CN114626403B - 基于修剪法的电子信号检测方法及系统 - Google Patents

Abstract

本公开描述一种基于修剪法的电子信号检测方法及系统，电子信号检测方法包括：接收端预先设置有正修剪阈值和负修剪阈值，其中，正修剪阈值大于0，负修剪阈值小于0；若发射端生成源电子信号并向接收端发射源电子信号，则接收端捕获接收信号，并利用正修剪阈值和负修剪阈值对接收信号进行修剪以获取修剪信号，其中，源电子信号为确定信号；并且检测器基于修剪信号建立二元假设检验问题并构建检验统计量，将检验统计量与检测门限进行比较以做出检测决策，进而检测接收信号是否包含确定信号，其中，检测门限是基于内曼‑皮尔逊定理并通过预先设定的虚警概率的约束推导获得。由此，能够显著地提高基于内曼‑皮尔逊定理的检测器的检测性能。

Description

基于修剪法的电子信号检测方法及系统

技术领域

本公开涉及通信技术领域，具体地涉及一种基于修剪法的电子信号检测方法及系统。

背景技术

探测定理是设计用于决策和信息提取的电子信号处理系统的基础。例如，雷达、通信、语音、声纳、图像处理、生物医学、控制和地震学等领域的系统。这些系统一般都有能够确定对感兴趣事情是否发生的目标。也即，对电子信号的检测。

传统的基于内曼-皮尔逊(Neyman–Pearson，NP)定理得到的检测器的性能取决于假设的概率密度函数(Probability Density Function，PDF)。当对确定信号进行检测时，两个假设(例如，存在电子信号的假设和仅包括噪声的假设)的PDF已知时，两个假设之间的最佳的检测器可以由NP定理指定。然而，当假设的PDF是确定的，检测器的性能一般也就确定了，无法得到进一步的提高。

发明内容

本公开是为了解决上述现有问题而完成的，其目的在于提供一种能够显著地提高基于内曼-皮尔逊定理的检测器的检测性能的基于修剪法的电子信号检测方法及系统。

为此，本公开第一方面提供了一种基于修剪法的电子信号检测方法，应用于包括发射端、接收端和检测器的电子信号检测系统的所述接收端和所述检测器，包括：所述接收端预先设置有正修剪阈值和负修剪阈值，其中，所述正修剪阈值大于0，所述负修剪阈值小于0；若所述发射端生成源电子信号并通过传输介质向所述接收端发射所述源电子信号，则所述接收端从所述传输介质捕获接收信号，并基于所述修剪法对所述接收信号进行修剪以获取修剪信号，其中，在所述修剪法中，将所述接收信号的信号增益与所述正修剪阈值和所述负修剪阈值进行比较，响应于所述接收信号的正信号增益高于所述正修剪阈值而将所述信号增益设置为所述正修剪阈值，响应于所述接收信号的负信号增益小于所述负修剪阈值而将所述信号增益设置为所述负修剪阈值，响应于所述信号增益在所述正修剪阈值和所述负修剪阈值之间而保持所述信号增益为原始值，所述源电子信号为确定信号；并且所述检测器建立基于所述修剪信号的二元假设检验问题并构建检验统计量，将所述检验统计量与检测门限进行比较以做出检测决策，其中，所述检测门限是基于内曼-皮尔逊定理并通过预先设定的虚警概率的约束推导获得。在这种情况下，充分利用了高斯噪声在概率密度函数中具有对称结构这一重要事实，对接收信号进行修剪，使得相较于现有方案在高虚警概率和低虚警概率时具有优势，并且通过设置一个合适的修剪阈值，能够使检测性能优于现有方案。由此，能够显著地提高基于内曼-皮尔逊定理的检测器的检测性能且不需要对发射端进行任何修改。

另外，在本公开第一方面所涉及的电子信号检测方法中，可选地，通过建立基于所述接收信号的二元假设检验问题建立基于所述修剪信号的二元假设检验问题，基于所述接收信号的二元假设检验问题满足公式：其中，H1表示存在所述源电子信号的假设，H0表示仅包括噪声的假设，x[n]表示第n个接收信号，w[n]表示第n个零均值的高斯噪声，s[n]表示待检测的第n个源电子信号，N表示所述接收信号的信号长度，基于所述修剪信号的二元假设检验问题满足公式：/>由此，能够基于修剪信号建立二元假设检验问题。

另外，在本公开第一方面所涉及的电子信号检测方法中，可选地，在所述修剪法中，若所述接收信号为实数信号，则对所述实数信号的实部进行修剪，所述修剪信号满足公式：其中，x[n]表示第n个接收信号，/>表示第n个修剪信号，θ⁺表示所述正修剪阈值，θ^-表示所述负修剪阈值。由此，能够对实数信号进行修剪。

另外，在本公开第一方面所涉及的电子信号检测方法中，可选地，在所述修剪法中，若所述接收信号为复数信号，则对所述复数信号的实部和虚部分别进行修剪，所述修剪信号满足公式：

其中，x[n]表示第n个接收信号，/>表示第n个修剪信号，/>表示实部，/>表示虚部，θ⁺表示所述正修剪阈值，θ^-表示所述负修剪阈值，i表示虚数。由此，能够对复数信号进行修剪。

另外，在本公开第一方面所涉及的电子信号检测方法中，可选地，构建所述检验统计量为：利用所述修剪信号与待检测的源电子信号进行相关匹配以构建所述检验统计量，其中，所述检验统计量T(x)满足公式：其中，/>表示第n个修剪信号，s[n]表示待检测的第n个源电子信号，N表示所述修剪信号的信号长度。由此，能够基于修剪信号和确定信号构建检验统计量。

另外，在本公开第一方面所涉及的电子信号检测方法中，可选地，所述检测决策为若所述检验统计量大于所述检测门限，则接受假设H1，否则接受假设H0，所述检测决策满足公式：其中，T(x)表示所述检验统计量，γ表示所述检测门限。由此，能够基于检验统计量和检测门限作出检测决策。

另外，在本公开第一方面所涉及的电子信号检测方法中，可选地，所述修剪包括对称修剪和/或非对称修剪，其中，在所述对称修剪中，所述正修剪阈值和所述负修剪阈值互为相反数，在所述非对称修剪中，所述正修剪阈值和所述负修剪阈值相互独立。在这种情况下，能够支持多种修剪方式，通过选择合适的修剪阈值，能够显著地提高基于内曼-皮尔逊定理的检测器的检测性能。

另外，在本公开第一方面所涉及的电子信号检测方法中，可选地，在所述接收信号的参数的基础上，基于所述虚警概率与修剪阈值之间的关系设置所述修剪阈值；或在所述接收信号的参数的基础上，基于AUC增益与所述修剪阈值之间的关系设置所述修剪阈值，其中，所述修剪阈值包括所述正修剪阈值和所述负修剪阈值。在这种情况下，能够获取接收信号的参数和虚警概率共同对应的修剪阈值。另外，能够在不考虑虚警概率的情况下，获得接收信号的参数和AUC增益共同对应的修剪阈值。

另外，在本公开第一方面所涉及的电子信号检测方法中，可选地，根据所述虚警概率确定所述正修剪阈值和所述负修剪阈值以提高检测概率，其中，若所述虚警概率位于第一预设范围时，则所述负修剪阈值与所述检测概率呈负相关，所述正修剪阈值与所述检测概率呈负相关，若所述虚警概率位于第二预设范围时，则所述负修剪阈值与所述检测概率呈正相关，所述正修剪阈值与所述检测概率呈正相关，所述第一预设范围小于所述第二预设范围，所述第一预设范围和所述第二预设范围通过对样本数据进行统计获得。在这种情况下，能够根据虚警概率确定正修剪阈值和负修剪阈值以提高检测概率。

本公开第二方面提供了一种基于修剪法的电子信号检测系统，包括发射端、接收端和检测器；所述发射端用于生成源电子信号并通过传输介质向所述接收端发射所述源电子信号；所述接收端用于预先设置正修剪阈值和负修剪阈值且从所述传输介质捕获接收信号，并基于所述修剪法对所述接收信号进行修剪以获取修剪信号，其中，在所述修剪法中，将所述接收信号的信号增益与所述正修剪阈值和所述负修剪阈值进行比较，响应于所述接收信号的正信号增益高于所述正修剪阈值而将所述信号增益设置为所述正修剪阈值，响应于所述接收信号的负信号增益小于所述负修剪阈值而将所述信号增益设置为所述负修剪阈值，响应于所述信号增益在所述正修剪阈值和所述负修剪阈值之间而保持所述信号增益为原始值，所述源电子信号为确定信号，所述正修剪阈值大于0，所述负修剪阈值小于0；以及所述检测器用于建立基于所述修剪信号的二元假设检验问题并构建检验统计量，将所述检验统计量与检测门限进行比较以做出检测决策，其中，所述检测门限是基于内曼-皮尔逊定理并通过预先设定的虚警概率的约束推导获得。在这种情况下，充分利用了高斯噪声在概率密度函数中具有对称结构这一重要事实，对接收信号进行修剪，使得相较于现有方案在高虚警概率和低虚警概率时具有优势，并且通过设置一个合适的修剪阈值，能够使检测性能优于现有方案。由此，能够显著地提高基于内曼-皮尔逊定理的检测器的检测性能且不需要对发射端进行任何修改。

根据本公开，提供一种能够显著地提高基于内曼-皮尔逊定理的检测器的检测性能的基于修剪法的电子信号检测方法及系统。

附图说明

图1是示出了本公开的示例所涉及的电子信号检测系统的示意图。

图2是示出了本公开的示例所涉及的现有的基于内曼-皮尔逊定理的检测器的结构示意图。

图3是示出了本公开的示例所涉及的基于内曼-皮尔逊定理的检测器的结构示意图。

图4是示出了本公开的示例所涉及的基于修剪法的电子信号检测方法的流程示意图。

图5(a)是示出了本公开的示例所涉及的接收信号的示意图。

图5(b)是示出了本公开的示例所涉及的修剪信号的示意图。

图6(a)是示出了本公开的示例所涉及的现有方案的检验统计量的示意图。

图6(b)是示出了本公开的示例所涉及的第一修剪阈值对应的检验统计量的示意图。

图6(c)是示出了本公开的示例所涉及的第二修剪阈值对应的检验统计量的示意图。

图6(d)是示出了本公开的示例所涉及的第三修剪阈值对应的检验统计量的示意图。

图6(e)是示出了本公开的示例所涉及的现有方案以及不同修剪阈值的检测概率的对比图。

图6(f)是示出了本公开的示例所涉及的现有方案的检验统计量的示意图。

图6(g)是示出了本公开的示例所涉及的第二修剪阈值对应的检验统计量的示意图。

图6(h)是示出了本公开的示例所涉及的不同修剪阈值下的AUC增益的示意图。

图7(a)是示出了本公开的示例所涉及的第一条件对应的H0的检验统计量的示意图。

图7(b)是示出了本公开的示例所涉及的第一条件对应的H1的检验统计量的示意图。

图7(c)是示出了本公开的示例所涉及的现有方案与第一条件对应的检测概率的示意图。

图7(d)是示出了本公开的示例所涉及的多个固定的正修剪阈值分别对应不同负修剪阈值下的AUC增益的示意图。

图8(a)是示出了本公开的示例所涉及的第二条件的对应H0的检验统计量的示意图。

图8(b)是示出了本公开的示例所涉及的第二条件对应的H1的检验统计量的示意图。

图8(c)是示出了本公开的示例所涉及的现有方案与第二条件对应的检测概率的示意图。

图8(d)是示出了本公开的示例所涉及的多个固定的负修剪阈值分别对应不同正修剪阈值下的AUC增益的示意图。

具体实施方式

以下，参考附图，详细地说明本公开的优选实施方式。在下面的说明中，对于相同的部件赋予相同的符号，省略重复的说明。另外，附图只是示意性的图，部件相互之间的尺寸的比例或者部件的形状等可以与实际的不同。

需要说明的是，本公开中的术语“包括”和“具有”以及它们的任何变形，例如所包括或所具有的一系列步骤或的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或，而是可以包括或具有没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或。

本公开示例所涉及的基于修剪法的电子信号检测方法，有时也可以称为检测方法或信号检测方法。本公开示例所涉及的电子信号检测方法，针对确定信号进行检测，充分利用了高斯噪声在概率密度函数中具有对称结构这一重要事实，对接收信号进行修剪以进一步提高内曼-皮尔逊(Neyman–Pearson，NP)定理提供的检测性能。本公开示例所涉及的电子信号检测方法可以应用于包括但不限于雷达、通信、语音、声纳、图像处理、生物医学、控制和地震学等领域。

图1是示出了本公开的示例所涉及的电子信号检测系统1的示意图。

如图1所示，在一些示例中，本公开示例所涉及的电子信号检测方法可以应用于包括发射端10、接收端20和检测器30的电子信号检测系统1(稍后描述)。具体地，发射端10可以生成源电子信号并通过传输介质(例如，无线信道)传输源电子信号，源电子信号可以为接收端20已知的确定信号；然后，接收端20捕获接收信号后，对接收信号进行修剪并使用检测器30通过在二元假设检验(即，存在源电子信号的假设和仅包括噪声的假设)下解决检测问题来检测源电子信号的存在。另外，存在源电子信号的假设可以简称为信号存在假设，仅包括噪声的假设可以简称为仅噪声假设。

另外，确定信号(也可以称为确定性信号或确知信号)可以为幅度、相位、频率和到达时间等参量都是已知的信号。在一些示例中，确定信号可以为两个假设(也即，信号存在假设和仅噪声假设)的概率密度函数已知的信号。在这种情况下，两个假设之间的最佳检测器能够由NP定理指定。

另外，NP定理可以为对于给定的虚警概率，求得检测门限，使检测概率最大。一般而言，从信息论的角度，由NP定理指定的检测器可以被理解为最佳检测器。另外，当存在确定信号(例如，源电子信号)时，判断为有确定信号的概率可以称为检测概率，当不存在确定信号却判断为有确定信号的概率可以称为虚警概率。在一些示例中，在NP定理中，对于给定的虚警概率，可以最大限度地提高检测概率的最优检测器是基于假设检验的似然比检验的检测器，其中最优阈值(也即，最优的检测门限)可以从虚警约束中推导出来。因此，存在一个重要而具有挑战性的问题:是否有机会进一步提高NP定理提供的检测性能？如果答案是肯定的，本公开示例所涉及的电子信号检测方法就是为了提高基于NP定理得到的最佳检测器的基础上，进一步提高检测性能。

在一些示例中，确定信号检测问题可以建模为均值偏移的高斯-高斯假设测试问题(Mean-shiftedGuass-Gauss)。其中，令H1为信号存在假设，H0为仅噪声假设，在H0下，检测接收信号为均值为零的高斯噪声(也即，噪声服从零均值高斯分布)，而在H1下，检测接收信号为均值非零的高斯噪声，确定信号和高斯噪声的方差相同。当假设H1为真时，如果检测器检测到了确定信号，可以称之为正确的检测，并通过检测概率来评估。当假设H0为真时，如果检测器检测到了确定信号，可以称之为错误的检测，并通过虚警概率来评估。

图2是示出了本公开的示例所涉及的现有的基于内曼-皮尔逊定理的检测器的结构示意图。

本公开示例所涉及现有的基于NP定理的检测器(也即，传统基于NP定理得到的检测器的模型)，在收到接收信号后，利用确定信号与接收信号进行一个匹配，得到检验统计量，再利用该检验统计量与检测门限进行比较，当检验统计量的值大于检测门限，则认为接收信号中存在确定信号，当检验统计量的值小于检测门限，则认为接收信号中仅包含噪声。作为示例，图2示出了现有的基于NP定理的检测器的示意图，其中，x[n]表示第n个接收信号，s[n]表示待检测(也可以称为需要检测)的第n个确定信号(例如，源电子信号)，表示确定信号与接收信号进行匹配，N表示接收信号的信号长度，T(x)表示检验统计量，γ表示检测门限(也可以称为判决阈值)，H1表示存在确定信号的假设，H0表示仅包含噪声的假设。

图3是示出了本公开的示例所涉及的基于内曼-皮尔逊定理的检测器30的结构示意图。

本公开示例所涉及的基于内曼-皮尔逊定理的检测器30(也即，基于修剪法和内曼-皮尔逊定理的检测器30)，是利用确定信号与利用修剪阈值对接收信号进行修剪后获得的修剪信号进行一个匹配，得到检验统计量(也可以称为待检量)，再利用该检验统计量与检测门限进行比较，当检验统计量的值大于检测门限，则可以认为接收信号中存在确定信号，当检验统计量的值小于检测门限，则可以认为接收信号中仅包含噪声。作为示例，图3示出了本公开示例的检测器30的示意图，接收信号x[n]经过修剪后获得修剪信号其中，x[n]表示第n个接收信号，/>表示第n个修剪信号，s[n]表示待检测的第n个确定信号，/>表示确定信号与修剪信号进行匹配，N表示修剪信号的信号长度，T(x)表示检验统计量，γ表示检测门限，H1表示存在确定信号的假设，H0表示仅包含噪声的假设。在这种情况下，通过选择合适的修剪阈值，能够显著地提高基于内曼-皮尔逊定理的检测器30的检测性能。另外，检测性能可以通过检测概率进行评估。

如上所述，本公开示例所涉及的电子信号检测方法可以应用于包括发射端10、接收端20和检测器30的电子信号检测系统1。在一些示例中，本公开示例所涉及的电子信号检测方法可以应用于电子信号检测系统1中的接收端20和检测器30，如上所述，检测器30可以是基于内曼-皮尔逊定理的。以下结合附图详细描述本公开示例所涉及的电子信号检测方法。图4是示出了本公开的示例所涉及的基于修剪法的电子信号检测方法的流程示意图。

在一些示例中，发射端10可以向接收端20发射确定信号(例如，源电子信号)，接收端20可以对捕获到的接收信号进行修剪以获取修剪信号，进而检测器30可以利用修剪信号获取检验统计量和检测门限对确定信号进行检测。

在一些示例中，如图4所示，基于修剪法的电子信号检测方法可以包括设置修剪阈值(步骤S102)。

在一些示例中，在步骤S102中，接收端20可以预先设置修剪阈值。但本公开的示例不限于此，在另一些示例中，也可以在检测器30中预先设置修剪阈值，并通过修剪阈值对接收信号进行修剪后再与确定信号进行匹配。

在一些示例中，修剪阈值可以包括正修剪阈值和负修剪阈值。在一些示例中，正修剪阈值可以大于0，负修剪阈值可以小于0。也即，正修剪阈值可以为正数，负修剪阈值可以为负数。

在一些示例中，正修剪阈值和负修剪阈值可以互为相反数。也即，可以对接收信号进行对称修剪。在一些示例中，正修剪阈值和负修剪阈值为可以相互独立。也即，可以对接收信号进行非对称修剪。在这种情况下，能够支持多种修剪方式，通过选择合适的修剪阈值，能够显著地提高基于内曼-皮尔逊定理的检测器30的检测性能。

在一些示例中，修剪阈值可以通过对样本数据进行统计获得。在一些示例中，修剪阈值可以通过对样本数据按本公开示例涉及的修剪法进行修剪以获取修剪信号并基于修剪信号作出检测决策，统计不同的虚警概率和修剪阈值下的检测决策对应的检测概率获得。具体地，可以采集一定数量且已知信号情况(也即，已知存在确定信号还是仅包括噪声)的样本数据，通过组合不同的虚警概率和修剪阈值并观察相应的检测决策对应的检测概率的变化趋势以确定虚警概率与修剪阈值之间的关系。在一些示例中，也可以通过仿真实验获取修剪阈值。

在一些示例中，可以通过对样本数据进行统计或通过仿真实验获得与虚警概率相关的第一预设范围和第二预设范围。在一些示例中，虚警概率与修剪阈值之间的关系可以为若虚警概率位于第一预设范围时，则负修剪阈值与检测概率可以呈负相关，正修剪阈值与检测概率可以呈负相关，若虚警概率位于第二预设范围时，则负修剪阈值与检测概率可以呈正相关，正修剪阈值与检测概率可以呈正相关，其中，第一预设范围可以小于第二预设范围。也即，在低虚警概率(例如，第一预设范围)时，负修剪阈值越大或正修剪阈值越大，检测概率越小，在高虚警概率(例如，第二预设范围)时，负修剪阈值越大或正修剪阈值越大，检测概率越大。更多修剪阈值对检测概率影响可以参见下文与现有方案对比中的描述。在这种情况下，能够根据虚警概率确定正修剪阈值和负修剪阈值以提高检测概率。

在一些示例中，可以基于虚警概率与修剪阈值之间的关系构建查询表，在给定的虚警概率下，从查询表查询对应的修剪阈值。由此，能够方便地获取虚警概率对应的修剪阈值。

在一些示例中，可以根据接收信号的参数和虚警概率设置修剪阈值。也即，在接收信号的参数(例如，信噪比)的基础上，基于虚警概率与修剪阈值之间的关系设置修剪阈值。由此，能够获取接收信号的参数和虚警概率共同对应的修剪阈值。

在一些示例中，可以根据接收信号的参数和AUC增益(AUC增益为本公开的检测方法的AUC与现有方案的AUC的比值，稍后描述)设置修剪阈值。也即，在接收信号的参数的基础上，基于AUC增益与修剪阈值之间的关系设置修剪阈值。在这种情况下，能够在不考虑虚警概率的情况下，获得接收信号的参数和AUC增益共同对应的修剪阈值。也即，能够获得不论虚警概率多少，整体上优于现有方案的修剪阈值。

另外，接收信号的参数可以为接收信号自身的一些参数。例如，信噪比。也即，在固定接收信号自身的一些参数的情况下，获取虚警概率与修剪阈值之间的关系以及AUC增益与修剪阈值之间的关系。在一些示例中，可以通过对样本数据进行统计或通过仿真实验获得虚警概率与修剪阈值之间的关系以及AUC增益与修剪阈值之间的关系。

在一些示例中，如图4所示，基于修剪法的电子信号检测方法可以包括接收接收信号(步骤S104)。

在一些示例中，在步骤S104中，接收端20可以捕获接收信号(也即，接收端20接收到的信号)。在一些示例中，若发射端10生成源电子信号并向接收端20发射源电子信号，则接收端20可以捕获接收信号。在一些示例中，发射端10可以通过传输介质(例如，无线信道)发射源电子信号，接收端20可以从传输介质捕获接收信号。在一些示例中，发射端10可以包括但不限于用户设备，接收端20可以包括但不限于基站以及用户设备。在一些示例中，发射端10可以为发射机，接收端20可以为接收机。

但本公开的示例不限于此，在另一些示例中，接收信号也可以为存储在存储介质中的信号，接收端20可以从存储介质中读取接收信号并处理。

在一些示例中，接收信号中可以存在源电子信号或仅包括噪声。其中，源电子信号可以为确定信号。在这种情况下，后续能够利用修剪信号和待检测的确定信号进行相关匹配以构建检验统计量。

在一些示例中，如图4所示，基于修剪法的电子信号检测方法可以包括对接收信号进行修剪以获取修剪信号(步骤S106)。

图5(a)是示出了本公开的示例所涉及的接收信号的示意图。图5(b)是示出了本公开的示例所涉及的修剪信号的示意图。在一些示例中，在步骤S106中，接收端20可以基于修剪法对接收信号进行修剪以获取修剪信号。在一些示例中，在修剪法中，可以利用修剪阈值(例如，正修剪阈值和负修剪阈值)对接收信号进行修剪以获取修剪信号。作为示例，图5(a)和图5(b)分别示出了接收信号的示意图和修剪信号的示意图。其中，修剪信号为图5(a)所示的接收信号在正修剪阈值为4，负修剪阈值为-4情况下获得的。

具体地，在修剪法中，可以将接收信号的信号增益(也即，接收信号的值)与正修剪阈值和负修剪阈值进行比较，响应于接收信号的正信号增益(也即，接收信号的大于0的信号增益)高于正修剪阈值而将接收信号的信号增益设置为正修剪阈值，响应于接收信号的负信号增益(也即，接收信号的小于0的信号增益)小于负修剪阈值而将接收信号的信号增益设置为负修剪阈值，响应于接收信号的信号增益在正修剪阈值和负修剪阈值之间而保持接收信号的信号增益为原始值。由此，能够对接收信号进行修剪。

在一些示例中，在修剪法中，若接收信号为实数信号，则可以对实数信号的实部进行修剪，修剪信号可以满足公式：

其中，x[n]可以表示第n个接收信号，可以表示第n个修剪信号，θ⁺可以表示正修剪阈值，θ^-可以表示负修剪阈值。由此，能够对实数信号进行修剪。

在一些示例中，在修剪法中，若接收信号为复数信号，则可以对复数信号的实部和虚部分别进行修剪，修剪信号可以满足公式：

其中，x[n]可以表示第n个接收信号，可以表示第n个修剪信号，/>可以表示实部，/>可以表示虚部，θ⁺可以表示正修剪阈值，θ^-可以表示负修剪阈值，i可以表示虚数。由此，能够对复数信号进行修剪。

在一些示例中，修剪可以包括对称修剪和/或非对称修剪。另外，在对称修剪中，正修剪阈值和负修剪阈值可以互为相反数。另外，在非对称修剪中，正修剪阈值和负修剪阈值可以相互独立。

在一些示例中，如图4所示，基于修剪法的电子信号检测方法可以包括基于修剪信号做出检测决策(步骤S108)。

在一些示例中，在步骤S108中，检测器30可以基于修剪信号做出检测决策。在一些示例中，检测器30可以通过在二元假设检验问题下解决检测问题来检查源电子信号的存在。在一些示例中，检测器30可以基于修剪信号建立二元假设检验问题并构建检验统计量，将检验统计量与检测门限进行比较以做出检测决策。在一些示例中，可以通过建立基于接收信号的二元假设检验问题建立基于修剪信号的二元假设检验问题。

在一些示例中，基于接收信号的二元假设检验问题可以满足公式：

其中，H1可以表示存在源电子信号的假设，H0可以表示仅包括噪声的假设，x[n]可以表示第n个接收信号，w[n]可以表示第n个零均值的高斯噪声，s[n]可以表示待检测的第n个源电子信号，N可以表示接收信号的信号长度。另外，待检测的源电子信号可以为接收端20已知的信号(也即，确定信号)。例如，对于发射端10生成一个二进制相移键控(BinaryPhase Shift Keying，BPSK)信号，待检测的源电子信号可以为由1和-1组成的数据。

如上所述，接收端20可以基于修剪法对接收信号进行修剪以获取修剪信号。由于修剪信号是由接收信号得到的，接收信号存在两种情况(也即，存在源电子信号和仅包括噪声)，对应的修剪信号也有两种情况，也可以建立二元假设检验问题。也即，假设H0下的修剪信号可以是由假设H0下的接收信号得到的，假设H1下的修剪信号可以是由假设H1下的接收信号得到的。在一些示例中，基于修剪信号的二元假设检验问题可以满足公式：

由此，能够基于修剪信号建立二元假设检验问题。

如上所述，确定信号检测问题可以建模为均值偏移的高斯-高斯假设测试问题。在一些示例中，在均值偏移的高斯-高斯假设测试问题下，高斯噪声可以建模为零均值的高斯噪声，源电子信号和高斯噪声的方差可以相同，均值可以不同。其中，在假设H0下，检测接收信号为均值为零的高斯噪声，而在假设H1下，检测接收信号为均值为非零的高斯噪声。

在一些示例中，可以利用修剪信号与待检测的源电子信号(也即，确定信号)进行相关匹配以构建检验统计量。由此，能够基于修剪信号和确定信号构建检验统计量。在一些示例中，检验统计量T(x)可以满足公式：

其中，可以表示第n个修剪信号，s[n]可以表示待检测的第n个源电子信号，N可以表示修剪信号的信号长度。

在一些示例中，在相关匹配中，可以基于修剪信号和待检测的源电子信号并使用似然比检验构造检验统计量。由此，能够获取最优的检验统计量。

在一些示例中，负修剪阈值可以使检验统计量的概率密度函数的中心右移，正修剪阈值可以使检验统计量的概率密度函数的中心左移。在一些示例中，检验统计量的概率密度函数的中心可以随着负修剪阈值的增大而右移，并且随着正修剪阈值的减小而左移。在这种情况下，能够获得检验统计量与修剪阈值的关系，进而能够通过检验统计量与修剪阈值的关系调整修剪阈值以确定较合适的修剪阈值。

在一些示例中，检测门限可以为基于内曼-皮尔逊定理获得的最优阈值。在一些示例中，检测门限可以是基于内曼-皮尔逊定理并通过预先设定的虚警概率的约束推导获得。由此，能够使检测器30为内曼-皮尔逊定理指定的最佳检测器。在一些示例中，可以基于内曼-皮尔逊定理，并保证虚警概率小于上限且最大化检测概率以获得最优阈值。也即，虚警概率PFA可以满足PFA≤ε_PFA。其中，ε_PFA可以表示虚警概率的上限。由此，能够保证虚警概率小于或等于虚警概率的上限，并最大化检测概率。

在一些示例中，检测决策可以为若检验统计量大于检测门限则可以接受假设H1(也即，存在源电子信号的假设)，否则可以接受假设H0(也即，仅包括噪声的假设)。由此，能够基于检验统计量和检测门限作出检测决策。在一些示例中，检测决策可以满足公式：

其中，T(x)可以表示检验统计量，γ可以表示检测门限。

另外，为了验证本公开示例涉及的电子信号检测方法(以下简称本方案)的有效性，与现有的未进行修剪的方法(可以简称现有方案)进行比较。其中，为了方便描述，以下PFA可以表示虚警概率，PD可以表示检测概率，θ⁺可以表示正修剪阈值，θ^-可以表示负修剪阈值。

另外，实验设置为对于假设H1(以下简称为H1)，发射端10生成一个二进制相移键控(Binary Phase Shift Keying，BPSK)信号。考虑一个块衰落(block fading)无线信道，将信道衰落模型设置为瑞利信道，并假设接收端(可以为现有方案的接收端和本方案的接收端20)可以很好地估计信道衰落并使之均衡，块的长度设置为64，在一次传输中块的数量设置为1000。对于假设H0(以下简称为H0)，接收端只接收到噪声，噪声设为零均值的高斯噪声。除非另有说明，否则将信噪比设为-1dB(分贝)。另外，由于信道衰落和噪声带来的随机性，对独立试验的结果进行求平均，分别使用对称修剪和非对称修剪对检测性能进行分析。

对于对称修剪，如上所述，正修剪阈值和负修剪阈值可以互为相反数，也即，θ⁺＝-θ^-＝TA，其中，TA可以表示正修剪阈值和负修剪阈值的绝对值。

图6(a)是示出了本公开的示例所涉及的现有方案的检验统计量的示意图。图6(b)是示出了本公开的示例所涉及的第一修剪阈值对应的检验统计量的示意图。图6(c)是示出了本公开的示例所涉及的第二修剪阈值对应的检验统计量的示意图。图6(d)是示出了本公开的示例所涉及的第三修剪阈值对应的检验统计量的示意图。其中，第一修剪阈值、第二修剪阈值和第三修剪阈值对应的TA值分别为40、5和1。

如图6(a)、图6(b)、图6(c)和图6(d)所示，比较了不修剪接收信号的信号增益的现有方案、第一修剪阈值对应的TA值为40的本方案、第二修剪阈值对应的TA值为5的本方案和第三修剪阈值对应的TA值为1的本方案等四种方案。可以看出，随着TA值的减小，可以观察到以下现象：

首先，H0下的检验统计量的中心没有移动，而H1下的检验统计量的中心逐渐接近于零。第二，H0下检验统计量的形状保持对称，而H1下则不对称。第三，H0和H1下的检验统计量形状逐渐变窄(也即，横坐标的范围逐渐变窄)。为了便于比较，上述四种方案的均值和方差见表1。

表1

从表1中，可以看出，首先，均值差(均值差可以定义为H1下的均值减去H0下的均值)随着TA值的减小而减小。这是因为H0下的均值没有变化，而H1下的均值逐渐减小。其次，如果TA值足够高(例如，TA值超过40)，则可以忽略均值差的变化。第三，H0和H1下的方差都随着TA值的减小而减小，但H0下的方差减小的幅度大于H1下的方差减小的幅度。这是因为在本方案的对称修剪中，H0下的检验统计量是对称的，而H1下的检验统计量不是对称的。

图6(e)是示出了本公开的示例所涉及的现有方案以及不同修剪阈值的检测概率的对比图。图6(f)是示出了本公开的示例所涉及的现有方案的检验统计量的示意图。图6(g)是示出了本公开的示例所涉及的第二修剪阈值(也即，TA＝5)对应的检验统计量的示意图。

另外，进一步研究了现有方案以及不同修剪阈值对检测概率的影响。如图6(e)所示，可以观察到以下现象：

首先，当PFA值较小时(例如，PFA值为0.01)，TA值越低对应的PD值越高。这是因为接收端20需要尽可能地消除H0的样本，以获得较小的PFA值。正如上述表1的第三个结论，随着TA值的减小，H0下的方差减小的幅度大于H1下的方差减小的幅度。因此，当PFA值较小时，随着TA值的降低，PD值显著地提高。例如，对于PFA＝0.01，在现有方案下PD值为0.04(参见图6(f))，而在本方案的TA＝5(也即，第二阈值)的情况下PD值为0.54(参见图6(g))。

第二，对于PFA值是中等大小时(例如，PFA值为0.3)，TA值越低对应的PD值越小。这是因为当PFA值为中等大小时，PD值主要是由均值差决定的。正如上述表1的第一个结论，均值差随着TA值的减小而减小。因此，对于PFA为中等大小时，PD值随着TA值的降低而降低。例如，对于PFA＝0.3，在现有方案下PD值为0.96(参见图6(f))，而在本方案的TA＝5的情况下PD值为0.95(参见图6(g))。

第三，对于PFA值为高值(例如，PFA值为0.91)时，TA的低值对应着PD的略高值。这是因为当PFA值较高时，PD值主要是由方差决定的，就像第一个现象一样。而且，当PFA值较高时，PD值非常接近于1，这样提高检测概率的空间就很小。因此，当PFA值较高时，随着TA值的降低，PD值略有提高。例如，对于PFA＝0.91，在现有方案下PD值为0.985(参见图6(f))，而在本方案的TA＝5的情况下PD值为0.992(参见图6(g))。

注意，当TA＝40时，均值差几乎没有改变，方差减少很多，但PD值却和现有方案几乎一样。这是因为当TA＝40时，本方案压缩了少量的检验统计信息，但检验统计量的值很大。因此，方差的变化远大于均值和PD值的变化。总之，无论是PFA的小值还是高值都突出了本方案的优势。

另外，需要说明的是，上述提到的PFA值较小时、PFA值是中等大小时、PFA值为高值时，可以为三个对应的区间(例如第一区间、第二区间和第三区间，其中，第一区间<第二区间<第三区间)，具体区间范围与实际的应用场景(例如实验设置或通信环境)有关，区间范围根据具体的应用场景可以确定，进而根据PFA值与TA值的关系可以选择合适的TA值以提高PD值。由此，能够提高检测性能。

图6(h)是示出了本公开的示例所涉及的不同修剪阈值下的AUC增益的示意图。其中，AUC增益为本方案的AUC与现有方案的AUC的比值。

根据图6(e)中的ROC曲线，可以计算出曲线下面积(Area Under the Curve，AUC)，它代表整体的检测性能，与PFA无关。AUC值越高，可以表示检测性能越好。当AUC增益大于1时，可以表示本方案的检测性能优于现有方案；否则，可以表示本方案的检测性能比现有方案差。如图6(h)所示，比较了不同修剪阈值下的AUC增益。从图6(h)中可以观察到以下现象：

首先，AUC增益与TA是一个凸函数。具体地，当TA值较低时，AUC增益随着TA值的增加而提高，而当TA值较高时，AUC增益随着TA值的增加而降低。

第二，当TA值过低，甚至低于H1下接收信号的均值时，减小均值差的负作用大于减小方差的正作用。因此，在TA值较低的情况下，本方案的检测性能较现有方案差，而随着TA值的增加，本方案的检测性能显著提高。

第三，当TA值足够高时，方差减小带来的正作用优于均值差减小带来的负作用。因此，本方案的检测性能比现有方案的检测性能更好。也即，AUC增益大于1。

第四，在本方案达到最优效果后，均值和方差的正作用和负作用的影响都可以逐步忽略。例如，均值增大或方差减小带来的正作用的影响，以及均值减小或方差增大带来的负作用的影响。因此，随着TA值的增加，本方案的检测性能逐渐下降，并最终降低到现有方案的检测性能。

总之，如果TA的值设置得当，那么本方案的检测性能要优于现有方案，并且本方案不修改发射端10的任何流程，也不需要任何反馈通道。

对于非对称修剪，如上所述，正修剪阈值和负修剪阈值可以相互独立。为了方便描述，令第一条件为固定正修剪阈值为100，负修剪阈值不同，令第二条件为固定负修剪阈值为-100，正修剪阈值不同。

图7(a)是示出了本公开的示例所涉及的第一条件对应的H0的检验统计量的示意图。图7(b)是示出了本公开的示例所涉及的第一条件对应的H1的检验统计量的示意图。

如图7(a)和图7(b)所示，在第一条件下，将正修剪阈值设为100，负修剪阈值分别设为-1、-5和-20，可以发现随着负修剪阈值的增大，H0和H1下的检验统计量的概率密度函数都右移。这是因为负向修剪会使修剪信号的值变大，也就使得检验统计量的值增大，并且负修剪阈值越大，修剪的接收信号也就越多，从而使得检验统计量的概率密度函数右移。

图7(c)是示出了本公开的示例所涉及的现有方案与第一条件对应的检测概率的示意图。

另外，从图7(c)中，可以看出随着负修剪阈值的增大，本方案在低PFA时的PD值越低，在高PFA时的PD值越高。这是因为随着负修剪阈值的增大，H0和H1下检验统计量的概率密度函数都右移，但是H0下移动的更多。

图7(d)是示出了本公开的示例所涉及的多个固定的正修剪阈值分别对应不同负修剪阈值下的AUC增益的示意图。其中，多个固定的正修剪阈值分别为1、5、10和100。从图7(d)中可以观察到以下现象：

首先，随着负修剪阈值的减小，固定的正修剪阈值分别为1、5和10时，AUC增益趋势与对称修剪时一样，AUC增益和负修剪阈值是一个凸函数。另外，随着固定的正修剪阈值的增大，AUC增益的峰值后移。第二，当正修剪阈值为100时，随着负修剪阈值的减小，AUC增益逐渐提高，并趋于1。第三，与图6(h)比较，当正修剪阈值为5时，AUC增益的峰值高于对称修剪时的峰值。

如上所述，可以令第二条件为固定负修剪阈值为-100，正修剪阈值不同。

图8(a)是示出了本公开的示例所涉及的第二条件的对应H0的检验统计量的示意图。图8(b)是示出了本公开的示例所涉及的第二条件对应的H1的检验统计量的示意图。

如图8(a)和图8(b)所示，在第二条件下，将负修剪阈值设为-100，正修剪阈值分别设为1、5和20，可以发现随着正修剪阈值的减小，H0和H1下检验统计量的概率密度函数都左移。这是因为正向修剪会使修剪信号的值变小，就使得检验统计量的值减小，并且正修剪阈值越小，修剪的接收信号也就越多，从而使得检验统计量的概率密度函数左移。

图8(c)是示出了本公开的示例所涉及的现有方案与第二条件对应的检测概率的示意图。

另外，从图8(c)所示中，可以看出随着正修剪阈值的增大，本方案在低PFA时的PD值越低，在高PFA时的PD值越高。这是因为随着正修剪阈值的减小，H0和H1下检验统计量的概率密度函数都左移，但是H1下移动的更多。

图8(d)是示出了本公开的示例所涉及的多个固定的负修剪阈值分别对应不同正修剪阈值下的AUC增益的示意图。其中，多个固定的负修剪阈值分别为-1、-5、-10和-100。从图8(d)中可以观察到以下现象：

首先，随着正修剪阈值的增大，固定负修剪阈值为-1、-5和-10时，AUC增益趋势与对称修剪时一样，AUC增益和正修剪阈值是一个凸函数。另外，随着固定的负修剪阈值的减小，AUC增益的峰值后移。第二，当负修剪阈值为-100时，随着正修剪阈值的增大，AUC增益逐渐提高，并趋于1。第三，与图6(h)比较，当负修剪阈值为-1和-5时，AUC增益的峰值高于对称修剪时的峰值。

根据上述的实验结果可以得到如下结论：第一，负向修剪会使得检验统计量的概率密度函数右移，并且负修剪阈值越大，右移得越多。第二，负向修剪会提高本方案在高PFA时的检测性能，降低在低PFA时的检测性能。第三，正向修剪会使得检验统计量的概率密度函数左移，并且正修剪阈值越小，左移得越多。第四，正向修剪会降低本方案在高PFA时的检测性能，提高在低PFA时的检测性能。第五，如果选择合适的修剪阈值，非对称修剪相比于对称修剪，在整体性能增益上更加具有优势。

本公开示例还涉及一种基于修剪法的电子信号检测系统1(可以简称为电子信号检测系统1或检测系统)。本公开示例所涉及的电子信号检测系统1可以用于实施本公开示例所涉及的电子信号检测方法。除非特别说明，本公开示例所涉及的电子信号检测方法的相关描述同样适用于本公开示例所涉及的电子信号检测系统1。在一些示例中，如图1所示，电子信号检测系统1可以包括发射端10、接收端20和检测器30。

在一些示例中，发射端10可以用于生成源电子信号并向接收端20发射源电子信号。在一些示例中，发射端10可以通过传输介质发射源电子信号。具体可以参见步骤S104中关于发射端10的相关描述。

在一些示例中，接收端20可以用于预先设置修剪阈值和对接收信号进行修剪以获取修剪信号。在一些示例中，修剪阈值可以包括正修剪阈值和负修剪阈值。在一些示例中，正修剪阈值可以大于0，负修剪阈值可以小于0。也即，正修剪阈值可以为正数，负修剪阈值可以为负数。在一些示例中，接收端20可以从传输介质捕获接收信号。在一些示例中，接收信号可以存在源电子信号或仅包括噪声。其中，源电子信号可以为确定信号。在一些示例中，接收端20可以基于修剪法对接收信号进行修剪以获取修剪信号。在一些示例中，在修剪法中，可以利用修剪阈值对接收信号进行修剪。具体地，在修剪法中，可以将接收信号的信号增益与正修剪阈值和负修剪阈值进行比较，响应于接收信号的正信号增益高于正修剪阈值而将接收信号的信号增益设置为正修剪阈值，响应于负信号增益小于负修剪阈值而将接收信号的信号增益设置为负修剪阈值，响应于接收信号的信号增益在正修剪阈值和负修剪阈值之间而保持接收信号的信号增益为原始值。具体参见步骤S102、步骤S104和步骤S106的相关描述。

在一些示例中，检测器30可以用于基于修剪信号做出检测决策。在一些示例中，检测器30可以基于修剪信号建立二元假设检验问题并构建检验统计量，将检验统计量与检测门限进行比较以做出检测决策。在一些示例中，检测门限可以为基于内曼-皮尔逊定理获得的最优阈值。在一些示例中，检测门限可以是基于内曼-皮尔逊定理并通过预先设定的虚警概率的约束推导获得。具体参见步骤S108的相关描述。

本公开的基于修剪法的电子信号检测方法及系统(也即，电子信号检测系统1)，接收端20利用修剪阈值对接收信号进行修剪以获取修剪信号，并且基于内曼-皮尔逊定理的检测器30基于修剪信号形成二元假设检验问题并构建检验统计量，将检验统计量与检测门限进行比较以做出检测决策。在这种情况下，充分利用了高斯噪声在概率密度函数中具有对称结构这一重要事实，对接收信号进行修剪，使得相较于现有方案在高虚警概率和低虚警概率时具有优势，并且设置一个合适的修剪阈值，能够使检测性能优于现有方案。由此，能够显著地提高基于内曼-皮尔逊定理的检测器30的检测性能且不需要对发射端10进行任何修改。

虽然以上结合附图和实施例对本公开进行了具体说明，但是可以理解，上述说明不以任何形式限制本公开。本领域技术人员在不偏离本公开的实质精神和范围的情况下可以根据需要对本公开进行变形和变化，这些变形和变化均落入本公开的范围内。

Claims (10)

1.一种基于修剪法的电子信号检测方法，应用于包括发射端、接收端和检测器的电子信号检测系统的所述接收端和所述检测器，其特征在于，包括：

所述接收端预先设置有正修剪阈值和负修剪阈值，其中，所述正修剪阈值大于0，所述负修剪阈值小于0；

若所述发射端生成源电子信号并通过传输介质向所述接收端发射所述源电子信号，则所述接收端从所述传输介质捕获接收信号，并基于所述修剪法对所述接收信号进行修剪以获取修剪信号，其中，在所述修剪法中，将所述接收信号的信号增益与所述正修剪阈值和所述负修剪阈值进行比较，响应于所述接收信号的正信号增益高于所述正修剪阈值而将所述信号增益设置为所述正修剪阈值，响应于所述接收信号的负信号增益小于所述负修剪阈值而将所述信号增益设置为所述负修剪阈值，响应于所述信号增益在所述正修剪阈值和所述负修剪阈值之间而保持所述信号增益为原始值，所述源电子信号为确定信号；并且

所述检测器建立基于所述修剪信号的二元假设检验问题并构建检验统计量，将所述检验统计量与检测门限进行比较以做出检测决策，其中，所述检测门限是基于内曼-皮尔逊定理并通过预先设定的虚警概率的约束推导获得。

2.根据权利要求1所述的电子信号检测方法，其特征在于：

通过建立基于所述接收信号的二元假设检验问题建立基于所述修剪信号的二元假设检验问题，基于所述接收信号的二元假设检验问题满足公式：

其中，H1表示存在所述源电子信号的假设，H0表示仅包括噪声的假设，x[n]表示第n个接收信号，w[n]表示第n个零均值的高斯噪声，s[n]表示待检测的第n个源电子信号，N表示所述接收信号的信号长度，

基于所述修剪信号的二元假设检验问题满足公式：

3.根据权利要求1所述的电子信号检测方法，其特征在于：

在所述修剪法中，若所述接收信号为实数信号，则对所述实数信号的实部进行修剪，所述修剪信号满足公式：

其中，x[n]表示第n个接收信号，表示第n个修剪信号，θ⁺表示所述正修剪阈值，θ^-表示所述负修剪阈值。

4.根据权利要求1所述的电子信号检测方法，其特征在于：

在所述修剪法中，若所述接收信号为复数信号，则对所述复数信号的实部和虚部分别进行修剪，所述修剪信号满足公式：

其中，x[n]表示第n个接收信号，表示第n个修剪信号，/>表示实部，/>表示虚部，θ⁺表示所述正修剪阈值，θ^-表示所述负修剪阈值，i表示虚数。

5.根据权利要求2所述的电子信号检测方法，其特征在于，构建所述检验统计量为：

利用所述修剪信号与待检测的源电子信号进行相关匹配以构建所述检验统计量，其中，所述检验统计量T(x)满足公式：

其中，表示第n个修剪信号，s[n]表示待检测的第n个源电子信号，N表示所述修剪信号的信号长度。

6.根据权利要求5所述的电子信号检测方法，其特征在于：

所述检测决策为若所述检验统计量大于所述检测门限，则接受假设H1，否则接受假设H0，所述检测决策满足公式：

其中，T(x)表示所述检验统计量，γ表示所述检测门限。

7.根据权利要求1所述的电子信号检测方法，其特征在于：

所述修剪包括对称修剪和/或非对称修剪，其中，在所述对称修剪中，所述正修剪阈值和所述负修剪阈值互为相反数，在所述非对称修剪中，所述正修剪阈值和所述负修剪阈值相互独立。

8.根据权利要求1所述的电子信号检测方法，其特征在于：

在所述接收信号的参数的基础上，基于所述虚警概率与修剪阈值之间的关系设置所述修剪阈值；或在所述接收信号的参数的基础上，基于AUC增益与所述修剪阈值之间的关系设置所述修剪阈值，其中，所述修剪阈值包括所述正修剪阈值和所述负修剪阈值。

9.根据权利要求1或8所述的电子信号检测方法，其特征在于：

根据所述虚警概率确定所述正修剪阈值和所述负修剪阈值以提高检测概率，其中，若所述虚警概率位于第一预设范围时，则所述负修剪阈值与所述检测概率呈负相关，所述正修剪阈值与所述检测概率呈负相关，若所述虚警概率位于第二预设范围时，则所述负修剪阈值与所述检测概率呈正相关，所述正修剪阈值与所述检测概率呈正相关，所述第一预设范围小于所述第二预设范围，所述第一预设范围和所述第二预设范围通过对样本数据进行统计获得。

10.一种基于修剪法的电子信号检测系统，其特征在于，包括发射端、接收端和检测器；

所述发射端用于生成源电子信号并通过传输介质向所述接收端发射所述源电子信号；

所述接收端用于预先设置正修剪阈值和负修剪阈值且从所述传输介质捕获接收信号，并基于所述修剪法对所述接收信号进行修剪以获取修剪信号，其中，在所述修剪法中，将所述接收信号的信号增益与所述正修剪阈值和所述负修剪阈值进行比较，响应于所述接收信号的正信号增益高于所述正修剪阈值而将所述信号增益设置为所述正修剪阈值，响应于所述接收信号的负信号增益小于所述负修剪阈值而将所述信号增益设置为所述负修剪阈值，响应于所述信号增益在所述正修剪阈值和所述负修剪阈值之间而保持所述信号增益为原始值，所述源电子信号为确定信号，所述正修剪阈值大于0，所述负修剪阈值小于0；以及

所述检测器用于建立基于所述修剪信号的二元假设检验问题并构建检验统计量，将所述检验统计量与检测门限进行比较以做出检测决策，其中，所述检测门限是基于内曼-皮尔逊定理并通过预先设定的虚警概率的约束推导获得。