CN117318671B - 一种基于快速傅里叶变换的自适应滤波方法 - Google Patents
一种基于快速傅里叶变换的自适应滤波方法 Download PDFInfo
- Publication number
- CN117318671B CN117318671B CN202311611317.4A CN202311611317A CN117318671B CN 117318671 B CN117318671 B CN 117318671B CN 202311611317 A CN202311611317 A CN 202311611317A CN 117318671 B CN117318671 B CN 117318671B
- Authority
- CN
- China
- Prior art keywords
- filter
- frequency domain
- information
- domain component
- filtered
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 134
- 238000001914 filtration Methods 0.000 title claims abstract description 60
- 238000012545 processing Methods 0.000 claims abstract description 80
- 230000003044 adaptive effect Effects 0.000 claims description 103
- 238000004364 calculation method Methods 0.000 claims description 83
- 239000011159 matrix material Substances 0.000 claims description 52
- 230000008569 process Effects 0.000 claims description 33
- 238000005070 sampling Methods 0.000 claims description 14
- 238000004891 communication Methods 0.000 claims description 13
- 230000007274 generation of a signal involved in cell-cell signaling Effects 0.000 claims description 6
- 230000011218 segmentation Effects 0.000 claims description 2
- 230000008859 change Effects 0.000 abstract description 4
- 238000001228 spectrum Methods 0.000 abstract description 3
- 230000007547 defect Effects 0.000 abstract description 2
- 230000006870 function Effects 0.000 description 54
- 238000012360 testing method Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000004590 computer program Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 230000001629 suppression Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000003874 inverse correlation nuclear magnetic resonance spectroscopy Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H03—ELECTRONIC CIRCUITRY
- H03H—IMPEDANCE NETWORKS, e.g. RESONANT CIRCUITS; RESONATORS
- H03H21/00—Adaptive networks
- H03H21/0012—Digital adaptive filters
- H03H21/0043—Adaptive algorithms
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/14—Fourier, Walsh or analogous domain transformations, e.g. Laplace, Hilbert, Karhunen-Loeve, transforms
- G06F17/141—Discrete Fourier transforms
- G06F17/142—Fast Fourier transforms, e.g. using a Cooley-Tukey type algorithm
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Discrete Mathematics (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Filters That Use Time-Delay Elements (AREA)
Abstract
本申请适用于信号处理的技术领域,提供了一种基于快速傅里叶变换的自适应滤波方法,其方法包括采集原始时域信号,然后对原始时域信号进行FFT处理,生成多个待滤波频域分量信息,再确定目标自适应滤波器,然后基于目标自适应滤波器对待滤波频域分量信息进行滤波处理,生成目标频域分量信息,最后对目标频域分量信息进行IFFT处理,生成目标时域信号,从而实现了根据实时信号的频谱特性和噪声水平自动调整滤波器参数,使滤波器能够实时响应信号的变化,更好地去除噪声、改善信号质量,以及可以适用于各种不同的应用场景,填补了传统滤波方法在动态环境下的不足,提供了更加灵活和高效的信号处理解决方案,信号处理质量极其优秀。
Description
技术领域
本申请涉及信号处理的技术领域,具体而言,涉及一种基于快速傅里叶变换的自适应滤波方法。
背景技术
目前,传统的滤波方法在处理实时信号时,通常需要事先确定滤波器参数(譬如截止频率和滤波器类型),然而,这些参数是静态的,无法自适应地适应信号中的变化或噪声水平的波动。这会导致传统的滤波器在面对复杂和动态的实际应用环境时表现不佳,难以有效地去除噪声或适应信号频谱的变化,存在信号处理质量较差的问题,有待进一步改进。
发明内容
基于此,本申请实施例提供了一种基于快速傅里叶变换的自适应滤波方法,以解决现有技术中信号处理质量较差的问题。
第一方面,本申请实施例提供了一种基于快速傅里叶变换的自适应滤波方法,所述方法包括:
采集数字通信系统中的原始时域信号;
对所述原始时域信号进行快速傅里叶变换处理,生成多个待滤波频域分量信息,其中,每个所述待滤波频域分量信息均包括频域幅度信息和频域相位信息;
根据所述待滤波频域分量信息和预设的递归最小二乘法估计参数计算函数集,确定目标自适应滤波器;
基于所述目标自适应滤波器对所述待滤波频域分量信息进行滤波处理,生成目标频域分量信息;
对所述目标频域分量信息进行逆向快速傅里叶变换处理,生成目标时域信号,其中,所述目标时域信号用于描述滤波后的原始时域信号。
与现有技术相比存在的有益效果是:本申请实施例提供的基于快速傅里叶变换的自适应滤波方法,终端设备可以采集数字通信系统中的原始时域信号,然后快速傅里叶变换处理原始时域信号,生成多个待滤波频域分量信息,再根据待滤波频域分量信息和预设的递归最小二乘法估计参数计算函数集,确定目标自适应滤波器,然后基于目标自适应滤波器滤波处理待滤波频域分量信息,生成目标频域分量信息,再逆向快速傅里叶变换处理目标频域分量信息,生成目标时域信号,从而实现自适应信号中的变化或噪声水平的波动,有效地滤波,有利于大幅度提高信号处理质量,在一定程度上解决了当前信号处理质量较差的问题。
第二方面,本申请实施例提供了一种基于快速傅里叶变换的自适应滤波系统,所述系统包括:
原始时域信号采集模块:用于采集数字通信系统中的原始时域信号;
待滤波频域分量信息生成模块:用于对所述原始时域信号进行快速傅里叶变换处理,生成多个待滤波频域分量信息,其中,每个所述待滤波频域分量信息均包括频域幅度信息和频域相位信息;
目标自适应滤波器确定模块:用于根据所述待滤波频域分量信息和预设的递归最小二乘法估计参数计算函数集,确定目标自适应滤波器;
目标频域分量信息生成模块:用于基于所述目标自适应滤波器对所述待滤波频域分量信息进行滤波处理,生成目标频域分量信息;
目标时域信号生成模块:用于对所述目标频域分量信息进行逆向快速傅里叶变换处理,生成目标时域信号,其中,所述目标时域信号用于描述滤波后的原始时域信号。
第三方面,本申请实施例提供了一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如上述第一方面的方法的步骤。
第四方面,本申请实施例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存储有计算机程序,所述计算机程序被处理器执行时实现如上述第一方面的方法的步骤。
可以理解的是,上述第二方面至第四方面的有益效果可以参见上述第一方面中的相关描述,在此不再赘述。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍。
图1是本申请一实施例提供的自适应滤波方法的流程示意图;
图2是本申请一实施例提供的自适应滤波方法中步骤S200的流程示意图;
图3是本申请一实施例提供的自适应滤波方法中步骤S300的流程示意图;
图4是本申请一实施例提供的自适应滤波方法中步骤S400的流程示意图;
图5是本申请一实施例提供的对比结果的第一示意图;
图6是本申请一实施例提供的对比结果的第二示意图;
图7是本申请一实施例提供的对比结果的第三示意图;
图8是本申请一实施例提供的自适应滤波系统的模块框图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本申请实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本申请的描述。
在本申请说明书和所附权利要求书的描述中,术语“第一”、“第二”、“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此,在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例,而是意味着“一个或多个但不是所有的实施例”,除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”,除非是以其他方式另外特别强调。
信号噪声的存在对多个领域(譬如数字通信领域、控制系统领域或生物医药领域)的技术和系统产生广泛的负面影响,首先,噪声会降低信号的质量,导致信号与噪声之间的差异减小,进而降低了信噪比(Signal-to-Noise Ratio,SNR),这会导致信息的丢失和失真,对数据和信号的完整性造成影响,特别是在数字通信领域中,噪声会大幅度增加误码率,导致需要更多的纠错码或者更高的调制方式,大大地增加了系统的复杂性。此外,噪声还会干扰其他无关信号,导致通信系统之间相互干扰,限制了传输距离。而在视听领域中,噪声会导致音频和视频质量下降,例如音频变得嘈杂的、图像变得模糊,甚至花屏。为了降低这些负面影响,需要采取各种不同的方法和技术(譬如滤波、噪声抑制、错误校正和编码),以提高系统性能并确保数据质量。
滤波技术作为一种信号处理方法,旨在通过改变信号的频率特性,分离或抑制特定频率范围内的信号,从而实现信号的增强、去噪或频率选择性处理,有助于提高信号质量、消除噪声和减小干扰,实现更精确的数据分析和信息提取。但是传统的滤波器在面对复杂和动态的实际应用环境时表现不佳,无法适应实际应用环境的多变性,难以有效地去除噪声或适应信号频谱的变化,信号处理质量较差,甚至无法从噪声中提取出所需信号。
为了说明本申请所述的技术方案,下面通过具体实施例来进行说明。
请参阅图1,图1是本申请实施例提供的基于快速傅里叶变换的自适应滤波方法的流程示意图。在本实施例中,自适应滤波方法的执行主体为终端设备。可以理解的是,终端设备的类型包括但不限于手机、平板电脑、笔记本电脑、超级移动个人计算机(Ultra-Mobile Personal Computer,UMPC)、上网本、个人数字助理(Personal DigitalAssistant,PDA)等,本申请实施例对终端设备的具体类型不作任何限制。
请参阅图1,本申请实施例提供的自适应滤波方法包括但不限于以下步骤:
在S100中,采集数字通信系统中的原始时域信号。
具体来说,终端设备可以先采集数字通信系统中的原始时域信号,原始时域信号即原始信号。
在S200中,对原始时域信号进行快速傅里叶变换处理,生成多个待滤波频域分量信息。
具体来说,在终端设备采集原始时域信号之后,终端设备可以对原始时域信号进行快速傅里叶变换(Fast Fourier Transform,FFT)处理,生成多个待滤波频域分量信息,其中,待滤波频域分量信息用于描述进行快速傅里叶变换处理后的原始时域信号,每个待滤波频域分量信息均包括频域幅度信息和频域相位信息,频域幅度信息用于描述待滤波频域分量信息在不同频率上对应的幅度,频域相位信息用于描述待滤波频域分量信息在不同频率上对应的相位。
在一些可能的实现方式中,为了实现将时域信号转换为频域信号,请参阅图2,步骤S200包括但不限于以下步骤:
在S210中,获取原始时域信号的数据长度信息。
具体来说,终端设备可以先获取原始时域信号的数据长度信息,其中,数据长度信息用于描述原始时域信号的数据长度。
在S220中,根据数据长度信息,确定原始时域信号的二进制位数信息。
具体来说,终端设备可以基于数据长度信息,确定出原始时域信号的二进制位数信息,其中,二进制位数信息用于描述二进制形式表示的原始时域信号。
在S230中,基于二进制位数信息,对原始时域信号进行按位逆序排列处理,生成逆序排列信号。
具体来说,终端设备可以基于二进制位数信息,对原始时域信号进行按位逆序排列处理,生成逆序排列信号,实现对原始时域信号的重新排列,其中,逆序排列信号为按位逆序排列的原始时域信号。
在S240中,基于数据长度信息,将逆序排列信号分割为两组蝶形处理信号数据。
具体来说,两组蝶形处理信号数据对应的元素个数相一致;终端设备可以基于数据长度信息,将逆序排列信号分割为两组蝶形处理信号数据;示例性地,当数据长度信息为N的时候,终端设备可以将逆序排列信号分割为两组蝶形处理信号数据,每组蝶形处理信号数据均包含个元素。
在S250中,对两组蝶形处理信号数据进行多级迭代蝶形运算处理,生成多个蝶形运算结果数据。
具体来说,在终端设备确定出两组蝶形处理信号数据之后,终端设备可以对两组蝶形处理信号数据进行多级迭代蝶形运算处理,生成多个蝶形运算结果数据,其中,蝶形运算结果数据用于描述对两组蝶形处理信号数据进行多级迭代的蝶形运算之后,最终的运算结果,从而基于快速傅里叶变换算法将计算问题分解成多个较小的子问题,并在每个子问题上应用相同的操作,实现将计算复杂度从二次方级别减少到线性对数级别。
示例性地,终端设备可以将其中一组蝶形处理信号数据定义为奇数索引组,另一组蝶形处理信号数据定义为偶数索引组,然后对每一组蝶形处理信号进行蝶形运算,将每组蝶形处理信号中的两个元素将进行一次蝶形运算,得到两个输出结果,不断迭代重复该运算步骤,直至所有的输出结果都进行了蝶形运算,每个蝶形运算后的最终输出结果即蝶形运算结果数据。
在S260中,针对每个蝶形运算结果数据:确定蝶形运算结果数据为待滤波频域分量信息。
具体来说,终端设备可以针对每个蝶形运算结果数据进行如下处理:确定蝶形运算结果数据为待滤波频域分量信息。
在S300中,根据待滤波频域分量信息和预设的递归最小二乘法估计参数计算函数集,确定目标自适应滤波器。
具体来说,终端设备可以根据待滤波频域分量信息和预设的递归最小二乘法估计参数计算函数集,确定出目标自适应滤波器,目标自适应滤波器用于有效地去除噪声;其中,递归最小二乘法估计参数计算函数集包括滤波器估计参数计算函数、滤波器增益向量计算函数、滤波器估计误差计算函数、滤波器权重向量计算函数和滤波器协方差矩阵计算函数。
在一些可能的实现方式中,为了有利于滤波器适应不断变化的信号特性和噪声环境、以实时或接近实时的速度进行信号处理,以及有效地去除噪声,请参阅图3,步骤S300包括但不限于以下步骤:
在S310中,获取预设的初始自适应滤波器。
不失一般性地,初始自适应滤波器的截止频率为预设的第一初始值,第一初始值的取值范围为3Hz至6Hz,示例性地,第一初始值可以取5Hz。初始自适应滤波器的阶数为预设的第二初始值,第二初始值的取值范围为2至6,示例性地,第二初始值可以取4。初始自适应滤波器的遗忘因子为预设的第三初始值,第三初始值的取值范围为0至1,示例性地,第三初始值可以取0.99,第三初始值用于控制数据权重的衰减,实现控制稳定性和收敛速度。初始自适应滤波器的协方差矩阵为预设的第四初始值,第四初始值为单位矩阵,第四初始值的表达形式可以是,其中,/>表示一个/>的单位矩阵。初始自适应滤波器的权重向量为预设的第五初始值,第五初始值为所有元素均为0且列数为1的矩阵,第五初始值的表达形式可以是/>,其中,/>表示一个大小为/>的零向量。需要说明的是,第一初始值的具体值、第二初始值的具体值、第三初始值的具体值、第四初始值的具体值和第五初始值的具体值均可以由用户自定义。
具体来说,终端设备可以获取预设的初始自适应滤波器,初始自适应滤波器的各种参数可以均为初始化参数,从而为后续的频域滤波和信号处理提供了基础。
在S320中,获取多个待滤波频域分量信息的总长度信息。
具体来说,终端设备可以获取多个待滤波频域分量信息的总长度信息,总长度信息用于描述快速傅里叶变换的最终运算结果对应的总长度。示例性地,终端设备可以通过N=length(X)来获取总长度信息。
在S330中,确定总长度信息为采样点数量信息。
具体来说,由于快速傅里叶变换的最终运算结果对应的总长度可以等于采样点的数量,故终端设备可以确定总长度信息为采样点数量信息。
在S340中,针对每个待滤波频域分量信息,将待滤波频域分量信息输入至预设的频域分量频率值计算函数,确定待滤波频域分量信息对应的频域分量频率值。
具体来说,终端设备可以循环遍历快速傅里叶变换的最终运算结果,针对每个待滤波频域分量信息进行如下处理:输入待滤波频域分量信息至预设的频域分量频率值计算函数中,确定出待滤波频域分量信息对应的频域分量频率值,其中,频域分量频率值用于描述待滤波频域分量信息对应的频率。
在一些可能的实现方式中,上述频域分量频率值计算函数可以是:
,
式中,表示频域分量频率值,/>表示待滤波频域分量信息对应的索引值,/>表示预设的采样频率信息,/>表示采样点数量信息。
在S350中,比对频域分量频率值与截止频率。
具体来说,终端设备可以将频域分量频率值与截止频率进行比对。
在S360中,若频域分量频率值小于截止频率,则根据滤波器估计参数计算函数和待滤波频域分量信息,生成滤波器估计参数。
具体来说,如果频域分量频率值小于截止频率,则终端设备可以根据滤波器估计参数计算函数和待滤波频域分量信息,生成滤波器估计参数,其中,滤波器估计参数用于估计滤波器参数。
在一些可能的实现方式中,上述滤波器估计参数计算函数可以是:
,
式中,表示滤波器估计参数,/>()表示待滤波频域分量信息对应的数组,/>表示数组的起始索引,/>表示预设的步长,/>表示阶数,/>表示数组的结束索引。
在S370中,根据滤波器增益向量计算函数和待滤波频域分量信息,生成滤波器增益向量信息。
具体来说,终端设备可以根据滤波器增益向量计算函数和待滤波频域分量信息,生成滤波器增益向量信息,其中,滤波器增益向量信息用于结合估计误差调整滤波器参数。
在一些可能的实现方式中,上述滤波器增益向量计算函数可以是:
,
式中,表示滤波器增益向量信息,/>表示协方差矩阵,/>表示遗忘因子,/>表示滤波器估计参数的转置,/>表示滤波器估计参数。
在S380中,根据滤波器估计误差计算函数和待滤波频域分量信息,生成滤波器估计误差信息。
具体来说,终端设备可以根据滤波器估计误差计算函数和待滤波频域分量信息,生成滤波器估计误差信息,滤波器估计误差信息用于表示当前频率分量与滤波器估计的频率分量之间的差异。
在一些可能的实现方式中,上述滤波器估计误差计算函数可以是:
,
式中,表示滤波器估计误差信息,/>()表示待滤波频域分量信息对应的数组,/>表示数组的元素索引值,/>表示权重向量的转置,/>表示滤波器估计参数。
在S390中,根据滤波器权重向量计算函数和待滤波频域分量信息,生成滤波器权重向量信息。
具体来说,终端设备可以根据滤波器权重向量计算函数和待滤波频域分量信息,生成滤波器权重向量信息,滤波器权重向量信息用于校正估计误差。
在一些可能的实现方式中,上述滤波器权重向量计算函数可以是:
,
式中,表示滤波器权重向量信息,/>表示权重向量,/>表示滤波器增益向量信息,/>表示滤波器估计误差信息。
在S391中,根据滤波器协方差矩阵计算函数和待滤波频域分量信息,生成滤波器协方差矩阵信息。
具体来说,终端设备可以根据滤波器协方差矩阵计算函数和待滤波频域分量信息,生成滤波器协方差矩阵信息,滤波器协方差矩阵信息用于跟踪估计误差的方差。
在一些可能的实现方式中,上述滤波器协方差矩阵计算函数可以是:
,
式中,表示滤波器协方差矩阵信息,/>表示协方差矩阵,/>表示滤波器增益向量信息,/>表示滤波器估计参数的转置,/>表示遗忘因子。
在S392中,根据滤波器权重向量信息更新初始自适应滤波器的权重向量,并根据滤波器协方差矩阵信息更新初始自适应滤波器的协方差矩阵,确定目标自适应滤波器。
具体来说,终端设备可以根据滤波器权重向量信息更新初始自适应滤波器的权重向量,同时根据滤波器协方差矩阵信息更新初始自适应滤波器的协方差矩阵,确定出目标自适应滤波器,从而实现完成对所有频率分量的递推最小二乘法参数估计后,使用更新后的滤波器权重对频域信号进行滤波。
在S400中,基于目标自适应滤波器对待滤波频域分量信息进行滤波处理,生成目标频域分量信息。
具体来说,终端设备可以基于目标自适应滤波器,对待滤波频域分量信息进行滤波处理,生成目标频域分量信息。
在一些可能的实现方式中,为了实现有效滤波,请参阅图4,步骤S400包括但不限于以下步骤:
在S410中,基于目标自适应滤波器的阶数,遍历多个待滤波频域分量信息,确定精选频域分量信息。
具体来说,精选频域分量信息为多个待滤波频域分量信息中最接近阶数的待滤波频域分量信息;终端设备可以基于目标自适应滤波器的阶数,遍历多个待滤波频域分量信息,确定出精选频域分量信息。
在S420中,将目标自适应滤波器的权重向量和精选频域分量信息进行点乘处理,生成目标频域分量信息。
具体来说,在终端设备确定出精选频域分量信息之后,终端设备可以将目标自适应滤波器的权重向量和精选频域分量信息进行点乘处理,生成目标频域分量信息,从而实现有效的滤波操作。
在S500中,对目标频域分量信息进行逆向快速傅里叶变换处理,生成目标时域信号。
具体来说,目标时域信号用于描述滤波后的原始时域信号;终端设备可以对目标频域分量信息进行逆向快速傅里叶变换(Inverse Fast Fourier Transform,IFFT)处理,生成目标时域信号,从而将滤波后的频域信号转换回时域信号,目标时域信号不但包含了原始信号中在截止频率以下的频率分量,同时还去除了高于截止频率的噪声或干扰成分。
在一些可能的实现方式中,为了实现将滤波后的频域信号转换回时域信号,步骤S500包括但不限于以下步骤:
在S510中,基于预设的逆向快速傅里叶变换函数,对目标频域分量信息进行逆向快速傅里叶变换处理,生成目标时域信号。
具体来说,终端设备可以基于预设的逆向快速傅里叶变换函数,对目标频域分量信息进行逆向快速傅里叶变换处理,生成目标时域信号,其中,逆向快速傅里叶变换函数用于对滤波后的频域信号进行逆向快速傅里叶变换处理。
在一些可能的实现方式中,为了检验自适应滤波方法,终端设备可以通过带有随机噪声的输入信号、带有高频噪声的输入信号和带有低频噪声的输入信号分别测试自适应滤波方法。
在基于带有随机噪声的输入信号测试自适应滤波方法的过程中,可以先将采样频率设置为1000Hz,然后以每秒1000次的速度对输入信号进行离散采样,然后创建一个时间向量,该时间向量的表达形式可以是“t=0:1/fs:1”,再从0秒到1秒,以1/fs的时间步长(即1毫秒间隔)生成多个时间点,该些时间点可以用于信号和噪声的时间轴,然后定义一个信号频率,再生成一个信号,该信号可以通过正弦函数生成,该信号可以表示基于时间向量/>、频率/>、幅度默认为1,且表现为波动变化的信号。同时,终端设备可以利用该函数“/>”生成随机高斯噪声,然后将该随机高斯噪声与上述信号相加,生成混合信号,该混合信号可以包括原始信号和振幅被缩放至0.1的随机高斯噪声,从而真实模拟实际数据采集过程中信号中可能存在的随机噪声,使生成的混合信号更贴近实际情况,增强信号的真实性和可信度。
请参阅图5,图5为基于带有随机噪声的输入信号测试自适应滤波方法的过程中,本申请的自适应滤波方法滤波前的信号与滤波后的信号的对比结果,对比结果清晰地展示了本申请的自适应滤波方法在处理随机噪声方面的显著效果,通过结合递归最小二乘法算法,成功地减小了随机噪声对信号的干扰,有效地提高了信号的质量和可用性,本申请的自适应滤波方法的性能优势体现在它能够在频域上精确选择并去除随机噪声的频率成分,同时保持原始信号的有用信息,这一作用对于需要在存在随机噪声干扰的应用中获得可靠信号的领域具有重要意义,为信号处理和数据分析提供了一种新的且有效的解决方案。
在基于带有高频噪声的输入信号测试自适应滤波方法的过程中,可以先设置一个高频噪声的频率,生成一个正弦波噪声信号,然后利用高频处理函数对正弦波噪声信号进行处理,生成一个高频噪声信号,然后调整高频噪声信号的噪声幅度,再将原始信号与高频噪声信号相加,并通过乘以0.1来调整噪声的幅度,从而实现将高频噪声与原始信号相叠加,使噪声在信号中变得明显,有效地模拟信号中存在高频噪声或干扰的情况。
请参阅图6,图6为基于带有高频噪声的输入信号测试自适应滤波方法的过程中,本申请的自适应滤波方法滤波前的信号与滤波后的信号的对比结果,从对比结果可知本申请的自适应滤波方法表现出卓越的抑制高频噪声的性能,通过对频域中的信号进行精确的截止频率设置和基于递归最小二乘法的滤波,成功地去除了高频噪声成分,同时保留了原始信号的主要特征,本申请的自适应滤波方法表现出出色的信噪比改善,允许信号质量得到有效的提升,在需要去除高频噪声干扰的应用中展现出强大的应用潜力。
在基于带有低频噪声的输入信号测试自适应滤波方法的过程中,可以先设置低频噪声的频率,生成一个正弦波噪声信号,然后利用低频处理函数对正弦波噪声信号进行处理,生成一个低频噪声信号,然后调整低频噪声信号的噪声幅度,再将原始信号与低频噪声信号相加,并通过乘以0.1来调整噪声的幅度,从而实现将低频噪声与原始信号相叠加,使低频噪声在合并后的信号中变得更为显著,同时保留了原始信号的主要特征。
请参阅图7,图7为基于带有低频噪声的输入信号测试自适应滤波方法的过程中,本申请的自适应滤波方法滤波前的信号与滤波后的信号的对比结果,从对比结果可知本申请的自适应滤波方法在抑制低频噪声方面具有显著效果。
综上所述,本申请的自适应滤波方法成功地去除了随机、高频和低频噪声的干扰,同时有效地保留了原始信号的重要信息,这表明该自适应滤波方法在复杂环境下具有广泛应用潜力,无论是应对随机噪声、高频噪声亦或是低频噪声,均能卓越地改善信号质量,在噪声抑制和信号增强领域具有重要意义,为实际应用提供了强有力的技术支持。
本申请实施例基于快速傅里叶变换的自适应滤波方法的实施原理为:终端设备可以先采集数字通信系统中的原始时域信号,然后对原始时域信号进行快速傅里叶变换处理,生成多个待滤波频域分量信息,再确定目标自适应滤波器,然后基于目标自适应滤波器对待滤波频域分量信息进行滤波处理,生成目标频域分量信息,最后对目标频域分量信息进行逆向快速傅里叶变换处理,生成目标时域信号,从而实现了根据实时信号的频谱特性和噪声水平自动调整滤波器参数,使滤波器能够实时响应信号的变化,更好地去除噪声、改善信号质量,以及可以适用于各种不同的应用场景(譬如通信系统、生物医学设备、音频处理),填补了传统滤波方法在动态环境下的不足,提供了更加灵活和高效的信号处理解决方案,信号处理质量优秀。
需要说明的是,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
本申请的实施例还提供了一种基于快速傅里叶变换的自适应滤波系统,为便于说明,仅示出与本申请相关的部分,如图8所示,该系统80包括:
原始时域信号采集模块81:用于采集数字通信系统中的原始时域信号;
待滤波频域分量信息生成模块82:用于对原始时域信号进行快速傅里叶变换处理,生成多个待滤波频域分量信息,其中,每个待滤波频域分量信息均包括频域幅度信息和频域相位信息;
目标自适应滤波器确定模块83:用于根据待滤波频域分量信息和预设的递归最小二乘法估计参数计算函数集,确定目标自适应滤波器;
目标频域分量信息生成模块84:用于基于目标自适应滤波器对待滤波频域分量信息进行滤波处理,生成目标频域分量信息;
目标时域信号生成模块85:用于对目标频域分量信息进行逆向快速傅里叶变换处理,生成目标时域信号,其中,目标时域信号用于描述去除滤波后的原始时域信号。
可选的,上述待滤波频域分量信息生成模块82包括:
数据长度信息获取子模块:用于获取原始时域信号的数据长度信息;
二进制位数信息确定子模块:用于根据数据长度信息,确定原始时域信号的二进制位数信息;
逆序排列信号生成子模块:用于基于二进制位数信息,对原始时域信号进行按位逆序排列处理,生成逆序排列信号;
逆序排列信号分割子模块:用于基于数据长度信息,将逆序排列信号分割为两组蝶形处理信号数据,其中,两组蝶形处理信号数据对应的元素个数相一致;
蝶形运算结果数据生成子模块:用于子模块:用于对两组蝶形处理信号数据进行多级迭代蝶形运算处理,生成多个蝶形运算结果数据;
待滤波频域分量信息确定子模块:用于针对每个蝶形运算结果数据:确定蝶形运算结果数据为待滤波频域分量信息。
可选的,递归最小二乘法估计参数计算函数集包括滤波器估计参数计算函数、滤波器增益向量计算函数、滤波器估计误差计算函数、滤波器权重向量计算函数和滤波器协方差矩阵计算函数;上述目标自适应滤波器确定模块83包括:
初始自适应滤波器获取子模块:用于获取预设的初始自适应滤波器,其中,初始自适应滤波器的截止频率为预设的第一初始值,第一初始值的取值范围为3Hz至6Hz,初始自适应滤波器的阶数为预设的第二初始值,第二初始值的取值范围为2至6,初始自适应滤波器的遗忘因子为预设的第三初始值,第三初始值的取值范围为0至1,初始自适应滤波器的协方差矩阵为预设的第四初始值,第四初始值为单位矩阵,初始自适应滤波器的权重向量为预设的第五初始值,第五初始值为所有元素均为0且列数为1的矩阵;
总长度信息获取子模块:用于获取多个待滤波频域分量信息的总长度信息;
采样点数量信息确定子模块:用于确定总长度信息为采样点数量信息;
频域分量频率值确定子模块:用于针对每个待滤波频域分量信息,将待滤波频域分量信息输入至预设的频域分量频率值计算函数,确定待滤波频域分量信息对应的频域分量频率值;
频域分量频率值比对子模块:用于比对频域分量频率值与截止频率;
滤波器估计参数生成子模块:用于若频域分量频率值小于截止频率,则根据滤波器估计参数计算函数和待滤波频域分量信息,生成滤波器估计参数;
滤波器增益向量信息生成子模块:用于根据滤波器增益向量计算函数和待滤波频域分量信息,生成滤波器增益向量信息;
滤波器估计误差信息生成子模块:用于根据滤波器估计误差计算函数和待滤波频域分量信息,生成滤波器估计误差信息;
滤波器权重向量信息生成子模块:用于根据滤波器权重向量计算函数和待滤波频域分量信息,生成滤波器权重向量信息;
滤波器协方差矩阵信息生成子模块:用于根据滤波器协方差矩阵计算函数和待滤波频域分量信息,生成滤波器协方差矩阵信息;
目标自适应滤波器确定子模块:用于根据滤波器权重向量信息更新初始自适应滤波器的权重向量,并根据滤波器协方差矩阵信息更新初始自适应滤波器的协方差矩阵,确定目标自适应滤波器。
可选的,上述目标频域分量信息生成模块84包括:
精选频域分量信息确定子模块:用于基于目标自适应滤波器的阶数,遍历多个待滤波频域分量信息,确定精选频域分量信息,其中,精选频域分量信息为多个待滤波频域分量信息中最接近阶数的待滤波频域分量信息;
目标频域分量信息生成子模块:用于将目标自适应滤波器的权重向量和精选频域分量信息进行点乘处理,生成目标频域分量信息。
可选的,上述目标时域信号生成模块85包括:
目标时域信号生成子模块:用于基于预设的逆向快速傅里叶变换函数,对目标频域分量信息进行逆向快速傅里叶变换处理,生成目标时域信号。
需要说明的是,上述模块之间的信息交互、执行过程等内容,由于与本申请方法实施例基于同一构思,其具体功能及带来的技术效果,具体可参见方法实施例部分,此处不再赘述。
以上均为本申请的较佳实施例,并非依此限制本申请的保护范围,故:凡依本申请的方法、原理、结构所做的等效变化,均应涵盖于本申请的保护范围之内。
Claims (6)
1.一种基于快速傅里叶变换的自适应滤波方法,其特征在于,所述方法包括:
采集数字通信系统中的原始时域信号;
对所述原始时域信号进行快速傅里叶变换处理,生成多个待滤波频域分量信息,其中,每个所述待滤波频域分量信息均包括频域幅度信息和频域相位信息;
根据所述待滤波频域分量信息和预设的递归最小二乘法估计参数计算函数集,确定目标自适应滤波器,其中,所述递归最小二乘法估计参数计算函数集包括滤波器估计参数计算函数、滤波器增益向量计算函数、滤波器估计误差计算函数、滤波器权重向量计算函数和滤波器协方差矩阵计算函数;
基于所述目标自适应滤波器对所述待滤波频域分量信息进行滤波处理,生成目标频域分量信息;
对所述目标频域分量信息进行逆向快速傅里叶变换处理,生成目标时域信号,其中,所述目标时域信号用于描述滤波后的原始时域信号;
其中,所述根据所述待滤波频域分量信息和预设的递归最小二乘法估计参数计算函数集,确定目标自适应滤波器,包括:
获取预设的初始自适应滤波器,其中,所述初始自适应滤波器的截止频率为预设的第一初始值,所述第一初始值的取值范围为3Hz至6Hz,所述初始自适应滤波器的阶数为预设的第二初始值,所述第二初始值的取值范围为2至6,所述初始自适应滤波器的遗忘因子为预设的第三初始值,所述第三初始值的取值范围为0至1,所述初始自适应滤波器的协方差矩阵为预设的第四初始值,所述第四初始值为单位矩阵,所述初始自适应滤波器的权重向量为预设的第五初始值,所述第五初始值为所有元素均为0且列数为1的矩阵;
获取所述多个待滤波频域分量信息的总长度信息;
确定所述总长度信息为采样点数量信息;
针对每个所述待滤波频域分量信息:将所述待滤波频域分量信息输入至预设的频域分量频率值计算函数,确定所述待滤波频域分量信息对应的频域分量频率值,其中,所述频域分量频率值计算函数为:
,
式中,为所述频域分量频率值,/>为所述待滤波频域分量信息对应的索引值,/>为预设的采样频率信息,/>为所述采样点数量信息;
比对所述频域分量频率值与所述截止频率;
若所述频域分量频率值小于所述截止频率,则根据所述滤波器估计参数计算函数和所述待滤波频域分量信息,生成滤波器估计参数,其中,所述滤波器估计参数计算函数为:
,
式中,为所述滤波器估计参数,/>()为所述待滤波频域分量信息对应的数组,/>为所述数组的起始索引,/>为预设的步长,/>为所述阶数,/>为所述数组的结束索引;
根据所述滤波器增益向量计算函数和所述待滤波频域分量信息,生成滤波器增益向量信息,其中,所述滤波器增益向量计算函数为:
,
式中,为所述滤波器增益向量信息,/>为所述协方差矩阵,/>为所述遗忘因子,为所述滤波器估计参数的转置,/>为所述滤波器估计参数;
根据所述滤波器估计误差计算函数和所述待滤波频域分量信息,生成滤波器估计误差信息,其中,所述滤波器估计误差计算函数为:
,
式中,为所述滤波器估计误差信息,/>()为所述待滤波频域分量信息对应的数组,/>为所述数组的元素索引值,/>为所述权重向量的转置,/>为所述滤波器估计参数;
根据所述滤波器权重向量计算函数和所述待滤波频域分量信息,生成滤波器权重向量信息,其中,所述滤波器权重向量计算函数为:
,
式中,为所述滤波器权重向量信息,/>为所述权重向量,/>为所述滤波器增益向量信息,/>为所述滤波器估计误差信息;
根据所述滤波器协方差矩阵计算函数和所述待滤波频域分量信息,生成滤波器协方差矩阵信息,其中,所述滤波器协方差矩阵计算函数为:
,
式中,为所述滤波器协方差矩阵信息,/>为所述协方差矩阵,/>为所述滤波器增益向量信息,/>为所述滤波器估计参数的转置,/>为所述遗忘因子;
根据所述滤波器权重向量信息更新所述初始自适应滤波器的权重向量,并根据所述滤波器协方差矩阵信息更新所述初始自适应滤波器的协方差矩阵,确定目标自适应滤波器。
2.根据权利要求1所述的方法,其特征在于,所述对所述原始时域信号进行快速傅里叶变换处理,生成多个待滤波频域分量信息,包括:
获取所述原始时域信号的数据长度信息;
根据所述数据长度信息,确定所述原始时域信号的二进制位数信息;
基于所述二进制位数信息,对所述原始时域信号进行按位逆序排列处理,生成逆序排列信号;
基于所述数据长度信息,将所述逆序排列信号分割为两组蝶形处理信号数据,其中,两组所述蝶形处理信号数据对应的元素个数相一致;
对所述两组蝶形处理信号数据进行多级迭代蝶形运算处理,生成多个蝶形运算结果数据;
针对每个所述蝶形运算结果数据:确定所述蝶形运算结果数据为所述待滤波频域分量信息。
3.根据权利要求1所述的方法,其特征在于,所述基于所述目标自适应滤波器对所述待滤波频域分量信息进行滤波处理,生成目标频域分量信息,包括:
基于所述目标自适应滤波器的阶数,遍历所述多个待滤波频域分量信息,确定精选频域分量信息,其中,所述精选频域分量信息为所述多个待滤波频域分量信息中最接近所述阶数的待滤波频域分量信息;
将所述目标自适应滤波器的权重向量和所述精选频域分量信息进行点乘处理,生成所述目标频域分量信息。
4.根据权利要求1所述的方法,其特征在于,所述对所述目标频域分量信息进行逆向快速傅里叶变换处理,生成目标时域信号,包括:
基于预设的逆向快速傅里叶变换函数,对所述目标频域分量信息进行逆向快速傅里叶变换处理,生成目标时域信号。
5.一种基于快速傅里叶变换的自适应滤波系统,其特征在于,所述系统包括:
原始时域信号采集模块:用于采集数字通信系统中的原始时域信号;
待滤波频域分量信息生成模块:用于对所述原始时域信号进行快速傅里叶变换处理,生成多个待滤波频域分量信息,其中,每个所述待滤波频域分量信息均包括频域幅度信息和频域相位信息;
目标自适应滤波器确定模块:用于根据所述待滤波频域分量信息和预设的递归最小二乘法估计参数计算函数集,确定目标自适应滤波器,其中,所述递归最小二乘法估计参数计算函数集包括滤波器估计参数计算函数、滤波器增益向量计算函数、滤波器估计误差计算函数、滤波器权重向量计算函数和滤波器协方差矩阵计算函数;
目标频域分量信息生成模块:用于基于所述目标自适应滤波器对所述待滤波频域分量信息进行滤波处理,生成目标频域分量信息;
目标时域信号生成模块:用于对所述目标频域分量信息进行逆向快速傅里叶变换处理,生成目标时域信号,其中,所述目标时域信号用于描述滤波后的原始时域信号;
其中,所述目标自适应滤波器确定模块包括:
初始自适应滤波器获取子模块:用于获取预设的初始自适应滤波器,其中,所述初始自适应滤波器的截止频率为预设的第一初始值,所述第一初始值的取值范围为3Hz至6Hz,所述初始自适应滤波器的阶数为预设的第二初始值,所述第二初始值的取值范围为2至6,所述初始自适应滤波器的遗忘因子为预设的第三初始值,所述第三初始值的取值范围为0至1,所述初始自适应滤波器的协方差矩阵为预设的第四初始值,所述第四初始值为单位矩阵,所述初始自适应滤波器的权重向量为预设的第五初始值,所述第五初始值为所有元素均为0且列数为1的矩阵;
总长度信息获取子模块:用于获取所述多个待滤波频域分量信息的总长度信息;
采样点数量信息确定子模块:用于确定所述总长度信息为采样点数量信息;
频域分量频率值确定子模块:用于针对每个所述待滤波频域分量信息:将所述待滤波频域分量信息输入至预设的频域分量频率值计算函数,确定所述待滤波频域分量信息对应的频域分量频率值,其中,所述频域分量频率值计算函数为:
,
式中,为所述频域分量频率值,/>为所述待滤波频域分量信息对应的索引值,/>为预设的采样频率信息,/>为所述采样点数量信息;
频域分量频率值比对子模块:用于比对所述频域分量频率值与所述截止频率;
滤波器估计参数生成子模块:用于若所述频域分量频率值小于所述截止频率,则根据所述滤波器估计参数计算函数和所述待滤波频域分量信息,生成滤波器估计参数,其中,所述滤波器估计参数计算函数为:
,
式中,为所述滤波器估计参数,/>()为所述待滤波频域分量信息对应的数组,/>为所述数组的起始索引,/>为预设的步长,/>为所述阶数,/>为所述数组的结束索引;
滤波器增益向量信息生成子模块:用于根据所述滤波器增益向量计算函数和所述待滤波频域分量信息,生成滤波器增益向量信息,其中,所述滤波器增益向量计算函数为:
,
式中,为所述滤波器增益向量信息,/>为所述协方差矩阵,/>为所述遗忘因子,为所述滤波器估计参数的转置,/>为所述滤波器估计参数;
滤波器估计误差信息生成子模块:用于根据所述滤波器估计误差计算函数和所述待滤波频域分量信息,生成滤波器估计误差信息,其中,所述滤波器估计误差计算函数为:
,
式中,为所述滤波器估计误差信息,/>()为所述待滤波频域分量信息对应的数组,/>为所述数组的元素索引值,/>为所述权重向量的转置,/>为所述滤波器估计参数;
滤波器权重向量信息生成子模块:用于根据所述滤波器权重向量计算函数和所述待滤波频域分量信息,生成滤波器权重向量信息,其中,所述滤波器权重向量计算函数为:
,
式中,为所述滤波器权重向量信息,/>为所述权重向量,/>为所述滤波器增益向量信息,/>为所述滤波器估计误差信息;
滤波器协方差矩阵信息生成子模块:用于根据所述滤波器协方差矩阵计算函数和所述待滤波频域分量信息,生成滤波器协方差矩阵信息,其中,所述滤波器协方差矩阵计算函数为:
,
式中,为所述滤波器协方差矩阵信息,/>为所述协方差矩阵,/>为所述滤波器增益向量信息,/>为所述滤波器估计参数的转置,/>为所述遗忘因子;
目标自适应滤波器确定子模块:用于根据所述滤波器权重向量信息更新所述初始自适应滤波器的权重向量,并根据所述滤波器协方差矩阵信息更新所述初始自适应滤波器的协方差矩阵,确定目标自适应滤波器。
6.根据权利要求5所述的系统,其特征在于,所述待滤波频域分量信息生成模块包括:
数据长度信息获取子模块:用于获取所述原始时域信号的数据长度信息;
二进制位数信息确定子模块:用于根据所述数据长度信息,确定所述原始时域信号的二进制位数信息;
逆序排列信号生成子模块:用于基于所述二进制位数信息,对所述原始时域信号进行按位逆序排列处理,生成逆序排列信号;
逆序排列信号分割子模块:用于基于所述数据长度信息,将所述逆序排列信号分割为两组蝶形处理信号数据,其中,两组所述蝶形处理信号数据对应的元素个数相一致;
蝶形运算结果数据生成子模块:用于子模块:用于对所述两组蝶形处理信号数据进行多级迭代蝶形运算处理,生成多个蝶形运算结果数据;
待滤波频域分量信息确定子模块:用于针对每个所述蝶形运算结果数据:确定所述蝶形运算结果数据为所述待滤波频域分量信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311611317.4A CN117318671B (zh) | 2023-11-29 | 2023-11-29 | 一种基于快速傅里叶变换的自适应滤波方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311611317.4A CN117318671B (zh) | 2023-11-29 | 2023-11-29 | 一种基于快速傅里叶变换的自适应滤波方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117318671A CN117318671A (zh) | 2023-12-29 |
CN117318671B true CN117318671B (zh) | 2024-04-23 |
Family
ID=89286998
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311611317.4A Active CN117318671B (zh) | 2023-11-29 | 2023-11-29 | 一种基于快速傅里叶变换的自适应滤波方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117318671B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117879540A (zh) * | 2024-03-12 | 2024-04-12 | 西南应用磁学研究所(中国电子科技集团公司第九研究所) | 基于改进卡尔曼滤波的磁罗盘传感器自适应信号滤波方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105867122A (zh) * | 2016-04-01 | 2016-08-17 | 哈尔滨工程大学 | 基于滚动时域估计的动力定位船舶波频模型参数估计系统 |
CN108172231A (zh) * | 2017-12-07 | 2018-06-15 | 中国科学院声学研究所 | 一种基于卡尔曼滤波的去混响方法及系统 |
CN112051446A (zh) * | 2020-08-18 | 2020-12-08 | 许继集团有限公司 | 一种电力系统宽频测量的混合基fft实现方法及装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8290462B2 (en) * | 2009-02-04 | 2012-10-16 | Agere Systems Llc | Receiver and method for estimating a plurality of estimated transfer functions corresponding to wireless channels in a multiple-input system |
-
2023
- 2023-11-29 CN CN202311611317.4A patent/CN117318671B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105867122A (zh) * | 2016-04-01 | 2016-08-17 | 哈尔滨工程大学 | 基于滚动时域估计的动力定位船舶波频模型参数估计系统 |
CN108172231A (zh) * | 2017-12-07 | 2018-06-15 | 中国科学院声学研究所 | 一种基于卡尔曼滤波的去混响方法及系统 |
CN112051446A (zh) * | 2020-08-18 | 2020-12-08 | 许继集团有限公司 | 一种电力系统宽频测量的混合基fft实现方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN117318671A (zh) | 2023-12-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN117318671B (zh) | 一种基于快速傅里叶变换的自适应滤波方法 | |
CN110096956B (zh) | 基于eemd和排列熵二阶差分的信号去噪方法及装置 | |
JP2021524973A (ja) | パタン認識装置、パタン認識方法、及びプログラム | |
CN110598166A (zh) | 一种自适应确定小波分层级数的小波去噪方法 | |
CN112396110A (zh) | 一种基于生成对抗级联网络增广图像的方法 | |
CN110207689B (zh) | 一种基于小波熵的脉冲星信号去噪及辨识方法 | |
CN114429151A (zh) | 一种基于深度残差网络的大地电磁信号识别与重建方法及其系统 | |
CN113589253A (zh) | 一种基于伪时域的小波变换算法对微弱回波信号进行检测的方法 | |
CN110261912B (zh) | 一种地震数据的插值和去噪方法及系统 | |
CN112347413A (zh) | 信号处理方法、信号处理器、设备及存储介质 | |
WO2016197629A1 (en) | System and method for frequency estimation | |
CN112309359A (zh) | 高速音频编解码器的智能场景切换主动降噪的方法及耳机 | |
CN114047499B (zh) | 传感器阵列信号幅度不一致时的信号归一化方法及设备 | |
CN107919136B (zh) | 一种基于高斯混合模型的数字语音采样频率估计方法 | |
CN110808929A (zh) | 相减策略的实复转换式信噪比估计算法 | |
EP3853628A2 (en) | Joint source localization and separation method for acoustic sources | |
CN112652321B (zh) | 一种基于深度学习相位更加友好的语音降噪系统及方法 | |
CN110413945B (zh) | 基于分数阶短时傅里叶变换的线性调频信号相位恢复方法 | |
CN113436640A (zh) | 一种音频降噪方法、装置、系统及计算机可读存储介质 | |
CN112505413A (zh) | 一种时频分析方法和系统 | |
CN112291169B (zh) | 一种信道修正方法及信道修正装置 | |
CN110677782B (zh) | 信号自适应噪声过滤器 | |
US20220078567A1 (en) | Optimization of convolution reverberation | |
Totsky et al. | Performance study of adaptive filtering in bispectrum signal reconstruction | |
CN116400337B (zh) | 基于线段检测的舰船噪声调制线谱提取与轴频估计方法 |
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 |