的数量均大于等于2且小于等于4,以及大于第一预设阈值的第一峰值点数的数量和大于第二预设阈值的第二峰值点数的数量不同时等于2时,该连通区域对应两个未知信号;其他情况对应0个未知信号,即该连通域未检测出未知信号。
在本发明的一个具体实施例中,对于图8a中的连通区域,大于第一预设阈值ηj t,max的第一峰值点数的数量Pt,j=2,大于第二预设阈值ηj f,max的第二峰值点数的数量Pf,j=2,该连通区域仅对应一个未知信号。
另外,当大于第一预设阈值ηj t,max的第一峰值点数的数量2≤Pt,j≤4,大于第二预设阈值ηj f,max的第二峰值点数的数量2≤Pf,j≤4,且Pt,j和Pf,j不同时等于2时,第j个连通区域对应两个在时域和频域重叠的未知信号。当Pt,j或Pf,j为其他值时,确定第j个连通区域无法检测出有效信号。
在本发明实施例中,根据大于第一预设阈值的第一峰值点数对应的时间坐标和大于第二预设阈值的第二峰值点数对应的频率坐标,分别确定每个未知信号的起止时间坐标和起止频率坐标。将大于第一预设阈值的第一峰值点数对应的时间坐标nj,k max(其中,k=1,…,Pt,j)和大于第二预设阈值的第二峰值点数对应的频率坐标mj,q max(其中,q=1,…,Pf,j)按照从小到大排列,得到该连通区域对应的所有未知信号的起止时间坐标和起止频率坐标,起止时间坐标包括开始时间坐标和结束时间坐标,起止频率坐标包括开始频率坐标和结束频率坐标。通过本发明实施例提供的基于引导滤波的信号检测方法,可以根据多个未知信号功率的时间和频率分布信息,有效获取各未知信号的边缘特征,实现对多个未知信号的有效检测,对两个时域和频域均重叠的信号的有效检测,以及对叠加在阶梯状噪声基底上的信号的有效检测。
以下进行对检测出的未知信号时域的具体分析。
当第j个连通区域仅对应一个未知信号,即Pt,j=2且Pf,j=2,信号的开始时间坐标为nj,1 max,结束时间坐标为nj,2 max。
当第j个连通区域对应两个未知信号,
a.若Pt,j=2,2<Pf,j≤4,此时两个未知信号的开始时间、结束时间接近,两个信号的开始时间坐标均为nj,1 max,结束时间坐标均为nj,2 max;
b.若Pt,j=3,2≤Pf,j≤4,第一个信号的开始时间坐标为nj,1 max,结束时间坐标为nj,3 max,计算nj,1 max到nj,2 max范围内的平均强度Smean,1,nj,2 max到nj,3 max范围内的平均强度Smean,2,当Smean,1>Smean,2,则第二个信号的开始时间坐标为nj,1 max,结束时间坐标为nj,2 max,当Smean,1≤Smean,2,则第二个信号的开始时间坐标为nj,2 max、结束时间坐标为nj,3 max;
c.若Pt,j=4,2≤Pf,j≤4,第一个信号的开始时间坐标为nj,1 max,结束时间坐标为nj,4 max,第二个信号的开始时间坐标为nj,2 max、结束时间坐标为nj,3 max。
表二 宽带接收信号的检测结果
以下进行对检测出的未知信号频域的具体分析。
当第j个连通区域仅对应一个未知信号,信号的开始频率坐标为mj,1 max,结束频率坐标为mj,2 max。
当第j个连通区域对应两个未知信号,
a.若Pf,j=2,2<Pt,j≤4,两个未知信号的带宽和中心频率接近,两个信号的开始频率坐标均为mj,1 max,结束频率坐标均为mj,2 max;
b.若Pf,j=3,2≤Pt,j≤4,第一个信号的开始频率坐标为mj,1 max,结束频率坐标为mj,3 max,计算mj,1 max到mj,2 max范围内的平均强度Smean,1,mj,2 max到mj,3 max范围内的平均强度Smean,2,当Smean,1>Smean,2,则第二个信号的开始频率坐标为mj,1 max,结束频率坐标为mj,2 max,当Smean,1≤Smean,2,则第二个信号的开始频率坐标为mj,2 max、结束频率坐标为mj,3 max;
c.若Pf,j=4,2≤Pt,j≤4,第一个信号的开始频率坐标为mj,1 max,结束频率坐标为mj,4 max,第二个信号的开始频率坐标为mj,2 max、结束频率坐标为mj,3 max。
如上表二,表二示出了利用本发明实施例提供的基于引导滤波的信号检测方法对表一设置的宽带接收信号yWB(t)的检测结果。其中,第3个连通区域中未检测出信号,第1、2、4、5、6、7、8、9个连通区域中均各检测出一个信号,一共检测出8个未知信号,各个检测出的信号的开始时间坐标、结束时间坐标、开始频率坐标、结束频率坐标如表二所示。
在本发明实施例中,基于引导滤波的信号检测方法还包括:根据每个未知信号的起止时间坐标和起止频率坐标,计算得到各未知信号的信号参数。其中信号参数包括未知信号的中心频率、带宽、开始时间、结束时间。
根据本发明的实施例,一共检测出Nsignal *个未知信号,第l个未知信号的开始频率坐标记为m l,begin,结束频率坐标记为m l,end,开始时间坐标记为n l,begin,结束时间坐标记为n l,end,其中l=1,2,……,Nsignal *,则其信号参数估计结果如以下公式计算:
如下表三及表四,表三及表四示出了利用本发明实施例提供的基于引导滤波的信号检测方法对表一设置的宽带接收信号yWB(t)的信号参数估计结果及与真实值的对比。
从表三及表四的参数估计结果可以看出,通过本发明实施例提供的基于引导滤波的信号检测方法,检测出了宽带接收信号中的全部未知信号,包括时域和频域均重叠的两个信号,且初步估计得到的信号参数与表一所示信号的实际参数设置在误差范围内保持一致。
表三 检测出信号的参数初步估计结果与真实值对比一
表四 检测出信号的参数初步估计结果与真实值对比二
本发明实施例提供的基于引导滤波的信号检测方法实现了对宽带接收信号中多个未知信号的自动检测,在信号检测前无需进行二值化处理,充分利用不同信号功率的时频分布信息,通过采用多级引导滤波对时频图进行增强处理,在保留不同信号功率分布、保留不同信号间功率边界特征、保留信号与噪声间功率边界特征的同时,使时频图中各信号及噪声功率分布更平滑,以提升后续信号时频边缘检测的性能,实现对时域和频域均重叠的两个信号的检测,进而实现对一定持续时间的宽带接收信号中全部未知信号的有效检测。该基于引导滤波的信号检测方法得到的信号参数的初步估计结果,为后续提取各个未知信号提供时间切片、带通滤波的指导参数,有助于后续系统对提取的信号进行进一步的滤波、参数精测、调制识别、解调等处理。
本发明另一实施例还提供了一种基于引导滤波的信号检测装置。
图9示意性示出了本发明实施例提供的基于引导滤波的信号检测装置的结构图。
如图9所示,该基于引导滤波的信号检测装置900包括:转换模块910,用于将待检测的宽带接收信号进行短时傅里叶变换,以得到宽带接收信号的时频图,宽带接收信号包括噪声和未知信号,未知信号的数量为大于等于0的整数;引导滤波模块920,用于对时频图进行引导滤波,以增强时频图中全部未知信号的边缘特征;边缘检测模块930,用于对边缘特征增强后的时频图进行边缘检测,以生成显示未知信号边缘的边缘检测结果图;未知信号检测模块940,用于根据边缘检测结果图,检测出宽带接收信号中的未知信号。
可以理解的是,转换模块910、引导滤波模块920、边缘检测模块930、未知信号检测模块940可以合并在一个模块中实现,或者其中的任意一个模块可以被拆分成多个模块。或者,这些模块中的一个或多个模块的至少部分功能可以与其他模块的至少部分功能相结合,并在一个模块中实现。根据本发明的实施例,转换模块910、引导滤波模块920、边缘检测模块930、未知信号检测模块940中的至少一个可以至少被部分地实现为硬件电路,例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC),或可以以对电路进行集成或封装的任何其他的合理方式等硬件或固件来实现,或以软件、硬件以及固件三种实现方式的适当组合来实现。或者,转换模块910、引导滤波模块920、边缘检测模块930、未知信号检测模块940中的至少一个可以至少被部分地实现为计算机程序模块,当该程序被计算机运行时,可以执行相应模块的功能。
本领域技术人员可以理解,本发明的各个实施例中记载的特征可以进行多种组合或/或结合,即使这样的组合或结合没有明确记载于本发明中。特别地,在不脱离本发明精神和教导的情况下,本发明的各个实施例中记载的特征可以进行多种组合和/或结合。所有这些组合和/或结合均落入本发明的范围。
尽管已经参照本发明的特定示例性实施例示出并描述了本发明,但是本领域技术人员应该理解,在不背离本发明的精神和范围的情况下,可以对本发明进行形式和细节上的多种改变。
Claims (10)
1.一种基于引导滤波的信号检测方法,其特征在于,包括:
将待检测的宽带接收信号进行短时傅里叶变换,以得到所述宽带接收信号的时频图,所述宽带接收信号包括噪声和未知信号,所述未知信号的数量为大于等于0的整数;
对所述时频图进行引导滤波,以增强所述时频图中全部未知信号的边缘特征;
对所述边缘特征增强后的时频图进行边缘检测,以生成显示所述未知信号的边缘的边缘检测结果图;
根据所述边缘检测结果图,检测出所述宽带接收信号中的未知信号。
2.根据权利要求1所述的基于引导滤波的信号检测方法,其特征在于,所述对所述时频图进行引导滤波包括:
对所述时频图进行多级引导滤波,其中,各级引导滤波的半径相同或不同,所述引导滤波的级数为大于等于1的整数。
3.根据权利要求1所述的基于引导滤波的信号检测方法,其特征在于,在根据所述边缘检测结果图,检测出所述宽带接收信号中的未知信号之前,所述基于引导滤波的信号检测方法还包括:
对所述边缘检测结果图进行边缘优化处理,以增强所述边缘检测结果图的边缘连通性。
4.根据权利要求1所述的基于引导滤波的信号检测方法,其特征在于,所述根据所述边缘检测结果图,检测出所述宽带接收信号中的未知信号包括:
对所述边缘检测结果图进行连通域计算,以获取所述边缘检测结果图中所有的连通区域;
分别统计每一个连通区域内点的分布情况;
根据所述各个连通区域内点的分布情况,检测出所述宽带接收信号中的未知信号。
5.根据权利要求4所述的基于引导滤波的信号检测方法,其特征在于,所述分别统计每一个连通区域内点的分布情况包括:
获取该连通区域内所有点的时间坐标和频率坐标;
统计该连通区域内每一时间坐标对应的点的数量,作为每一时间坐标对应的第一点数,得到第一点数分布;统计该连通区域内每一频率坐标对应的点的数量,作为每一频率坐标对应的第二点数,得到第二点数分布;
根据所述第一点数分布的至少一个峰值确定全部第一点数中的至少一个第一峰值点数,根据所述第二点数分布的至少一个峰值确定全部第二点数中的至少一个第二峰值点数;
确定所述至少一个第一峰值点数中大于第一预设阈值的第一峰值点数和所述至少一个第二峰值点数中大于第二预设阈值的第二峰值点数。
6.根据权利要求5所述的基于引导滤波的信号检测方法,其特征在于,所述根据所述各个连通区域内点的分布情况,检测出所述宽带接收信号中的未知信号包括:
根据所述大于第一预设阈值的第一峰值点数的数量和所述大于第二预设阈值的第二峰值点数的数量,确定每个连通区域对应的未知信号的数量;
根据所述大于第一预设阈值的第一峰值点数对应的时间坐标和所述大于第二预设阈值的第二峰值点数对应的频率坐标,分别确定每个未知信号的起止时间坐标和起止频率坐标。
7.根据权利要求6所述的基于引导滤波的信号检测方法,其特征在于,所述根据所述大于第一预设阈值的第一峰值点数的数量和所述大于第二预设阈值的第二峰值点数的数量,确定每个连通区域对应的未知信号的数量包括:
当所述大于第一预设阈值的第一峰值点数的数量和所述大于第二预设阈值的第二峰值点数的数量均等于2时,该连通区域对应一个未知信号;
当所述大于第一预设阈值的第一峰值点数的数量和所述大于第二预设阈值的第二峰值点数的数量均大于等于2且小于等于4,且所述大于第一预设阈值的第一峰值点数的数量和所述大于第二预设阈值的第二峰值点数的数量不同时等于2时,该连通区域对应两个未知信号。
8.根据权利要求6所述的基于引导滤波的信号检测方法,其特征在于,所述基于引导滤波的信号检测方法还包括:
根据每个未知信号的所述起止时间坐标和所述起止频率坐标,计算得到未知信号数量和各未知信号的信号参数。
9.根据权利要求1所述的基于引导滤波的信号检测方法,其特征在于,在对所述时频图进行引导滤波之前,所述基于引导滤波的信号检测方法还包括:
对所述时频图进行时域降采样和/或频域降采样,得到降采样时频图;
对所述降采样时频图进行归一化处理。
10.一种基于引导滤波的信号检测装置,其特征在于,包括:
转换模块,用于将待检测的宽带接收信号进行短时傅里叶变换,以得到所述宽带接收信号的时频图,所述宽带接收信号包括噪声和未知信号,所述未知信号的数量为大于等于0的整数;
引导滤波模块,用于对所述时频图进行引导滤波,以增强所述时频图中全部未知信号的边缘特征;
边缘检测模块,用于对所述边缘特征增强后的时频图进行边缘检测,以生成显示所述未知信号的边缘的边缘检测结果图;
未知信号检测模块,用于根据所述边缘检测结果图,检测出所述宽带接收信号中的未知信号。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210381745.1A CN114465631B (zh) | 2022-04-13 | 2022-04-13 | 一种基于引导滤波的信号检测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210381745.1A CN114465631B (zh) | 2022-04-13 | 2022-04-13 | 一种基于引导滤波的信号检测方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114465631A true CN114465631A (zh) | 2022-05-10 |
CN114465631B CN114465631B (zh) | 2022-06-14 |
Family
ID=81418629
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210381745.1A Active CN114465631B (zh) | 2022-04-13 | 2022-04-13 | 一种基于引导滤波的信号检测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114465631B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140160239A1 (en) * | 2012-12-06 | 2014-06-12 | Dihong Tian | System and method for depth-guided filtering in a video conference environment |
CN109359597A (zh) * | 2018-10-18 | 2019-02-19 | 成都理工大学 | 基于多频融合深度学习的雷达步态识别方法 |
CN110133600A (zh) * | 2019-06-17 | 2019-08-16 | 电子科技大学 | 一种直升机旋翼物理参数提取方法 |
CN112751629A (zh) * | 2021-01-15 | 2021-05-04 | 中国人民解放军战略支援部队信息工程大学 | 基于时频图像处理的宽带特定信号检测方法 |
CN112784690A (zh) * | 2020-12-31 | 2021-05-11 | 西安电子科技大学 | 基于深度学习的宽带信号参数估计方法 |
CN113552542A (zh) * | 2021-06-26 | 2021-10-26 | 南京理工大学 | 针对脉冲体制强辐射源干扰的fmcw雷达干扰抑制方法 |
CN114025379A (zh) * | 2021-11-05 | 2022-02-08 | 北京邮电大学 | 一种宽带多信号检测方法、装置和设备 |
-
2022
- 2022-04-13 CN CN202210381745.1A patent/CN114465631B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140160239A1 (en) * | 2012-12-06 | 2014-06-12 | Dihong Tian | System and method for depth-guided filtering in a video conference environment |
CN109359597A (zh) * | 2018-10-18 | 2019-02-19 | 成都理工大学 | 基于多频融合深度学习的雷达步态识别方法 |
CN110133600A (zh) * | 2019-06-17 | 2019-08-16 | 电子科技大学 | 一种直升机旋翼物理参数提取方法 |
CN112784690A (zh) * | 2020-12-31 | 2021-05-11 | 西安电子科技大学 | 基于深度学习的宽带信号参数估计方法 |
CN112751629A (zh) * | 2021-01-15 | 2021-05-04 | 中国人民解放军战略支援部队信息工程大学 | 基于时频图像处理的宽带特定信号检测方法 |
CN113552542A (zh) * | 2021-06-26 | 2021-10-26 | 南京理工大学 | 针对脉冲体制强辐射源干扰的fmcw雷达干扰抑制方法 |
CN114025379A (zh) * | 2021-11-05 | 2022-02-08 | 北京邮电大学 | 一种宽带多信号检测方法、装置和设备 |
Non-Patent Citations (1)
Title |
---|
许乐灵等: "一种引导滤波自适应双阈值优化边缘检测算法", 《南京理工大学学报》 * |
Also Published As
Publication number | Publication date |
---|---|
CN114465631B (zh) | 2022-06-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3493101B1 (en) | Image recognition method, terminal, and nonvolatile storage medium | |
CN109918987B (zh) | 一种视频字幕关键词识别方法及装置 | |
CN102324021B (zh) | 一种基于剪切波变换的红外弱小目标检测方法 | |
US20140010409A1 (en) | Object tracking device, object tracking method, and control program | |
US20090075590A1 (en) | Method and System for Estimating Time of Arrival of Signals Using Multiple Different Time Scales | |
US10380853B1 (en) | Presence detection and detection localization | |
CN109740547A (zh) | 一种图像处理方法、设备及计算机可读存储介质 | |
CN102903108B (zh) | 基于水下图像统计特性的边缘检测方法 | |
EP3462409B1 (en) | A method for filtering spurious pixels in a depth-map | |
CN104732510A (zh) | 一种相机镜头黑斑检测方法及装置 | |
CN108010065A (zh) | 低空目标快速检测方法及装置、存储介质及电子终端 | |
CN109146803B (zh) | 基于多角度图像的sar图像辐射分辨率提升方法及装置 | |
CN104268864A (zh) | 卡片边缘提取方法和装置 | |
CN109784322A (zh) | 一种基于图像处理的vin码识别方法、设备及介质 | |
CN115170571A (zh) | 胸腹水细胞病理图像识别方法、图像识别装置、介质 | |
CN114465631B (zh) | 一种基于引导滤波的信号检测方法及装置 | |
CN109087347B (zh) | 一种图像处理方法及装置 | |
West et al. | A wideband signal recognition dataset | |
CN113300986B (zh) | 无人机图传信号与热点信号识别方法、介质、计算机设备 | |
AU2021204589A1 (en) | Methods and apparatuses for determining object classification | |
CN117115117B (zh) | 基于小样本下的病理图像识别方法、电子设备及存储介质 | |
Kyrki et al. | Combination of local and global line extraction | |
CN115293219B (zh) | 一种融合小波和峭度的脉冲信号去噪方法 | |
US20130107666A1 (en) | Method And System For Identifying Events Of Digital Signal | |
CN113111883B (zh) | 车牌检测方法、电子设备及存储介质 |
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 |