CN1269012A - 用于检测噪声中的周期信号的信号处理系统 - Google Patents

用于检测噪声中的周期信号的信号处理系统 Download PDF

Info

Publication number
CN1269012A
CN1269012A CN98808650A CN98808650A CN1269012A CN 1269012 A CN1269012 A CN 1269012A CN 98808650 A CN98808650 A CN 98808650A CN 98808650 A CN98808650 A CN 98808650A CN 1269012 A CN1269012 A CN 1269012A
Authority
CN
China
Prior art keywords
signal
component
value
pseudo
prediction
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.)
Pending
Application number
CN98808650A
Other languages
English (en)
Inventor
I·J·克拉克
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
UK Secretary of State for Defence
Original Assignee
UK Secretary of State for Defence
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by UK Secretary of State for Defence filed Critical UK Secretary of State for Defence
Publication of CN1269012A publication Critical patent/CN1269012A/zh
Pending legal-status Critical Current

Links

Classifications

    • H—ELECTRICITY
    • H03—ELECTRONIC CIRCUITRY
    • H03M—CODING; DECODING; CODE CONVERSION IN GENERAL
    • H03M1/00—Analogue/digital conversion; Digital/analogue conversion
    • H03M1/06—Continuously compensating for, or preventing, undesired influence of physical parameters
    • H03M1/08—Continuously compensating for, or preventing, undesired influence of physical parameters of noise
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
    • G01V1/003—Seismic data acquisition in general, e.g. survey design
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/02—Preprocessing
    • H—ELECTRICITY
    • H03—ELECTRONIC CIRCUITRY
    • H03H—IMPEDANCE NETWORKS, e.g. RESONANT CIRCUITS; RESONATORS
    • H03H21/00—Adaptive networks
    • H03H21/0012—Digital adaptive filters
    • 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
    • Y10—TECHNICAL SUBJECTS COVERED BY FORMER USPC
    • Y10S—TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y10S367/00—Communications, electrical: acoustic wave systems and devices
    • Y10S367/901—Noise or unwanted signal reduction in nonseismic receiving system

Landscapes

  • Engineering & Computer Science (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Geology (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • Acoustics & Sound (AREA)
  • Geophysics (AREA)
  • Environmental & Geological Engineering (AREA)
  • Theoretical Computer Science (AREA)
  • Complex Calculations (AREA)
  • Compression, Expansion, Code Conversion, And Decoders (AREA)
  • Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
  • Filters That Use Time-Delay Elements (AREA)
  • Indication And Recording Devices For Special Purposes And Tariff Metering Devices (AREA)
  • Drying Of Semiconductors (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

一种用于从噪声中区分开系统赝象的方法与装置包括把操作噪声局部化在预测的函数峰附近。该方法尤其与时变信号的探测和跟踪相关。执行这种方法的应用的装置包括经其基本重复单元:周期为τ的循环单元,监测多分量周期信号的各个分量的探测系统(50)。该信号被数字化并经系统(50)被时钟化在分段中。循环单元移去器(62)从到来的信号分段中减去先前探测的循环单元的预测值以产生残留信号。循环单元探测器(60)使用滑动窗口过程纠正预测循环单元值(b(τ),τ)中的误差并预测(跟踪)适合于下一个到来的信号分段的循环单元值。跟踪移去器(66)监测循环单元变化并从跟踪过程移去亚阈值循环单元。

Description

用于检测噪声中的周期信号的信号处理系统
本发明涉及一种把噪声影响局部化的方法，并涉及一种应用这种方法的信号处理系统。本发明还涉及信号处理系统在与多分量信号的分析相关的信号检测及跟踪系统中的应用。
不管信号的来源怎样，它的探测都是不完整的，并且探测到的实际信号将包含噪声及通常有可比拟的强度的系统误差。尤其，跟踪时变信号会由于动态变化而自动产生一个时间周期与下一个时间周期之间的系统误差。人们感觉到有一种能够跟踪信号随时间的变化的需要。这种变化可由各种原因引起并且在许多不同类型的信号中产生。尤其感兴趣的是通常发生在日常生活中的许多方面的周期现象。例如通信信号、旋转机械的声音、心跳和语音都被分解为周期部分分量。
许多模型化模式已经被用来分析周期现象。这种分析有许多应用：例如，从旋转发动机的声谱中减去周期信号分量可使它能够探测相对低强度的非周期声音例如来自齿轮箱的声音。类似地如果各个周期分量可被隔离开并且归因于特定的单个源，该源的操作的声音可被监测。这使得能够早期诊断有缺陷的声音，否则其将迷失在不调谐的声音中。类似地语音的周期分量可以与其它声音相互隔离并且语音通信可在噪声环境中进行。也有医学上的应用：可分析心跳并把谐波干扰从生物医学信号中移去而使这些信号被监测。另外，这种复合信号的表示需要比信号自身更少的带宽，并且能够通过窄带宽通信信道。
已有技术包括各种用于估测周期系统中的周期性的技术。大部分是基于傅立叶(Fourier)分析的，其不能很好地与整个接收信号中出现的解析的多信号相配合，也不能有效地处理时变周期性或振幅的跟踪。傅立叶分析需要对周期性的许多可能的测试值的每一个的测量似然性进行初始评估。潜在的周期性的范围是连续的并且在构成一组分立的测试值时必须使用非常精细的尺度。通常导致适当的设置的分析或在傅立叶域中进行或间接使用梳状滤波器进行。作为分析基础的固定频率的傅立叶分量的使用防止备好的任一技术应用于非静态的周期性的跟踪中。另外傅立叶计算的计算成本高，使得实时分析更加困难并且用低信噪比(SNR)模型得到一些近似结果。梳状滤波器提供改善的SNR，但仍保留傅立叶技术的根本缺点。
在傅立叶计算中，彼此调谐相关的傅立叶分量必须再结合。一般地系数是复数值，从而不能把直接的线性相加应用来组合这些谐波分量来形成整个的模型化信号。如果应用系数的非相干二次加和，它使得在周期的任何测试值处SNR的测量没有被优化。
另一种情况是使用一组梳状滤波器，与给定的测试周期相匹配的每个测试值有一个滤波器被用于重构周期分量的试验估测。在时间域中直接应用，梳状滤波器可通过仅应用与周期的特定测试值相关的那些谐波分量来预先把傅立叶反变换和傅立叶变换相乘来计算。傅立叶反变换提供更优选的组合彼此调谐相关的傅立叶系数的方法。再次获得似然性频谱作为测试周期的函数，其中估测每个梳状滤波器的平均功率输出。从而与前面段落中描述的非相干傅立叶方法相比时，傅立叶分量不被明确地计算，并且SNR被改善。
本发明的一个目的是提供一种应用于多个非静态信号分量的探测和跟踪的方法。
在本专利的说明书中，术语“循环单元”是指以规则的时间间隔重复的信号的任何基本分量。理论上，循环单元的振幅轮廓和重复频率不以任何方式限定。一个循环单元“跟踪”描述了相对于时间的循环单元周期性和振幅轮廓的变化。
本发明提供一种通过一表达式把第一信号ssinc中的噪声影响局部化的方法：模型信号∑binc包括至少一个模型分量binc，各个分量binc以一组至少一个模型化参数(a0，a1，a2…，an)inc所表示，其特征在于该方法包括步骤：
(a)从第一信号ssinc中减去模型信号∑binc以得到残留信号rinc；
(b)通过乘以伪积分因子ρ来定标残留信号rinc；
(c)通过用(1-ρ)相乘来定标模型信号∑binc及其各个分量而获得至少一个定标的模型分量；
(d)把在步骤(b)获得的定标的残留信号增加到在步骤(c)获得的各个定标的模型分量上以给出相应数目的至少一个伪积分信号PIdatainc，其中在定标的残留信号中干扰噪声影响被局部化。
本发明使得噪声与影响信号清晰度和强度的系统因子相区分。用于本发明的技术(术语称伪积分)的潜在应用是无穷的。通常噪声具有类似的强度并且掩盖更重要的系统的信号影响。本发明提供把噪声对参数估测的影响局部化并使关于系统信号影响的信息被抽取出来的装置。
伪积分因子ρ必须小于或等于整数单位1，并且在这种技术的大多数应用中，它具有0.01数量级。在本发明中考虑的实际信号等价于系统影响所干扰的模型信号和随机噪声信号。通过用小因子ρ定标包含随机噪声和系统影响的残留信号和用(1-ρ)定标模型信号，模型化信号中的峰值是干扰它们的噪声定标水平的约100倍。在伪积分数据内，因此噪声的干扰影响被局部化在各个模型化分量或参数的附近。一般地信号内的峰被没有局部化的噪声掩盖。需要积分来使这些峰在随机噪声的影响上被区分开。
代表各个模型化分量binc的模型参数组(a0，a1，a2…，an)可通过下面的附加步骤被纠正系统误差：
(a)把各个特定模型化分量binc的伪积分信号PIdatainc模型化而获得相应组局部干扰模型参数(a0，a1，a2…，an)LP；
(b)从它的相应的局部干扰模型参数(a0，a1，a2…，an)LP中减去各个模型参数(a0，a1，a2…，an)而获得相应组的至少一个局部化干扰误差；
(c)通过除以伪积分因子ρ对各个局部化干扰误差再定标回其先前的水平；及
(d)把各个再定标的局部化干扰误差增加到它相应的模型参数(a0，a1，a2…，an)从而获得一组相应的伪积分模型参数(a0，a1，a2…，an)PI。
伪积分的扩展使系统误差或影响被纠正。在产生信号模型中，以若干方式产生不准确。无论模型如何产生，也不可能是信号或其任何分量的完美再现。信号可随时间而变化，使用来预测的旧模型不准确。模型可仅仅是约等于实际信号，并且系统误差可来自模型的不足。这个特征是非常灵活的，因为无论模型的缺陷原因何在，伪积分参数都可被用来更新模型。
信号可被分段来提供若干信号窗口ssinc，ssinc+1，…，ssinc+n，并且该方法迭代用来产生各个模型化信号分量的多个伪积分参数组(a0，a1，a2…，an)inc PI，并且从这种多个参数组获得纠正的参数组(a0’，a1’，a2’…，an’)。
这个特征提供了可获得与已有技术相比改善的精确度、速度和效率的优点。在伪积分域中工作使伪积分参数用于纠正模型的缺陷。通过产生多个伪积分参数组，更多的数据可用来纠正系统误差或者说是更新模型。可使用各种纠正方法。例如各个伪积分参数的多个值可被简单平均来提供那个参数的纠正(平滑)。更准确的方法是使用产生的数值来外推下一个预测值(参数跟踪)。在平滑或跟踪伪积分参数的情况之一中，不是对模型参数进行纠正，而是提供对已有技术的可观的改进。在本发明中，随后的纠正总是包括先前应用的纠正，其导致稳定性和准确性的提高。而且，因为可应用完全的纠正，小的系统误差可与噪声区分开而不引发积分滞后并且随后的已有技术积分中固有的时间损失。从而伪积分的应用适合于在实时信号处理中执行。
这个特征还提供模型信号分量及相关控制参数的数目可实时地容易地被改变的优点。为了把偏差和当前应用的控制参数的变化降低到最小，每一个都可根据占优的状态来调整。
很清楚本发明应用的系统的本质特征不局限于此。一般地几个信号分量的每一个可被模型化或通过几个参数来描述。例如从范围、角度、频率、相位、时序、温度、变化率、浓度等中选择的参数。
模型信号∑binc可通过增加从各组伪积分模型参数(a0，a1，a2…，an)PI中依次获得的该至少一个纠正的分量b’inc而纠正系统误差∑b’inc。
优选地第一信号ssinc是数字取样信号[ss]inc并且模型信号∑binc优选包括先前预测的取样信号值[∑b]inc。这一特征保持准确高速和高效的优点并且可用于信号的预测值和实际值之间误差的实时纠正。“跟踪”参数的能力是有力而广泛应用的工具。例如随时间、位置和其它参数迅速变化的复合信号可以准确、高速和高效地被跟随。近似信号模型或信号预测，或者在后来或在不同位置，在后来的时间或位置可与实际收集的信号迅速进行比较。由不准确预测引起的系统误差然后可被与信号噪声区分开并被纠正，而不需要计算起来代价高从而费时的信号积分。
本发明的方法可用于第二种方法中来纠正在描述表现噪声影响的信号的一个分量binc的参数预测值(a0，a1，a2…，an)inc中引起的系统误差影响，该第二种方法包括步骤：
(a)从先前确定的参数值预测期望取样信号值[∑b]inc；
(b)跟随上述的步骤(a)到(d)，其中第一信号包括从表现噪声影响的信号中获取的取样值[ss]inc的数据段，模型信号包括在步骤(a)获得的期望取样信号值[∑b]inc及残留信号rinc和伪积分信号PIdatainc，从而包括残留信号取样值[r]inc和分别适合于信号分量binc的一组伪积分数据[PIdata]inc。
(c)从伪积分数据组[PIdata]inc获得适合于描述信号分量binc的参数的局部干扰参数值(a0，a1，a2…，an)LP。
(d)在描述来自所述预测值(a0，a1，a2…，an)inc和除以伪积分因子ρ得到的局部干扰参数值(a0，a1，a2…，an)LP之间的差异的模型信号分量binc的各个预测参数值(a0，a1，a2…，an)inc中的再定标的干扰误差err(a1)；
(e)把在步骤(d)得到的再定标的干扰误差err(a1)增加到预测参数值(a0，a1，a2…，an)inc以获得伪积分参数值(a0，a1，a2…，an)PI；及
(f)对伪积分参数值(a0，a1，a2…，an)PI进行平滑或跟踪以产生纠正的参数值(a0’，a1’，a2’…，an’)。
从而可从预测很快获得纠正的参数值而不进行过多的计算。这使得快速变化的参数值的跟踪实时发生，这是一种已有技术跟踪惯例中一般不能提供的性能。
第二种方法优选地也包括步骤：
(a)在各个历史高速缓冲存储器中把伪积分参数值(a0，a1，a2…，an)PI存储为最后的值，其中各个历史高速缓冲存储器包含先前确定的各个伪积分参数值；
(b)从各个高速缓冲存储器清除第一参数值；及
(c)通过跟踪预测适合于噪声信号的将来取样的值[ss]inc+1的各个纠正的参数值a1’的新值拟合各个历史高速缓冲存储器中的伪积分参数值并外推取样的值[ss]inc+1的未来分段的合成跟踪。
这个提供了精确和灵活的优点。将来预测是基于曲线拟合从若干先前的分段获得的值的，而不是简单的平滑，限制了寄生误差被传播开的似然性。而且历史高速缓冲存储器的尺寸可变化来适应环境。如果参数变化迅速，大的历史高速缓冲存储器将导致过加权的带有随后的不希望的滞后的早期误差，并且需要小的历史高速缓冲存储器。相反，对于给出的分段尺寸，如果历史高速缓冲存储器很大，小信噪比(SNR)的参数缓慢变化的信号被更精确地跟踪。
跟踪可在时间域中进行并且参数纠正可解释为时变信号的结果。而且，步骤(c)的跟踪拟合是线性回归过程。
信号优选是多分量信号，并且上述方法被应用于各个分量。
该方法可以用在把数字取样信号的周期分量分开的第三方法中，其中第三方法包括步骤：
(a)经探测系统把分段[ss]inc中的数字化信号取时钟；
(b)跟随上述第一步骤之后，其中第一信号包括数字化信号分段[ss]inc，模型信号包括从预测模型参数组获得的预测的振幅值[∑b]inc，各组(a0，a1，a2…，an)inc代表信号的模型化分量binc并且残留信号rinc和伪积分信号PIdatainc分别包括残留信号取样值[r]inc和伪积分数据组[PIdata]inc；
(c)相对于数字取样信号30的取样时序纠正应用于预测的振幅值[∑b]inc的轮廓binc的时序中的误差并且应用各组伪积分数据组[PIdata]inc跟踪各个探测到的分量的这种应用振幅轮廓binc的振幅变化；及
(d)搜索残留信号[r]inc寻找新的信号分量。
预测的分量可从数字化信号的先前被取时钟的分段中被跟踪的探测到的分量获得。
这些特征使得信号的多个分量可被独立地探测和分离。该方法在任何一个阶段迭代进行，直到从数字化信号分段减去那一时间以产生残留信号。然后用振幅轮廓和时序来描述的各个探测到的分量参数值组被应用残留信号来伪积分以获得纠正的参数值(轮廓和时序)。然后残留信号搜索还没有被模型化和从复合信号中区分开的信号分量的证据。探测到的任何新分量然后用一组新的参数值模型化并被包括在该方法的下一个迭代中。
与已有技术相比，这种探测方法具有准确快速和高效的优点。
数字取样的信号的分量优选是周期分量。各个周期分量然后根据其基本的单元循环单元来考虑。这个实施例使循环单元的轮廓振幅和振幅的时序相对于取样率而被跟随。这个方法的各个迭代更新轮廓和时序以产生纠正的循环单元值。本发明的这个实施例能够使信号的迅速变化的周期分量实时地被探测到并被跟随。基于傅立叶变换的已有技术的分析技术在跟踪迅速变化的信号分量时不能令人满意地执行。
优选地，上面具体讨论的第三方法的步骤(c)中包括步骤：
(a)测量来自各个探测的周期分量的预测的振幅轮廓binc的伪积分数据组[PIdata]inc的加权平均失调，并且从而得到各个探测的周期分量的预测的振幅轮廓binc，从而得到定标的干扰时序失调；
(b)把加权平均定标的干扰时序失调除以伪积分因子ρ而得到各个预测的振幅值[∑b]inc中的再定标的时序误差；
(c)轮廓拟合伪积分数据[PIdata]inc以产生局部干扰的轮廓拟合并且得到一组适合于轮廓拟合的局部干扰的轮廓系数(a0，a1，a2…，an)LP；
(d)测量各个局部干扰的轮廓系数(a0，a1，a2…，an)LP与轮廓系数(a0，a1，a2…，an)inc的相应系数之间的差并且把各个差除以伪积分因子ρ而得到一组再定标的轮廓时序误差；
(e)把再定标的时序误差和各个再定标的轮廓系数误差与先前预测的时序和轮廓系数值(a0，a1，a2…，an)inc分别相加以分别产生伪积分时序和轮廓系数值(a0，a1，a2…，an)PI；
(f)平滑化或跟踪伪积分时序和轮廓系数值(a0，a1，a2…，an)PI以分别产生纠正的时序和轮廓系数值；及
(g)从纠正的时序和轮廓系数值预测适合于将要到来的数字化信号分段[ss]inc+1的时序和各个轮廓系数的新值。
本发明的实施例提供准确快速和高效探测和跟踪信号的迅速变化的周期分量的优点。适合于描述循环单元的参数模型通过总的振幅轮廓系数和时序来提供。因此这些模型参数在本实施例中被伪积分。
在步骤(g)预测的值优选用于推导预测的振幅值[∑b]inc、振幅轮廓binc和相关的预测模型参数组(a0，a1，a2…，an)inc及用于上述在分析随后取样的信号分段[ss]inc+1中具体说明的步骤(b)和(c)的随后的重复部分中的时序。
上述的步骤(f)可包括步骤：
(a)在各个历史高速缓冲存储器中把伪积分时序和轮廓系数值(a0，a1，a2…，an)PI存储为最后的值，其中各个历史高速缓冲存储器包含先前确定的伪积分时序和轮廓系数值；
(b)从各个高速缓冲存储器清除第一参数值；及
(c)通过跟踪拟合各个历史高速缓冲存储器中的值预测适合于将要到来的数字化信号分段[ss]inc+1的时序和各个轮廓系数的新值并外推取样的值[ss]inc+1的后面分段的合成拟合跟踪。
加权的失调优选根据加权模式来获得，其中在振幅轮廓的梯度是陡的位置处的失调相对强地加权，并且在梯度接近于零的那些位置处相对弱地加权。
伪积分因子ρ优选在0.003-0.03的范围内。
在另一方面本发明提供一种探测数字取样信号的周期分量的方法，其特征在于该方法包括步骤：
(a)对取样信号进行滤波以得到接近周期分量的周期性τ的同步估测的周期σ；
(b)把数字取样信号分割为数据块，其中各个数据块的大小等于同步估测的周期σ；
(c)平均数字取样信号30中取样点的块间同相振幅以获得周期σ的平均振幅值 b(σ)；
(d)从各个数据块的取样点振幅b1减去平均振幅值 b(σ)以得到残留值块；
(e)根据伪积分因子ρ定标残留值块，从而残留值乘以ρ；
(f)通过把各个值乘以(1-ρ)定标平均振幅值 b(σ)；
(g)把步骤(e)得到的定标的值与到在步骤(f)得到的值相加以获得局部干扰振幅值；
(h)通过测量来自平均振幅值 b(σ)的局部干扰振幅值的时间中的失调得到局部干扰失调；
(i)把局部干扰失调除以伪积分因子ρ并且跟踪或平滑化合成的伪积分值以得到平均时序误差线；及
(j)用等于平均时序误差线的斜率的数量纠正同步估测周期(σ)以获得周期分量的周期性τ的精细估测。
在这一方面本发明提供了准确高效的潜在优点。跟随有局部异步搜索的同步估测允许周期信号的有效获取和跟踪。本发明与傅立叶谐波分析相比通过使用最适当的正交基础循环单元把各个周期分量整形而提高SNR，从而要求更少程度的自由度，因此减少噪声。
在另一方面本发明提供了一种信号处理系统，其特征在于该系统包括：
(a)用于把物理现象转换为接收信号数据流的转换器；
(b)用于提供包含接收信号的至少一个分量的预测估测的预测信号的预测器；
(c)用于从接收信号减去预测信号而产生残留信号的移去器；
(d)用于产生包括伪积分分量组的伪积分信号的评估器，各组伪积分分量相应于一个预测信号分量并且用于使用该组伪积分分量纠正预测信号分量，其中各组伪积分分量通过把用伪积分因子ρ定标的残留信号与被因子(1-ρ)定标的各个预测信号分量相加从残留信号和预测信号分量获得；
(e)用于纠正预测信号分量以产生对接收信号分量的纠正的估测的更新器。
在这一方面，本发明提供从计算角度高效率地从其它影响信号强度和清晰度的因素中区分出噪声的功能强大的信号处理器。这种处理器的潜在应用是巨大的：信号因素的整个范围可从噪声信号中抽出，并且可选择描述各个分量的参数以适应于产生信号的系统。
评估器优选包括用于使用各组伪积分数据在各个预测信号分量的模型描述中得到局部干扰误差并用于通过除以伪积分因子ρ来定标局部干扰误差的估测器；并且其中更新器设置来通过把再定标的局部干扰误差增加到其模型描述符中产生接收信号分量的纠正的估测并且从而产生一组伪积分模型描述符，更新器还设置来平滑和/或跟踪伪积分模型描述符从而纠正、更新或预测其值。
在另一方面本发明提供多分量信号探测系统，其特征在于探测系统包括根据上述的信号处理系统，其中信号处理系统的预测器被设置来探测到来的信号ssinc的至少一个近似分量∑binc(s)并且评估器被设置来提供这种近似分量内的误差测量，并且从而更新器被设置来产生改进准确度的分量∑b’inc(τ)。
预测信号优选包括接收信号的一个以上分量∑binc、 b(s)的预测估测并且探测系统被设置来迭代地探测分量。
在另一方面，本发明提供多参数信号探测系统，其特征在于探测系统包括根据上述的信号处理系统，其中信号处理系统的预测器被设置来探测描述到来的信号ssinc的近似参数binc(a0，a1，a2……，an，s)并且评估器被设置来提供这种近似参数内的误差测量，并且从而更新器被设置来产生改进准确度的参数b’inc(a’0，a’1，a’2，……，a’n，τ)。
信号分量优选是周期分量并且接收信号数据流优选是经系统被定时在分段中的数字取样数据流。
探测系统也可包括设置来通过从适合于预测周期分量∑binc的取样循环单元振幅值的取样分段[ss]inc作减法来从数字取样数据流的分段[ss]inc产生残留数据信号[r]inc的循环单元移去器，其中所述预测周期分量∑binc代表与取样分段[ss]inc同步取样的循环单元振幅轮廓binc的叠加。
预测器可包含滤波器组，其包括其尺寸设置来分析时间域中数据流ssinc、rinc的滤波器测试组并产生信号ssinc、rinc内周期分量的主要周期性的近似最大似然性估测。
滤波器组中的各个滤波器优选设置来把接收信号数据流分割为互相不叠合的一系列数据块，其中各个数据块包含整数数目个取样点并且最大似然性估测器是能谱P(σ)，其中P是包含在尺寸σ的几个相邻数据块的平均内的每取样信号的平均能量。预测器可包含一组测试周期，各个测试周期是接收信号数据流的内取样周期的数倍。
该系统还包括设置来识别在最大似然性谱P(σ)中出现的峰值的性质从而识别在接收信号数据流内以大约等于实际周期τ的测试周期σ的方式出现的那些的循环单元量化器。
优选地接收信号的预测估测是被滤波器组提供的循环单元振幅轮廓的平均取样值，并且相应于能谱P(σ)中的峰，信号处理器系统中的移去器、评估器和更新器组件被设置来产生主要周期信号分量的预测循环单元振幅轮廓的纠正的估测。
在另一方面，本发明提供多分量信号跟踪系统，其特征在于跟踪系统包括根据上述的信号处理系统，其中预测器被设置来在更新器产生的先前预测的接收信号∑b’inc的纠正的估测的基础上产生接收信号∑binc的预测估测。接收到的信号数据流ssinc可包含至少一个明显的时变分量binc。
该系统优选设置来随时间跟踪探测到的信号分量∑binc，其中评估器被设置来使用伪积分数据组PIdatainc来纠正接收信号分量∑binc的预测估测中的预测不准确。
信号分量binc(τ)可以是周期分量并且接收信号数据流优选是经系统被定时在分段[ss]inc中的数字取样数据流。
多分量信号跟踪系统也可包括设置来通过从适合于与取样分段[ss]inc同步取样的预测周期分量∑binc(循环单元振幅轮廓)的循环单元振幅值[∑b]inc的取样分段[ss]inc作减法而从数字取样数据流的分段[ss]inc产生残留数据信号[r]ss的循环单元移去器。
预测器也可设置来提供以描述适合于到来的数据分段的时间帧中所有探测到的周期分量的振幅轮廓∑binc的各个探测的周期分量和预测的循环单元振幅值[∑b]inc的振幅轮廓binc的预测时序和振幅系数(a0，a1，a2…，an)inc形式的接收信号∑binc的预测估测，并且评估器从而被设置来测量预测时序和振幅系数(a0，a1，a2…，an)inc中的误差。
在优选实施例中，更新器92被设置来根据这里测量的误差来纠正预测时序和振幅系数(a0，a1，a2…，an)inc并且从而产生纠正的时序和振幅系数；并且跟踪系统被一起设置来预测将要到来的数据分段中各个探测到的周期分量的时序和预测的循环单元的振幅值[∑b]inc+1并且也预测各个探测到的周期分量的变化的振幅轮廓binc+1。
预测器可包括先前预测的时序和振幅系数以及纠正的时序和振幅系数的各个历史高速缓冲存储器，其中预测器被设置来在各个独立的高速缓冲存储器内曲线拟合跟踪数值。
预测器被设置来评估将要到来的数据分段的取样点的跟踪，从而提供适合于将来的分段的预测的振幅值[∑b]inc+1并通过那些预测的循环单元振幅值[∑b]inc+1到循环单元移去器。
在另一方面，本发明提供用于从模拟输入信号产生窄带宽数据的信号处理系统，其特征在于系统包括上述跟踪系统，其中各个探测到的周期分量的预测的循环单元振幅值[∑b]inc+1经循环单元数据输出从跟踪系统中被抽取出来。
在另一方面，本发明提供用于从多分量音频信号中移去至少一个主要的音频分量的信号处理系统，其特征在于系统包括上述探测和跟踪系统，其中探测系统被设置来探测选择的主要音频分量并且跟踪系统被设置来跟踪各个选择的主要音频分量，系统也包括设置来输出从取样的输入信号[ssinc]产生的小于各个选择的主要音频信号分量的预测振幅值[∑b]inc的残留信号rinc的残留信号输出106。
在另一方面，本发明提供用于从多分量音频信号中隔离至少一个主要的音频分量的信号处理系统，其特征在于系统包括上述探测和跟踪系统，其中探测系统被设置来探测选择的主要音频分量并且跟踪系统被设置来跟踪各个选择的主要音频分量，系统也包括设置来输出各个选择的主要音频分量的纠正的或预测的振幅值[∑b]inc、[∑b]inc+1的信号输出信道。
为了使本发明得到更全面的理解，其实施例将参考附图进行描述，其中：
图1是单个周期源产生的信号的示例。
图2是用于本发明的探测系统的分析的数据流示例。
图3是探测系统的组件的示意图。
参考图1，表示出单一周期信号分量10的随时间变化的振幅变化。对一个时间周期τ之后自身重复的不对称单元12进行描述。各个周期信号分量如示出的10被描述为基本上以周期τ重复的循环单元12.。信号以分立的时间间隔来取样，如沿时间轴由标记14所表示的一样。
图2是数字编码信号的示例30。各个小方框32表示以数字形式代表各个取样点14的信号的强度的包含几个比特的信息(数字字)。20个小方框的各个分段(一种情况是阴影部分)是声音分段34，下面的箭头指示数据分段36的范围：这个特定的示例中是26个字，但是是可改变的。数据36与声音34分段之间的差以后将变得更明显，但是总的说来，信号被输入用于声音分段34中的分析(定时)，而信号的分析可在数据分段36上执行，其依据分析过程的阶段和信号中存在的实际分量而改变。
参考图3，用于探测多周期分量的声音的探测系统通常以50表示。系统50包括探测声音信号并把相应的电学显示传送到模数转换器(A/D转换器)54的麦克风换能器52。从A/D转换器54的数字输出作为数据流被输入到计算机，在那里它被存储在主高速缓冲存储器56中。数据流被流控制器58调整，流控制器58通过4个系统组件：循环单元探测器60、循环单元移去器62、循环单元跟踪器64和跟踪移去器66而控制数据输入、输出与分析。这4个组件互相连接并且各个也包括各种子组件。尤其循环单元探测器60包括经探测器缓存72、选择器74、循环单元量化器76和估测器78来接收数据的滤波器组70。循环单元移去器62包括预测减法器80。循环单元跟踪器64包括误差评估器90、PIdata高速缓冲存储器91、更新器92和循环单元预测器94。跟踪移去器66包括合并确定器100、SNR评估器102和跟踪量化器104。这些子组件以下面说明的探测系统的概述中明显看出的方式来互相连接。系统50的各种输出106、108、110是可利用的：残留信号输出106来自循环单元移去器62、预测循环单元波形输出108和循环单元数据输出110来自循环单元跟踪器64。这些可以不同方式用于向前传送，用于进一步处理或用于向操作员直接显示。
系统10将首先概括地描述，后面将具体描述。
参考图3，与任何带有周期分量的现象相关的声音被麦克风换能器52探测到。在本实施例中，探测的声音的来源被视为多部件的旋转机械。熟知信号处理领域的人员将理解这并不对发明的应用构成限制。有许多多分量的现象可根据本发明来分析并且，从旋转机械发出的周期声音分量的示例也被包括其中，仅是为了图示的需要。
来自这种旋转机械的整个声音信号的结构(其称为复合信号)是非常复杂的。它将包含来自所有移动的无论是旋转的振动的或是不规则运动的部件的分量信号。从而探测到的信号是来自多个源的声音的组合，每一个源通常都具有其本质的特性、强度和周期。这种复合信号被称为多周期信号。而且，来自任何一个源的信号的强度或周期都不可能是随时间而恒定的：例如考虑齿轮啮合的变化对汽车引擎的声音的影响，并且复合信号经来自非周期源和一般附加噪声的声音而被进一步复杂化。
在考虑本发明的装置操作之前，最好设置一个框架，在其中来描述复合声音信号的结构。复合信号可被视为非周期分量、噪声和重复的循环单元的组合，各个循环单元具有特征振幅轮廓和周期，如在图1中示出的带有周期τ的循环单元12。本实施例涉及复合信号，其中周期分量(循环单元)构成了一些成分，如果有一个以上的这种周期成分，复合信号被称为包含多个周期的复合信号。另外，术语非静态用于描述随时间而改变的循环单元周期或振幅轮廓。如果循环单元在时间上不连续地取样，相对于取样时间的其振幅轮廓的相对位置被称为时序测量。这种时序与循环单元周期相关。
参考图3，麦克风52把复合声音信号转换为输出到A/D转换器54的电信号。这个电信号被A/D转换器54放大并数字化以形成字数据流，如图2所示，其被存储在主高速缓冲存储器56中。从这个存储器56，循环单元探测器60、循环单元移去器62、循环单元跟踪器64和跟踪移去器66之间的数据的处理被流控制器58调整。
4个组件60、62、64和66一起把数据流30分解成分量周期分量。这是通过探测和跟踪循环单元基的展开而进行的。初始的循环单元探测是由循环单元探测器60执行的并且跟踪机制监测非静态循环单元周期和振幅轮廓。探测后，从到来的数据流中抽出循环单元并且产生包含还未探测的循环单元、非周期声音和噪声的残留信号。系统50是非常灵活的，一个或若干个循环单元可从信号的剩余部分被集体地或单独地隔离开来监测。另一种情况是一个或若干个循环单元被选择地移去并且包含剩余(周期或非周期的)声音的残留信号106被监测。从而，在非常大声的周期源存在的情况下，该源产生的循环单元将被从到来的信号和被监测的残留信号中经残留信号输出106而被抽取出来。另一种情况可要求用系统50监测一个或多个与初始信号隔离开的安静的周期声音并且经预测的循环单元波形输出108来独立地或是组合地输出。
循环单元跟踪器64的操作中心和某种程度上的循环单元探测器60的中心是公知的作为伪积分的新颖技术。伪积分使函数中小的对称误差与噪声分离开而不引起积分的滞后。其适用于一种情况，其中期望有一组参数随第二变量即时间的进展而改变。对下一个到来的数据分段进行参数值的预测并且这些参数值被用于从实际到来的数据得到残留误差函数。伪积分把预测的信息与残留误差函数结合使得噪声影响局部化但是使预测参数值中的不可避免的系统误差保持不变。由伪积分技术获得的参数和误差的过去预测被加和并被平滑化以通过适当标准平滑方法如加权的最小均方方法给出各个参数的“跟踪”。历史高速缓冲存储器用新的伪积分值对于各个参数进行连续更新，其中如果局部化合理地接近于实际参数值，新的伪积分值基本是与过去的预测值无关。在已有技术Kalman滤波跟踪惯例中是没有这种灵活应用的。这种惯例不能以回溯方式来完全纠正预测误差从而引起参数估测中的滞后和偏差。
在本实施例的伪积分应用中的阶段可总结为：
1.定义一组描述实际数据值的参数。
2.循环单元的早期迭代建立存储在各个包含即每个参数值的6个估测值的历史高速缓冲存储器中的各个参数的先前估测。
3.跟踪拟合各个历史高速缓冲存储器中的6个值并外推跟踪来预测各个参数的下一个值(第7个值)。
4.从这些参数值计算被预测将在下一个到来的数据分段中找到的数据值。
5.通过从实际到来的数据中减去预测数据而得到残留误差。残留误差数据包含由于预测的不准确而引起的噪声和系统误差。
6.对数据伪积分以产生估测谱。为执行伪积分，对预测数据定标到(1-ρ)水平并把与定标到小水平(ρ)的残留误差数据相加。这避免由噪声和其它未预测的分量所引起的估测谱中的寄生峰。
7.从伪积分数据的谱中再预测要求的参数的值。采用的定标的水平确保预测数据主要占据参数的新估测值。
8.对于各个参数，找到新估测值和预测的值之间的差异并且通过乘以1/ρ把这一差异再定标为初始水平。
9.再定标的差异被增加到预测值并被存储在各个历史高速缓冲存储器中的第7位置并且最早的值(第一)被清除。
10.跟踪拟合历史高速缓冲存储器中的第6值并和先前一样预测下一个值。这确保了在非静态环境中最近的结果被给出最大的加权。
11.从步骤5到10继续循环并且数据被叫作“被跟踪”。
说明属中的术语“跟踪拟合”意思是应用于存储在历史高速缓冲存储器中的值的任何适当的曲线拟合程序。初始，没有历史高速缓冲存储器并且必须进行估测。初始参数组可从探测器阶段而得到，这里数据经适当长周期时间被平均。
参考图2和3，数据流控制器58从被称为声音分段34的分组中的主高速缓冲存储器中抽取数据。这些分段34经循环单元移去器62被输入到循环单元探测器60的探测器高速缓冲存储器72。循环单元移去器62不对到来的声音分段34发生作用直到在数据流中有至少一个周期分量被探测到。尽管系统50被定时在声音分段34序列中，循环单元探测器60在其操作的各个阶段需要或多或少的数据并且随后装入它自己的高速缓冲存储器，探测器高速缓冲存储器72。探测器高速缓冲存储器72对声音分段34进行高速缓冲存储并把它们送到称为数据分段36的分组中的滤波器组70。
在输入到探测器高速缓冲存储器72之后的探测器操作中，主高速缓冲存储器56输出的分组大小(声音分段)是无关的。在数据分段36中数据被分析时探测到循环单元。参考图3，滤波器组70本质上是一组尺寸的滤波器组，各个相应于不同的周期，用其来分析数据分段36并因此获得循环单元轮廓和周期的初始估测。
数据分段36不具有恒定的大小并且由探测器高速缓冲存储器72来调整尺寸来在任何一个时间都适合于循环单元探测器60中的各个滤波器的要求。当探测到新的循环单元时，探测器60经若干个反复测量平均循环单元并因此要求数据分段尺寸能包含足够数目的循环单元来支持这种平均。在图1的示例中，循环单元周期被包含在12个取样点14内。如果5个反复适合于平均功能，那么数据分段36必须包含至少60个字。这相应于图2中的数据流显示中的60个小方框32。该图中的各个声音分段34相应于20个小方框32并且因此需要3个这种声音分段34来探测循环单元12。如果另一个循环单元被探测到占据15个取样点，5次反复的数据分段36必须包含至少65个字。这要求4个声音分段34并且从而探测器高速缓冲存储器72将存储附加的分段34用于滤波器组。
滤波器尺寸被限制为与数据取样率同步，滤波器组的各个滤波器具有相应于整数个数据字的窗口尺寸。
数据分段36然后根据滤波器组中的各个滤波器的测试周期(s)被“分割”，尤其是最新接收到的数据字首先被分割为数据块。对各个测试周期从相应的数据块获得平均的循环单元矢量和与其相关的平均循环单元能量。这种分割和平均在滤波器组70上重复进行，从而使滤波器组70在测试周期的范围上提供能谱(P(s))。能谱提供测试似然性从而各个滤波器作出的选择相应于在数据流中出现的实际循环单元周期。
能谱(P(s))从滤波器组70输出到选择器74。选择器74在能谱中鉴别出显著的峰并把这一信息传送给循环单元量化器76。循环单元量化器76确定各个峰的特性：它是在噪声阈值以上吗？是由于“响铃”或真实循环单元周期的数倍滤波器大小的分谐波？当量化器76满足真实基本循环单元已经被找到时，它把相关的循环单元信息传送到设置来执行局部的“非同步”细化而获得准确非整数循环单元周期测量的估测器78。这种非同步技术不是标准技术，但是是基于所谓伪积分的新的操作的。
准确的循环单元模型用一个指令被通过到循环单元跟踪器64以把其作为新的跟踪增加到探测到的循环单元的当前列表中。在初始探测后，循环单元跟踪器64外推准确的循环单元模型到下一个到来的声音分段34的时间帧以经系统50被锁住。在随后的声音分段中的取样率通常与循环单元反复的速率不同步，并且这种外推因而包括在相关取样点循环单元的“相位”评估-时序。新探测到的跟踪的预测循环单元值与先前探测到的循环单元值组合并被输入到循环单元移去器62。
在本说明书中，相位信息被称为“循环单元时序”并且时序误差因此由循环单元跟踪器64产生。时序误差可以由若干原因引起：源周期性突然改变、源时序突然改变，预测的周期性变化可以是不正确的，其将导致预测分段的时序误差，或周期可被纠正但声音分段内的循环单元的位置可以是不正确的。
一旦循环单元探测器60进行了初始探测和得到了特性，循环单元跟踪器64负责跟踪循环单元的整个范围。在这方面，跟踪器64比较一个或多个预测的循环单元轮廓与代表残留信号的高速缓冲存储的数据并用意在把下一个声音分段34中的预测误差降低到最小的数量来更新所有参数。残留信号一般地包含噪声、干扰和具有明显大于循环单元轮廓中的预测误差的强度的强度的其它未探测到的周期分量。循环单元跟踪器64把这些相对小的预测误差隔离在两个独立的阶段：伪积分，随后是跟踪拟合例行程序来把过去的输出平滑化。合成的曲线被外推到下一声音分段的时间帧并且因此被用于产生所有相关参数的预测。这些估测放在循环单元数据输出110并且以压缩格式保持的声音数据流能够经比初始信号的带宽窄得多的带宽的信道而被传送。估测可以通过到预测器94，在那里预测的循环单元轮廓值在适当的取样点进行评估并且通过到循环单元移去器62，在那里对于下一个声音分段的残留信号被计算。以适当的间隔来执行参数更新。如果参数变化迅速间隔可仅用保持的过去输出的小型高速缓冲存储器而被缩短，或者如果参数评估缓慢，可不经常用更大的历史高速缓冲存储器。这提供实时实际环境中的用于时间对周期分析的一种直接装置。
循环单元移去器62从实际到来的声音分段中减去它从跟踪器64接收的任何预测的循环单元值以形成残留信号。这个残留信号现在形成到循环单元跟踪器64和探测器60的输入。这使得循环单元跟踪器64形成对下一个到来的声音分段的预测，如上所述，并且使循环单元探测器60迭代这里也描述的其探测循环以探测更弱或更长的周期循环单元。这种减法在每个循环单元被顺序探测时是迭代进行的直到极限的噪声阈值以上再没有剩余。当所有可探测的周期已经被取消时，似然性谱接近于各向同性的。循环单元跟踪器64然后继续跟踪和预测时间序列中的将来的声音分段。
非静态的周期可随时间来增强强度或弱化并消失。跟踪移去器66被设置来监测循环单元跟踪器预测的循环单元波形并指令循环单元跟踪器64停止把它的跟踪例行程序应用于特定的循环单元，循环单元应跟踪停止。从预测的循环单元波形输出108的输出被输入跟踪移去器66的子组件合并确定器100。合并确定器100搜索合并来形成单一跟踪的两个或多个跟踪的证据。如果这种证据被发现，合并确定器100指令循环单元跟踪器64移去一个或多个循环单元跟踪。没有合并的跟踪被通过到SNR评估器102，其对每个循环单元评估信号和噪声的能量比率。跟踪量化器104然后确定是否来自任何特定跟踪的信号下降到噪声水平以下。SNR评估器102和跟踪量化器104能够从到来的分段探测突发的循环单元跟踪的消失，一种在如果声源被切断的例子中出现的情况，并且也探测循环单元振幅轮廓向弱的水平的下降衰减。在任一情况下，指令被发送给循环单元跟踪器64以移去循环单元跟踪。
循环单元探测器60的操作将从探测器高速缓冲存储器72和滤波器组70子组件开始具体解释。用在特定实施例中的滤波器组70采用滑动的窗口过程。窗口长度以数据字为单位来测量并被限制为整数数目个这种字。这称为同步探测-在假设与A/D转换器54的数据取样速率同步的情况下把近似值实施在探测到的循环单元周期上。滤波器组包含一组各个都与不同整数值的周期匹配的滤波器。各个滤波器使用包含整数数目的数据字的不同的选定窗口长度。从而滤波器在时间域中执行或同样在数据字域中执行。对于各个窗口长度，分段36被分为一系列不叠合的数据块并且测量分开的数据块之间的相似程度。这通过沿数据分段36步进滑动的窗口而进行，抽取各个连续的块部并把它强加到几个先前的块的和上。这种和对数据分段36中的块总数被规范化以产生平均的循环单元轮廓。平均函数被称为循环单元矢量。如果在初始信号内窗口建立的测试周期与周期分量的重复周期匹配，将仅得到数据块的相干平均(集成)。从而滤波器组30把测试组滑动窗口长度应用于各个数据分段并对各个窗口长度产生估测的循环单元。循环单元矢量自身不是适当的最大似然性指示符，基本上是一个在块中的字上变化的振幅轮廓函数。为提供适当的指示符，滤波器组70用对后面描述的噪声电平的变化而作出的适当的调整也对每个滤波器计算代表各个循环单元矢量中的平均能量的值(P)。
在开始阶段，声音分段34向探测器高速缓冲存储器72的一序列输入表示循环单元的搜索顺序。开始，当仅几个声音分段34被高速缓冲存储时，探测器高速缓冲存储器72提供的数据分段36将包含用于在滤波器组中的平均过程的不足的数据字而被滤波器用大窗口尺寸即长周期来执行。但是，当随后的声音分段34被包括在探测器高速缓冲存储器72中时，用于滤波器组70的数据分段36包含递增的更长数据分段，使得能够搜索要被进行的更长周期循环单元。
滤波器组70使用应用标准滑动窗口来执行的计算高效的同步方法。在本实施例中的它的基本操作可在数学上描述。通过到一个滤波器的高速缓冲存储的数据分段36相应于以n个不连续点取样的模拟信号并且被表示为一系列的n个数据字。这些数据字(bi，i＝1到n)被分组为m个不叠合的块(wj，j＝1到m)，每个包括s个字，这里s是整数值并且代表滑动窗口的尺寸，并且也代表与从滤波器组被应用的特定滤波器相关的测试周期。用于测试周期s的循环单元矢量(w＝ b(s))然后被从这些m个块的平均值来估测：
Figure A9880865000301
在平均循环单元矢量中的s值限定对于测试周期的一个值的估测的振幅轮廓。m值是用户定义的(通常为5)以提供足够的积分和滤波。
滤波器组70也产生对循环单元矢量的信噪能量比(SND)的估测的平均信号的测量，每滤波器或测试周期一个值。这里给出：
Figure A9880865000302
这里i是向矢量
Figure A9880865000303
中的字的指针，对于测试周期s的循环单元矢量的估测振幅轮廓。P(s)的各个值限定测试周期是相对似然性估测，测试周期s输入声音数据流的最好表示。最可能的周期因而通过比较滤波器组70中所有滤波器的输出SNR并搜索能谱P(s)的一个或多个有效最大值即峰值来获得。
 在探测器搜索还没有探测到的循环单元之前从输入数据流减去先前预测的循环单元的结果意味着期望的噪声能谱N(s)中有一些失真。输入数据流将包括噪声或其它没有被滤波过程完全抑制的附加干扰。先前预测的循环单元将包括一些漏掉的噪声，并且它与预测的循环单元一起用循环单元移去器80被从到来的数据流中减去，提供残留信号。探测器60使用这个残留信号产生(残留)能谱用于搜索其它的周期。由于被滤波器漏掉的任何噪声信号也用循环单元移去器80被减去，这个残留能谱在噪声电平下面包含倾斜(dips)。这些倾斜在探测到的循环单元的周期(及其数倍)上被居中。为避免估测偏差，噪声能谱N(s)在同一位置向类似形状的某些倾斜被再次规范化。从而如果没有循环单元被取消，噪声能谱不改变，否则对于各个循环单元通过减去等于定标到一个SNR的循环单元的能谱的量而被减小。
用于滤波器组70的测试周期s根据被分析的符合声音信号的来源被用户指定。选择的滤波器组设置应扩展该源产生的数据流中期望的周期的整个范围。对于提高的分辨率尤其是在低值的周期s和高值m，该设置包括非整数的周期σ＝s+f，这里f位于0和1之间。这里尽管合成能谱P(σ)仍由同步方法产生，σ指的是包含整数和非整数滤波器尺寸的滤波器设置。从而产生能谱P(σ)中的附加点，其将有助于用更小的非整数周期τ探测循环单元时的内插。这时滑动窗口尺寸是s，(对于整数的情况下)在各个数据块中采用s个取样点。但是，然后窗口滑动到σ的数倍的位置，在各个位置取s个取样点。在这个实施例中，滤波器组70选择非整数窗口位置的最接近的整数值。这个近似值可导致不互相影响的数据块被平均。来自不同数据块的取样点被叠合放置并且和前面一样被平均，但是在循环单元轮廓估测中有一些误差，因为循环单元的m个取样版本不总是在同样的取样相位。但是，它不能阻止更严重的失控效应，因为否则由于分数的循环单元周期引起的误差将在连续的数据块中被复合。
上述带有或不带有填入的近似值的同步方法的缺点意味着在搜索非整数周期τ时必须进一步细化循环单元的特性。这种细化由循环单元估测器78使用计算上代价更高的非同步方法来进行。
另一个实施例使用计算上代价更高的梳状滤波器来代替同步平均滤波器组70。这替换方法减少估测过程中的自由度数目并且由此提供一种改进信噪比的潜力。
滤波器组70向选择器74输出其设置中的各个滤波器产生的SNR(P)作为它的测试周期的函数(σ个字)。这是指作为能谱(P(σ))。选择器74分析这个不连续谱并识别最大值的位置。在σ的测试值的范围内循环单元矢量和能谱的值被通过到循环单元量化器76，其被设置来确定各个最大值的本质特征。
与各个探测到的循环单元矢量相关，量化器76首先确定是否用同步方法探测到的循环单元矢量的能量(P(σ))在特定预设的阈值-噪声探测阈值以上。如果是的，然后量化器76访问是否探测到的循环单元矢量是基本分量。
作为测试周期的函数评估的能谱的固有特性是它将包括若干明显的最大值。在真实的循环单元(其中可出现若干个)的情况之外，这些最大值可降到两类中的一类。首先，在分谐波发生一些，这里测试周期例如是循环单元反复的真实周期的两倍或三倍。其次，在谱的其它点有由于例如循环单元自身(响铃)的一定程度的周期性而引起的滤波器遗漏。这可在循环单元接近阻尼复指数的情况下发生。循环单元量化器76被设置来滤除由于分谐波、泄漏和噪声而引起的最大值并选择一个有效的最大值。
噪声通过在它的期望最大值之上设置阈值(如上所述)而被直接向前处理。
为处理其它的种类，循环单元量化器76从短向长测试周期来执行局部最大值的搜索。从而它将必须在到达由于分谐波引起的那些最大值之前找到基本的周期最大值。这不是在比真实循环单元重复更短的测试周期中产生局部最大值的响铃效应的情况。因此各个最大值被测试以寻找响铃的可能证据。这是通过使用提高数目的用来计算平均循环单元矢量的数据块来进行的。通常，如果已经找到真实的循环单元重复，那么提高平均值中的取样数目将增加能量值P(σ)的SNR。但是，如果由于响铃而重复，那么效应的阻尼特性意味着提高取样数目将降低信号并且因此降低能量值P(σ)。从而，如果SNR降低，而不是升高，量化器76排除这些周期并继续搜索下一个有意义的最大值。
从而循环单元量化器76确定是否能谱中的阈值以上的最大值是基本的。如果不是，量化器76指令滤波器组70提供下一个局部最大值并重复验证测试。一旦滤波器组70中主要的基量已经被找到，它的循环单元矢量和周期被输出到估测器78。如果没有找到阈值以上的最大值，假设复合声音信号中还没有循环单元。
通常，循环单元的周期不是用在信号的初始数字化中的取样间隔的整数倍。由滤波器组70、选择器74和量化器76执行的循环单元探测和估测的同步方法对真实的重复仅产生一个近似值，并且需要精细的调谐。这种精细的调谐由估测器78执行。
估测器78根据同步周期σ抽取连续的数据块。各个数据块通过减去滤波器组70得到的平均循环单元值(在循环单元矢量
Figure A9880865000321
中用指针i表示的字位置处的振幅值)被伪积分以形成残留信号误差数据块，用ρ加权残留信号并增加到被(1-ρ)加权的平均循环单元值。伪积分的块被折叠且定位在单个曲线上。来自连续的块的叠加的循环单元振幅轮廓根据真实的循环单元重复(τ)是分别短于或长于同步估测周期(σ)而表现向左或向右的漂移。曲线拟合程序用来把振幅轮廓拟合于该叠加块内的伪积分振幅数据的平均值。这种其中内插不规则的轮廓形状的曲线拟合程序被称为轮廓拟合以把它同目的在于外推的跟踪拟合区分开。沿来自这个平均振幅轮廓的伪积分数据点的横轴的失调提供用于纠正估测的测试周期σ的基础。失调用伪积分因子ρ来除并且应用线性回归近似。这种拟合的梯度相对于块数目来测量产生误差纠正。同步估测周期σ因此被纠正到新的非整数周期τ，其被当作循环单元的周期。这个信息被通过到循环单元跟踪器64用于跟踪功能。
通过应用与轮廓拟合程序分离开的周期限制，自由度数目被最小化。这使得噪声降低的机会最大化。在用同步方法产生能谱时，循环单元矢量的s个点的每一个都被使用。这意味着如果不使用平滑化，s个自由度将对噪声作出贡献。但是在不对称方法中，轮廓拟合程序例如平方拟合被使用，这种程序具有更少的自由度并且由此提高信噪比。
在一些情况下，可出现来自一个分段的相对简单的时序对下一个变化非常明显。在这种情况下，定标的失调被明显地调制并且再定标，达到不可接受的水平。接近传统的跟踪可被用于这种情况，但是积分滞后将是一个潜在的问题。但是，如果在似然性函数中没有模糊点，可接受的技术是在轮廓拟合阶段把伪积分因子ρ设置为1或接近整数1。这使非同步取样带来的系数调制效应可能最小化。
另外，轮廓拟合在把平滑曲线拟合到接近窗口中心的过渡边缘时不是特别有效的。在把拟合应用于过渡时，在过渡的左侧或右侧的点处的拟合被打断。因此，如果循环单元的过渡边缘被定位在窗口的开始处，曲线拟合的准确性被提高。可从主要的拟合过程中排除暂态，并且或按要求进行独立的拟合或忽略掉。估测器78从而也可执行在执行轮廓拟合之前把过渡边缘再定位在窗口开始处的过程。
估测器78应用的轮廓拟合程序是用户定义的。在本实施例中，拟合是n次多项式，其中循环单元振幅轮廓由下面等式来表示：
y＝a0+a1x+a2x2+.....+anxn
这里y值代表循环单元振幅，x值代表循环单元内的时间。参数a0、a1、a2、.....an称为循环单元系数。从循环单元系数的这些值和对循环单元的取样点14的认识可推导出循环单元矢量的修定值w＝[b0，b1，b2....bs]，其中b值(循环单元值)为循环单元内的s个取样点的振幅。
估测器78与指令一起通过这些准确的循环单元系数值、值和周期以把跟踪增加到循环单元跟踪器64。
探测器60被建立来重复循环单元探测的上述过程，找到变弱变长的循环单元直到达到噪声极限。各个跟踪的循环单元被循环单元移去器62从将要到来的声音分段34中被减去，但是这个分量不能影响已经存储在探测器高速缓冲存储器72中的声音分段34。估测器78因此也设置来在它的初始探测上外推各个循环单元的过去历史并且从存储在探测器高速缓冲存储器72中的声音分段34中减去它。必须经随后将被用于新的循环单元同步探测的平均阶段中的所有被高速缓冲存储的声音分段34向后外推。这使得先前使用的声音分段34在随后的循环单元探测中被再次使用而不用等待探测器高速缓冲存储器72再填入有效的残留信号数据。如果探测到的循环单元从这个数据中不被删除，它们将出现在用于平均的数据中，并且它们的相应的最大值不从能谱中被删除，直到几个更多的数据分段已经被锁住。
在循环单元的初始探测上，估测器78得到的过去历史也用循环单元信息和指令被通过到循环单元跟踪器64以增加一个跟踪。循环单元跟踪器64使用这个信息来外推新探测到的循环单元并预测在要被输入到系统50的下一个声音分段34内的其振幅值。
在另一实施例中，适合于声音信号从间歇的源发出的系统，连续实时数据流30不被接收，并且数据以批量模式被分析。同样的数据分段36被反复再利用直到得到稳定的跟踪并且直到再没有周期信号被探测到。跟踪移去器66是多余的，不被包括在这个实施例中。
总之，估测器78细化粗略的循环单元数据以产生循环单元的准确测量。然后这被向后外推过几个声音分段34。增加新跟踪的指令和最后的准确的循环单元被通过到循环单元跟踪器64来向前外推下一个到来的声音分段34。
循环单元移去器62接收来自主计算机高速缓冲存储器56的到来的声音分段34及用于来自循环单元跟踪器64的到来的声音分段34的预测循环单元值。循环单元移去器62从实际分段值减去预测值以提供残留信号数据分段，它提供给循环单元探测器60和循环单元跟踪器64。这种残留信号经残留信号输出106也可用于系统50的输出。循环单元探测器60把这个残留信号数据分段增加到它的探测器高速缓冲存储器72。循环单元跟踪器64使用残留信号内的信息来估测误差并通过执行伪积分跟踪时变循环单元周期(τ(t))与振幅轮廓。
循环单元跟踪器64的操作下面将具体描述。循环单元跟踪器64对各个探测到的循环单元跟踪循环单元系数(a0，a1，a2，…，an)，循环单元轮廓振幅值(b0，b1，b2....bs)，和周期τ。为了能从到来的声音分段34减去探测到的循环单元，系统50必须能够对将来的分段预测各组循环单元轮廓值(b0，b1，b2....bs)。一旦循环单元系数(a0，a1，a2，...，an)已经被确定且循环单元周期τ保持随时间恒定不变，这将相对地直接向前进行。但是，如果τ是时间(t)的函数，这种变化必须被跟踪。在本发明的实施例中，通过首先预测循环单元周期中的时间变化和振幅轮廓并且然后在接收到实际数据时测量误差并执行正确的计算来执行高效计算地跟踪。
下面的符号用在本说明书中来确定各个数据分段和/或函数：
到来的声音分段包括p数据字并且与其它的这种分段通过下标“inc”分开。前面的和随后的声音分段将分别标上下标“inc-1”和“inc+1”。从而如果不连续地取样并且没有分类，如果考虑连续的内插函数，到来的声音分段以[ss0，ss1，ss2.....，ssp-1]inc或简单地以[ss]inc代表。
在这些取样点内的预测的循环单元振幅值如果是不连续的则被集中表示为
Figure A9880865000351
并且如果它们是连续的则循环单元轮廓被表示为∑binc。如果一个特定的循环单元被用作示例，加和符号将下降。
残留信号数据分段内的振幅值遵随下面的表示，给出：
[γ]inc＝[ss]inc-[∑b]inc
当循环单元是周期函数时，在若干反复上的取样点被折叠到一个重复的循环。但是这不影响循环单元轮廓，但是除非循环单元周期是取样间隔整数倍，将有效地在更大数目的点处取样循环单元。这些的循环单元内的取样时间被称为折叠时间。
当指令从循环单元探测器60到达来增加一个跟踪并且跟踪器64提供有对于当前声音分段由循环单元探测器60估测的循环单元系数时，跟踪器64使用振幅轮廓中的相关取样点对于下一个分段预测振幅。任何先前探测到的循环单元的循环单元振幅值在相关取样点被类似地推导出，这次是来自跟踪程序产生的预测的循环单元系数。所有组循环单元振幅值被一起输入到循环单元移去器62。
与循环单元探测器60一样，循环单元跟踪器64有时需要比声音分段34的时钟所提供的更多或更少的数据来用于它的操作，跟踪操作的基础是需要单独的高速缓冲存储器、PIdata高速缓冲存储器91的伪积分技术。循环单元跟踪器64的子组件更新器92通过轮廓拟合存储在PIdata高速缓冲存储器91的伪积分数据([PIdata]inc)确定纠正的循环单元系数(a0，a1，a2，.....，an)track。为启动它，更新器92需要至少整个循环单元的信息。而且为通过在循环单元的一个区域提供更多取样点来避免不均匀的加权折叠的分布，整数数目个循环单元周期被用在折叠操作中。这给出了三种可能情况并且依次从PIdata高速缓冲存储器91响应。如果到来的声音分段[ss]inc具有p取样数据字并且循环单元周期跨过τ(未必是整数)个取样，然后如果n是大于或等于1的整数，三种可能是：1. p＞nτ2. p＝nτ3. p＜τ
在第一种情况中相应于整数数目的循环单元周期内的所有取样时间的[PIdata]inc值从高速缓冲存储器输出并且剩余部分(＜τ)后缩。当随后的处理的声音分段[ss]inc+1用这些未使用的取样被高速缓冲存储时，整数数目的循环单元重复内的取样时间从现在存储在高速缓冲存储器91中的总的((p-nτ)inc+pinc+1)整数个取样中输出，任何剩余的再次被留下来用于下一个声音分段[ss]inc+2。
在第二种情况下，PIdata高速缓冲存储器91将与声音分段34的时钟同步被清空。
在第三种情况下，PIdata高速缓冲存储器91等待直到对它有足够的声音分段被定时以具有足够的取样来覆盖循环单元周期并仅在完成这之后提供输出到评估器90。在插入的声音分段中，循环单元系数中的误差不被评估但是系数应用现有的跟踪信息被更新到插入的声音分段的时间帧中。周期和时序类似地被更新。评估器90和更新器92因此从PIdata高速缓冲存储器91接收覆盖整数个循环单元的[PIdata]inc值。不同的周期分量从而以不同的速率被更新。
在到来的声音分段[ss]inc被输出到循环单元移去器时跟踪函数开始。循环单元的较早的循环已经预测循环单元振幅值[∑b]inc要在这个声音分段[ss]inc从来自较早的声音分段直到并包括[ss]inc-1的信息找到。PIdata高速缓冲存储器91从循环单元移去器62接收这些预测的循环单元振幅值[∑b]inc和残留信号数据分段[r]inc。对于各个独立的被跟踪的循环单元，循环单元跟踪器64的子组件评估器90用伪积分估测时序和周期误差的测量值。
为执行伪积分，评估器90从预测的循环单元振幅值和残留信号值产生已知作为PIdata的伪积分数据值。尤其，评估器90评估：
[PIdata]inc＝(1-ρ)[∑b]inc+ρ[r]inc
这里ρ是伪积分因子，典型地约为0.01。
[PIdata]inc值然后与预测的循环单元系数(a0，a1，a2，…，an)在对于高速缓冲存储的分段确定的取样时间产生的高速缓冲存储振幅值[∑b]inc比较，。它们将被失调到代表预测的循环单元振幅值[∑b]inc与在到来的声音分段[ss]inc中出现的实际的循环单元振幅值之间的时序误差的程度。评估器90因此沿纵坐标(时序)轴测量在循环单元振幅值[∑b]inc的[PIdata]inc值的失调。附加噪声或接近于循环单元振幅最大值的干扰的较小值将被解释为大时序误差。为避免这个，以分数取样间隔为单位的时间失调被强烈的加权，这里循环单元的梯度是最陡的并且在梯度接近于零时被减弱。加权的失调被平均并且乘以1/ρ。这个伪积分值表示相对于循环单元的预测的时序的时序误差，即它表示声音分段中循环单元的定位中的系统误差，但是它受到噪声和来自其它未被取消的分量的可能(但是减小的)干扰。
为进一步降低噪声，更新器92把时序历史存储在滑动窗口历史高速缓冲存储器中。这提供对于先前的包含预测和在评估器90中评估的伪积分误差的q个分段的时序记录。q的幅值适应于被跟踪的循环单元。如果循环单元时序变化迅速，大的历史高速缓冲存储器将导致早期的误差用随后的不希望的滞后来过加权。相反，如果历史高速缓冲存储器很大，缓慢变化的循环单元用提高的准确度和SNR来跟踪。对于本实施例的目的，尺寸为6的高速缓冲存储器被使用并且假设足够用于作为示例的循环单元。当关于任何特定循环单元的跟踪过程对于第一时间被启动时，从循环单元探测器60中的子组件估测器78得到时序历史。如果期望弱的非静态的周期分量，更准确的初始历史高速缓冲存储器通过循环单元探测器60中的跟踪细化反复而产生。当时序误差的新值被测量时，更新器82从历史窗口移去最早的时序估测并用最近的来代替。最小平方拟合在该组6个时序上执行以得到时序函数。拟合的顺序可由用户定义，但通常是基于线性回归近似的一次拟合就足够了。这样得到时序误差函数y＝mx+c。这可外推来预测下一个分段的时序。外推部分的斜率m是循环单元周期τ的测量，允许对下一个声音分段[ss]inc+1进行周期的再评估。通常在几个声音分段的时间帧中斜率不会剧烈的变化。
更新器92在下一个到来的声音分段[ss]inc+1中计算循环单元的周期τ’并调整时序来提供预测的开始、结束和取样点。更新器92也使用来自PIdata高速缓冲存储器91的伪积分数据[PIdata]inc来测量循环单元振幅值[∑b]inc和计算的循环单元系数(a0，a1，a2，…，an)inc中的系统误差。然后它更新这些系数来预测下一个分段[ss]inc+1中的循环单元振幅值。
为得到更新的系数，更新器92首先把[PIdata]inc值拟合于一般曲线等式：
y-a0+a1x+a2x2+.....+anxn
来得到一组伪积分系数(a0，a1，a2，…，an)PI。其他的曲线函数可能更适合于本发明的其它应用但本实施例中进行多项式拟合。源自跟踪的循环单元系数组的(a0，a1，a2，…，an)inc中的各个组元的预测的误差由被伪积分因子ρ除的跟踪和伪积分的值之间的差别来给出：
对于各个系数a1，l＝0到n err ( a 1 ) = ( a l ) inc - ( a l ) PI ρ 然后产生系数的伪积分值：a1’＝a1+err(a1)
但是，和时序更新一样，值受到有些减小的噪声。更新器92把伪积分循环单元系数值存储在循环单元系数历史中。和仅用最近的值的窗口的时序历史一样，在该示例中，大小为6的窗口就够了。分开的系数历史对每个系数值a1被保持下来。直线拟合例如线性回归来使值存储在各个系数历史中。
对于各个循环单元，对于循环单元轮廓和时序的跟踪拟合(回归的)系数被传送到预测器94。
预测器94把跟踪信息转换为循环单元系数组(a0，a1，a2，…，an)和适合于下一个到来的声音分段[ss]inc的振幅值
Figure A9880865000391
从系统50经循环单元数据输出110输出循环单元系数并把它传送到跟踪移去器66。循环单元值[b]inc经预测的循环单元波形输出108被独立输出，如果需要检测，并且一起输出到准备来从下一个到来的声音分段[ss]inc+1作减法的循环单元移去器62。它们也传送到PIdata高速缓冲存储器91。如果从探测器60接收到增加循环单元跟踪的指令，那么对于新探测到的循环单元的预测的循环单元值与两个输出中的跟踪值结合。类似地如果删除跟踪的指令从跟踪移去器66被接收到，那么适合于这个循环单元的[b]inc+1值从两个输出中被移去。

Claims (47)

1.一种使第一信号ssinc中的噪声影响局部化的方法，第一信号表示为包含至少一个模型分量binc的模型信号∑binc，各个分量binc以一组至少一个的模型参数(a0，a1，a2…，an)来代表，特征在于该方法包括步骤：
(a)从第一信号ssinc中减去模型信号∑binc以得到残留信号rinc；
(b)通过乘以伪积分因子ρ来定标残留信号rinc；
(c)通过用(1-ρ)相乘来定标模型信号∑binc及其各个分量而获得至少一个定标的模型分量；
(e)把在步骤(b)获得的定标的残留信号加到在步骤(c)获得的各个定标的模型分量上以给出相应数目的至少一个伪积分信号PIdatainc，其中在定标的残留信号中干扰噪声影响被局部化。
2.根据权利要求1的方法，其特征在于代表各个模型化分量binc的模型参数组(a0，a1，a2…，an)用下面的附加步骤来进行系统误差纠正：
(a)把各个特定模型化分量binc的伪积分信号PIdatainc模型化而获得相应组局部干扰模型参数(a0，a1，a2…，an)LP；
(b)从它的相应的局部干扰模型参数(a0，a1，a2…，an)LP中减去各个模型参数(a0，a1，a2…，an)而获得相应组的至少一个局部化干扰误差；
(c)通过除以伪积分因子ρ对各个局部化干扰误差再定标回其先前的水平；及
(d)把各个再定标的局部化干扰误差加到它相应的模型参数(a0，a1，a2…，an)上从而获得一组相应的伪积分模型参数(a0，a1，a2…，an)PI。
3.根据权利要求2的方法，其特征在于信号可被分段来提供若干信号窗口ssinc，ssinc+1，…，ssinc+n并且该方法被迭代用来产生模型化各个信号分量的多个伪积分参数组(a0，a1，a2…，an)inc PI并且从这种多个参数组获得纠正的参数组(a0’，a1’，a2’…，an’)。
4.根据权利要求2或3的方法，其特征在于模型信号∑binc可通过增加从各组伪积分模型参数(a0，a1，a2…，an)PI中依次获得的该至少一个纠正的分量b’inc而纠正系统误差∑b’iinc。
5.根据权利要求1、2、3或4的方法，其特征在于第一信号ssinc是数字取样信号[ss]inc并且模型信号∑binc包括先前预测的取样信号值[∑b]inc。
6.一种在抽取数字取样信号[ss]inc和包含至少一个分量信号binc的叠加的先前预测的取样信号值[∑b]inc之间的差别时使噪声影响局部化的方法，其特征在于该方法包括步骤：
(a)从取样信号[ss]inc减去预测的信号值[∑b]inc以得到取样的残留信号[r]inc；
(b)根据伪积分因子ρ定标残留信号[r]inc，从而残留信号[r]inc乘以p；
(c)通过把各个分量值[b]inc乘以(1-ρ)定标预测的值[∑b]inc；及
(d)把步骤(b)获得的定标值加到步骤(c)得到的值上。
7.根据权利要求1的方法，其特征在于在第二方法中使用该方法来纠正在描述表现噪声影响的信号的一个分量binc的参数预测值(a0，a1，a2…，an)inc中引起的系统误差影响，其中该第二种方法包括步骤：
(a)从先前确定的参数值预测期望取样信号值[∑b]inc；
(b)跟随权利要求1的步骤(a)到(d)，其中第一信号包括从表现噪声影响的信号中获取的取样值[ss]inc的数据分段，模型信号包括在步骤(a)获得的期望取样信号值[∑b]inc，从而残留信号rinc和伪积分信号PIdatainc分别包括残留信号取样值[r]inc和适合于信号分量binc的一组伪积分数据[PI]datainc；
(c)从伪积分数据组[PIdata]inc获得适合于描述信号分量binc的参数的局部干扰参数值(a0，a1，a2…，an)LP；
(d)在描述来自所述预测值(a0，a1，a2…，an)inc和除以伪积分因子ρ得到的局部干扰参数值(a0，a1，a2…，an)LP之间的差异的模型信号分量binc的各个预测参数值(a0，a1，a2…，an)inc中测量再定标的干扰误差err(a1)；
(e)把在步骤(d)得到的再定标的干扰误差err(a1)增加到预测参数值(a0，a1，a2…，an)inc以获得伪积分参数值(a0，a1，a2…，an)PI；及
(f)对伪积分参数值(a0，a1，a2…，an)PI进行平滑或跟踪以产生纠正的参数值(a0’，a1’，a2’…，an’)。
8.根据权利要求7的方法，其特征在于第二方法也包括步骤：
(a)在各个历史高速缓冲存储器中把伪积分参数值(a0，a1，a2…，an)PI存储为最后的值，其中各个历史高速缓冲存储器包含先前确定的各个伪积分参数值；
(b)从各个高速缓冲存储器清除第一参数值；及
(c)通过跟踪拟合各个历史高速缓冲存储器中的伪积分参数值并外推取样的值[ss]inc+1的将来分段的合成跟踪来预测适合于噪声信号的将来的取样值[ss]inc+1的各个纠正的参数值a1’的新值。
9.根据权利要求8的方法，其特征在于跟踪可在时间域中进行并且迭代的参数纠正可解释为时变信号的结果
10.根据权利要求8或9的方法，其特征在于步骤(c)的跟踪拟合是线性回归过程。
11.一种方法，其特征在于信号是多分量信号∑binc，并且权利要求7到10中的任何一个的方法被应用于各个分量binc。
12.根据权利要求1的方法，其特征在于该方法用在分离数字取样信号30的分量的第三方法中，其中第三方法包括步骤：
(a)经探测系统50把分段[ss]inc中时钟后数字化信号30；
(b)跟随权利要求1的步骤之后，其中第一信号包括数字化信号分段[ss]inc，模型信号包括从预测模型参数组获得的预测的振幅值[∑b]inc，各组(a0，a1，a2…，an)inc代表信号的模型化分量binc并且残留信号rinc和伪积分信号PIdatainc分别包括残留信号取样值[r]inc和伪积分数据组[PIdata]inc；
(c)相对于数字取样信号30的取样时序纠正应用于预测的振幅值[∑b]inc的轮廓binc的时序中的误差并且应用各组伪积分数据组[PIdata]inc跟踪各个探测到的分量的这种应用振幅轮廓binc的振幅变化；及
(d)对残留信号[r]inc搜索新的信号分量。
13.根据权利要求12的方法，其特征在于预测的分量可从数字化信号30的先前被时钟化的分段中被跟踪的探测到的分量获得。
14.根据权利要求12或13的方法，其特征在于数字取样的信号30的分量是周期分量。
15.根据权利要求12或13的方法，其中信号分量是周期分量，其特征在于权利要求12的步骤(c)包括步骤：
(a)测量来自各个探测的周期分量的预测的振幅轮廓binc的伪积分数据组[PIdata]inc的加权平均失调，并且从而得到定标的干扰时序失调；
(b)把加权平均定标的干扰时序失调除以伪积分因子ρ而得到各个预测的振幅值[∑b]inc中的再定标的时序误差；
(c)轮廓拟合伪积分数据[PIdata]inc以产生局部干扰的轮廓拟合并且得到一组适合于轮廓拟合的局部干扰的轮廓系数(a0，a1，a2…，an)LP；
(d)测量各个局部干扰的轮廓系数(a0，a1，a2…，an)LP与轮廓系数(a0，a1，a2…，an)inc的相应系数之间的差并且把各个差除以伪积分因子ρ而得到一组再定标的轮廓系数误差；
(e)把再定标的时序误差和各个再定标的轮廓系数误差与先前预测的时序和轮廓系数值(a0，a1，a2…，an)inc分别相加以分别产生伪积分时序和轮廓系数值(a0，a1，a2…，an)PI；
(f)平滑化或跟踪伪积分时序和轮廓系数值(a0，a1，a2…，an)PI以分别产生纠正的时序和轮廓系数值；及
(g)从纠正的时序和轮廓系数值预测适合于将要到来的数字化信号分段[ss]inc+1的时序和各个轮廓系数的新值。
16.根据权利要求15的方法，其特征在于在步骤(g)预测的值用于得到预测的振幅值[∑b]inc、振幅轮廓binc和相关组预测模型参数(a0，a1，a2…，an)inc及用于权利要求12的步骤(b)和(c)的随后的迭代部分中的在分析随后取样的信号分段[ss]inc+1中的时序。
17.根据权利要求15或16的方法，其特征在于权利要求15的步骤(f)包括步骤：
(a)在各个历史高速缓冲存储器中把伪积分时序和轮廓系数值(a0，a1，a2…，an)PI存储为最后的值，其中各个历史高速缓冲存储器包含先前确定的伪积分时序和轮廓系数值；
(b)从各个高速缓冲存储器清除第一参数值；及
(c)通过跟踪拟合各个历史高速缓冲存储器中的值并外推取样的值[ss]inc+1的将来分段的合成拟合跟踪来预测适合于将要到来的数字化信号分段[ss]inc+1的时序和各个轮廓系数的新值。
18.根据权利要求15、16或17的方法，其特征在于加权的失调根据下述加权方案来获得，其中在振幅轮廓的梯度是陡的位置处的失调相对强地加权，并且在梯度接近于零的那些位置处加权相对地弱。
19.根据前面任一项权利要求的方法，其特征在于伪积分因子ρ优选在0.003-0.03的范围内。
20.一种探测数字取样信号30的周期分量的方法，其特征在于该方法包括步骤：
(a)对取样信号30进行滤波以得到接近周期分量的周期性τ的同步估测的周期σ；
(b)把数字取样信号30分割为数据块，其中各个数据块的大小等于同步估测的周期σ；
(c)平均数字取样信号30中取样点的块间同相振幅以获得周期σ的平均振幅值 b(σ)；
(d)从各个数据块的取样点振幅b1减去平均振幅值 b(σ)以得到残留值块；
(e)根据伪积分因子ρ定标残留值块，从而残留值乘以ρ；
(f)通过把各个值乘以(1-ρ)定标平均振幅值 b(σ)；
(g)把步骤(e)得到的定标的值增加到在步骤(f)得到的值以获得局部干扰振幅值；
(h)通过测量来自平均振幅值 b(σ)的局部干扰振幅值的时间得到局部干扰失调；
(i)把局部干扰失调除以伪积分因子ρ并且跟踪或平滑化合成的伪积分值以得到平均时序误差线；及
(j)用等于平均时序误差线的斜率的数量纠正同步估测周期(σ)以获得周期分量的周期性τ的精细估测。
21.一种信号处理系统，其特征在于该系统包括：
(a)用于把物理现象转换为接收信号数据流ssinc30的转换器54、56；
(b)用于提供包含接收信号 b(s)、ssinc的至少一个分量∑binc、b(s)的预测估测的预测信号的预测器70、72、94；
(c)用于从接收信号ssinc减去预测信号∑binc、 b(s)而产生残留信号rinc的移去器62、78；
(d)用于产生包括伪积分分量组PIdatainc的伪积分信号的评估器90、78，各组伪积分分量相应于一个预测信号分量binc、 b(s) b(s) b(s)并且用于使用该组伪积分分量纠正预测信号分量，其中各组伪积分分量PIdatainc通过把伪积分因子ρ定标的残留信号rinc与被因子(1-ρ)定标的各个预测信号分量∑binc、 b(s)相加从残留信号rinc和预测信号分量∑binc、 b(s)获得；
(e)用于纠正预测信号分量∑binc、 b(s)以产生接收信号分量∑b’inc、 b′(τ)的纠正的估测的更新器92、78。
22.根据权利要求21的信号处理系统，其特征在于评估器90、78包括用于使用各组伪积分数据PIdatainc在各个预测信号分量binc的模型描述符(a0，a1，a2…，an)inc中得到局部干扰误差并用于通过除以伪积分因子ρ来定标局部干扰误差的估测器；并且其中更新器92、78设置来通过把再定标的局部干扰误差增加到其模型描述符(a0，a1，a2…，an)inc中产生接收信号分量∑b’inc、 b′(τ)的纠正的估测并且从而产生一组伪积分模型描述符(a0，a1，a2…，an)PI，更新器还设置来平滑和/或跟踪伪积分模型描述符(a0，a1，a2…，an)inc从而纠正、更新或预测其值(a0，a1，a2…，an)inc+1。
23.一种多分量信号探测系统，其特征在于探测系统包括根据权利要求21的信号处理系统，其中信号处理系统的预测器70、72被设置来探测到来的信号ssinc的至少一个近似分量∑binc(s)并且评估器90被设置来提供这种近似分量内的误差测量，并且从而更新器78被设置来产生改进准确度的分量∑b’inc(τ)。
24.根据权利要求23的多分量信号探测系统，其特征在于预测信号包括接收信号的一个以上分量∑binc、 b(s)的预测估测并且探测系统被设置来迭代地探测分量。
25.一种多参数信号探测系统，其特征在于探测系统包括根据权利要求21的信号处理系统，其中信号处理系统的预测器70、72被设置来探测描述到来的信号ssinc的近似参数binc(a0，a1，a2……，an，s)并且评估器90被设置来提供这种近似参数内的误差测量，并且从而更新器78被设置来产生改进准确度的参数b’inc(a’0，a’1，a’2……，a’n，τ)。
26.根据权利要求23或24的多分量信号探测系统，其特征在于信号分量binc(τ)是周期分量。
27.根据权利要求26的多分量信号探测系统，其特征在于接收信号数据流30是经系统被时钟化在分段[ss]inc中的数字取样数据流。
28.根据权利要求27的多分量信号探测系统，其特征在于它也可包括设置来通过从适合于预测周期分量∑binc的取样循环单元振幅值[∑b]inc的取样分段[ss]inc作减法来从数字取样数据流的分段[ss]inc产生残留数据信号[r]inc的循环单元移去器62，其中所述预测周期分量∑binc代表与取样分段[ss]inc同步取样的循环单元振幅轮廓binc的叠加。
29.根据权利要求28的探测系统，其特征在于预测器70、72可包含滤波器组70，其包括设置来分析时间域中数据流ssinc、rinc的滤波器尺寸测试组并产生信号ssinc、rinc内周期分量的主要周期性的近似最大似然性估测。
30.根据权利要求29的探测系统，其特征在于滤波器组70中的各个滤波器设置来把接收信号数据流30分割为不互相叠合的一系列数据块，其中各个数据块包含整数数目s个取样点并且最大似然性估测器是能谱P(σ)，其中P是包含在尺寸σ的几个相邻数据块的平均的每个取样信号的平均能量。
31.根据权利要求30的探测系统，其特征在于滤波器组70可包含一组测试周期s，各个测试周期s是接收信号数据流30的内取样周期的数倍。
32.根据权利要求30或31的探测系统，其特征在于该系统还包括设置来识别在最大似然性谱P(σ)中出现的峰值的性质从而识别在接收信号数据流30内以近似实际周期τ的测试周期σ的方式出现的那些的循环单元量化器76。
33.根据权利要求30、31或32的探测系统，其特征在于接收信号的预测估测被滤波器组70提供的循环单元振幅轮廓的取样值平均，并且相应于能谱P(σ)中的峰，权利要求21中的信号处理器系统中的移去器78、评估器78和更新器78组件被设置来产生主要周期信号分量的预测循环单元振幅轮廓[∑b’(τ)inc]的纠正的估测。
34.一种多分量信号跟踪系统，其特征在于跟踪系统包括根据权利要求21的信号处理系统，其中预测器94被设置来在更新器92产生的先前预测的接收信号∑b’inc-1的纠正的估测的基础上产生接收信号∑binc的预测估测。
35.根据权利要求34的多分量信号跟踪系统，其特征在于接收到的信号数据流ssinc30可包含至少一个明显的时变分量binc。
36.根据权利要求35的多分量信号跟踪系统，其特征在于该系统设置来随时间跟踪探测到的信号分量∑biinc，其中评估器90被设置来使用伪积分数据组PIdatainc来纠正接收信号分量∑binc的预测估测中的预测不准确。
37.根据权利要求35或36的多分量信号跟踪系统，其特征在于信号分量binc(τ)是周期分量。
38.根据权利要求37的多分量信号跟踪系统，其特征在于接收信号数据流30是经系统被时钟化在分段[ss]inc中的数字取样数据流。
39.根据权利要求38的多分量信号跟踪系统，其特征在于它也可包括设置来通过从适合于与取样分段[ss]inc同步取样的预测周期分量∑binc(循环单元振幅轮廓)的循环单元振幅值[∑b]inc的取样分段[ss]inc作减法而从数字取样数据流的分段[ss]inc产生残留数据信号[r]ss的循环单元移去器62。
40.根据权利要求39的跟踪系统，其特征在于预测器94设置来提供以描述适合于到来的数据分段的时间帧中所有探测到的周期分量的振幅轮廓∑binc的各个探测的周期分量和预测的循环单元振幅值[∑b]inc的振幅轮廓binc的预测时序τ和振幅系数(a0，a1，a2…，an)inc形式的接收信号∑binc的预测估测，并且评估器90从而被设置来测量预测时序和振幅系数(a0，a1，a2…，an)inc中的误差。
41.根据权利要求40的跟踪系统，其特征在于更新器92被设置来根据这里测量的误差来纠正预测时序τ和振幅系数(a0，a1，a2…，an)inc并且从而产生纠正的时序和振幅系数；并且跟踪系统被一起设置来预测将要到来的数据分段中各个探测到的周期分量的时序和预测的循环单元的振幅值[∑b]inc+1并且也预测各个探测到的周期分量的变化的振幅轮廓binc+1。
42.根据权利要求41的跟踪系统，其特征在于预测器94包括先前预测的时序和振幅系数以及纠正的时序和振幅系数的各个历史高速缓冲存储器，其中预测器94被设置来在各个独立的高速缓冲存储器内曲线跟踪拟合于数值。
43.根据权利要求41的跟踪系统，其特征在于预测器94被设置来评估将要到来的数据分段的取样点的跟踪，从而提供适合于将来的分段的预测的振幅值[b]inc+1并通过那些预测的循环单元振幅值[b]inc+1到循环单元移去器62。
44.根据权利要求37到43中任一项的跟踪系统，其特征在于它也包括设置来评估探测到的信号分量binc(τ)的信噪比的跟踪移去器66并且跟踪系统被设置来在它的信噪比下降到阈值以下时从接收信号分量∑binc的随后产生的预测估测移去任何这种分量
45.用于从模拟输入信号产生窄带宽数据的一种信号处理系统，其特征在于系统包括权利要求41到44的任一项的跟踪系统，其中各个探测到的周期分量的预测的循环单元振幅值[∑b]inc+1经循环单元数据输出110从跟踪系统中被抽取出来。
46.一种用于从多分量音频信号中移去至少一个主要的音频分量的信号处理系统，其特征在于系统包括权利要求23到33的任一项的探测系统和权利要求39到44的任一项的跟踪系统，其中探测系统被设置来探测选择的主要音频分量并且跟踪系统被设置来跟踪各个选择的主要音频分量，系统也包括设置来输出从取样的输入信号[ssinc]产生的小于各个选择的主要音频信号分量的预测振幅值[∑b]inc的残留信号rinc的残留信号输出106。
47.一种用于从多分量音频信号中隔离至少一个主要的音频分量的信号处理系统，其特征在于系统包括权利要求23到33的任一项的探测系统和权利要求39到44的任一项的跟踪系统，其中探测系统被设置来探测选择的主要音频分量并且跟踪系统被设置来跟踪各个选择的主要音频分量，系统也包括设置来输出各个选择的主要音频分量的纠正的或预测振幅值[∑b]inc、[∑b]inc+1的信号输出信道108和110。
CN98808650A 1997-08-27 1998-08-27 用于检测噪声中的周期信号的信号处理系统 Pending CN1269012A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
GB9718026.9 1997-08-27
GBGB9718026.9A GB9718026D0 (en) 1997-08-27 1997-08-27 Multi-component signal detection system

Publications (1)

Publication Number Publication Date
CN1269012A true CN1269012A (zh) 2000-10-04

Family

ID=10818019

Family Applications (1)

Application Number Title Priority Date Filing Date
CN98808650A Pending CN1269012A (zh) 1997-08-27 1998-08-27 用于检测噪声中的周期信号的信号处理系统

Country Status (9)

Country Link
US (1) US6262943B1 (zh)
EP (1) EP1007916B1 (zh)
JP (1) JP4081237B2 (zh)
KR (1) KR20010023437A (zh)
CN (1) CN1269012A (zh)
CA (1) CA2297891A1 (zh)
DE (1) DE69823675T2 (zh)
GB (2) GB9718026D0 (zh)
WO (1) WO1999010715A1 (zh)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1667814B (zh) * 2004-03-08 2010-10-13 松下电器产业株式会社 干扰分析方法及干扰分析装置
CN102288840A (zh) * 2010-05-27 2011-12-21 特克特朗尼克公司 使用谱分析和时域概率密度分解并分析抖动的方法
CN105125198A (zh) * 2014-06-09 2015-12-09 意法半导体股份有限公司 估计心率的方法和对应系统
CN105447485A (zh) * 2016-01-07 2016-03-30 肖锐 一种快速检测的景观造型检测工具
CN107750325A (zh) * 2015-06-18 2018-03-02 罗伯特·博世有限公司 用于对转角传感器的激励信号验证合理性的设备和方法
CN108375413A (zh) * 2017-01-31 2018-08-07 计算系统有限公司 检测振动数据的故障采集
CN109844561A (zh) * 2016-10-14 2019-06-04 阿尔卑斯阿尔派株式会社 接收信号强度测定装置、接收信号强度测定方法和程序以及无钥匙进入系统
CN110631691A (zh) * 2019-09-09 2019-12-31 国网湖南省电力有限公司 一种电力设备噪声分离效果验证方法、系统、分离设备及介质
CN116359974A (zh) * 2023-04-20 2023-06-30 杭州湘亭科技有限公司 一种管道内铀放射性污染检测数据处理方法

Families Citing this family (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
FI20000647A0 (fi) * 2000-03-20 2000-03-20 Abb Research Ltd Menetelmä oikosulkumoottorin pyörimisnopeuden määrittämiseksi
FI20000646A0 (fi) * 2000-03-20 2000-03-20 Abb Research Ltd Menetelmä pyörimisnopeuden määrittämiseksi
US7089181B2 (en) * 2001-05-30 2006-08-08 Intel Corporation Enhancing the intelligibility of received speech in a noisy environment
US6959275B2 (en) * 2000-05-30 2005-10-25 D.S.P.C. Technologies Ltd. System and method for enhancing the intelligibility of received speech in a noise environment
US6820054B2 (en) * 2001-05-07 2004-11-16 Intel Corporation Audio signal processing for speech communication
US6831466B2 (en) * 2001-06-05 2004-12-14 General Electric Company Method and system for sensor fault detection
US6879955B2 (en) * 2001-06-29 2005-04-12 Microsoft Corporation Signal modification based on continuous time warping for low bit rate CELP coding
GB0229473D0 (en) * 2002-12-18 2003-01-22 Qinetiq Ltd Signal separation system and method
CA2481631A1 (en) * 2004-09-15 2006-03-15 Dspfactory Ltd. Method and system for physiological signal processing
US7729890B2 (en) * 2006-08-22 2010-06-01 Analog Devices, Inc. Method for determining the change of a signal, and an apparatus including a circuit arranged to implement the method
JP5216274B2 (ja) * 2007-08-17 2013-06-19 株式会社日立ハイテクノロジーズ パターン評価方法及びその装置
FR2937760B1 (fr) * 2008-10-28 2016-01-01 Thales Sa Procede de correction d'erreurs de prediction de valeurs de signaux a evolution temporelle
EP2214165A3 (en) 2009-01-30 2010-09-15 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. Apparatus, method and computer program for manipulating an audio signal comprising a transient event
KR101168968B1 (ko) * 2009-09-14 2012-07-26 순환엔지니어링 주식회사 불규칙 이상신호 검출 및 필터링 방법
CN104915726B (zh) * 2015-05-11 2018-07-13 四川汇源吉迅数码科技有限公司 一种基于时间片划分的车流量数据库生成方法
US10579633B2 (en) * 2017-08-31 2020-03-03 Micron Technology, Inc. Reducing probabilistic filter query latency
US20190137549A1 (en) * 2017-11-03 2019-05-09 Velodyne Lidar, Inc. Systems and methods for multi-tier centroid calculation
US11821973B2 (en) * 2019-05-22 2023-11-21 Raytheon Company Towed array superposition tracker

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5566134A (en) 1972-05-04 1996-10-15 Lockheed Martin Corporation Digital computer algorithm for processing sonar signals
AU5978494A (en) * 1993-02-02 1994-08-29 Yoshimutsu Hirata Non-harmonic analysis of waveform data and synthesizing processing system

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1667814B (zh) * 2004-03-08 2010-10-13 松下电器产业株式会社 干扰分析方法及干扰分析装置
CN102288840A (zh) * 2010-05-27 2011-12-21 特克特朗尼克公司 使用谱分析和时域概率密度分解并分析抖动的方法
CN102288840B (zh) * 2010-05-27 2015-10-28 特克特朗尼克公司 使用谱分析和时域概率密度分解并分析抖动的方法
US9936886B2 (en) 2014-06-09 2018-04-10 Stmicroelectronics S.R.L. Method for the estimation of the heart-rate and corresponding system
CN105125198A (zh) * 2014-06-09 2015-12-09 意法半导体股份有限公司 估计心率的方法和对应系统
CN105125198B (zh) * 2014-06-09 2018-11-09 意法半导体股份有限公司 估计心率的方法和对应系统
CN107750325A (zh) * 2015-06-18 2018-03-02 罗伯特·博世有限公司 用于对转角传感器的激励信号验证合理性的设备和方法
CN105447485A (zh) * 2016-01-07 2016-03-30 肖锐 一种快速检测的景观造型检测工具
CN109844561A (zh) * 2016-10-14 2019-06-04 阿尔卑斯阿尔派株式会社 接收信号强度测定装置、接收信号强度测定方法和程序以及无钥匙进入系统
CN108375413A (zh) * 2017-01-31 2018-08-07 计算系统有限公司 检测振动数据的故障采集
CN108375413B (zh) * 2017-01-31 2020-05-22 计算系统有限公司 检测振动数据的故障采集
CN110631691A (zh) * 2019-09-09 2019-12-31 国网湖南省电力有限公司 一种电力设备噪声分离效果验证方法、系统、分离设备及介质
CN110631691B (zh) * 2019-09-09 2021-06-11 国网湖南省电力有限公司 一种电力设备噪声分离效果验证方法、系统、分离设备及介质
CN116359974A (zh) * 2023-04-20 2023-06-30 杭州湘亭科技有限公司 一种管道内铀放射性污染检测数据处理方法

Also Published As

Publication number Publication date
GB9718026D0 (en) 1997-10-29
EP1007916A1 (en) 2000-06-14
JP4081237B2 (ja) 2008-04-23
EP1007916B1 (en) 2004-05-06
GB2342166B (en) 2002-01-09
CA2297891A1 (en) 1999-03-04
WO1999010715A1 (en) 1999-03-04
JP2001514380A (ja) 2001-09-11
DE69823675T2 (de) 2005-04-21
US6262943B1 (en) 2001-07-17
GB2342166A (en) 2000-04-05
GB0001013D0 (en) 2000-03-08
DE69823675D1 (de) 2004-06-09
KR20010023437A (ko) 2001-03-26

Similar Documents

Publication Publication Date Title
CN1269012A (zh) 用于检测噪声中的周期信号的信号处理系统
CN101042871A (zh) 噪声抑制方法和设备
CN1208602C (zh) 道路中运行车辆的检测装置及检测方法
CN1208947C (zh) 图像处理装置和方法、噪声量估算装置和方法及存储介质
CN1022138C (zh) 信号频率和相位的数字化测定法及其装置
CN1169788A (zh) 谱削减噪声抑制方法
CN101076850A (zh) 用于提取构成音频信号基础的旋律的方法和设备
CN1097396C (zh) 声音编码装置和方法
CN1154013A (zh) 信号编码方法和装置
CN1297304A (zh) 图像处理设备和方法,数据处理设备和方法,存储介质
CN1486486A (zh) 用于编码和解码声学参数的方法、设备和程序及用于编码和解码语音的方法、设备和程序
CN1923140A (zh) 图像测量装置、方法以及肾小球滤过率的图像测量系统
CN1222926C (zh) 语音编码方法及其装置
JP2019124594A (ja) 細胞検査装置、細胞検査方法、プログラム、および記録媒体
CN101076849A (zh) 对构成音频信号基础的旋律的提取
US20060242214A1 (en) Periodicity judgement apparatus, periodicity judgement method and periodicity judgement program
CN1611963A (zh) 信号分析
CN1795491A (zh) 分析基频信息的方法以及实现所述分析方法的话音转换方法和系统
US10585130B2 (en) Noise spectrum analysis for electronic device
CN1267921C (zh) 自适应最大似然检测方法、检测器、适配器和校准系统
CN100351900C (zh) 采用prml维特比检测器的磁带读通道
JP2010020122A (ja) ディジタル音響信号処理方法及び処理装置
CN1589127A (zh) 从电信号中去除噪声的方法和装置
US7787975B2 (en) Restoring audio signals
CN1770264A (zh) 噪声估算方法和设备

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C02 Deemed withdrawal of patent application after publication (patent law 2001)
WD01 Invention patent application deemed withdrawn after publication
REG Reference to a national code

Ref country code: HK

Ref legal event code: WD

Ref document number: 1031761

Country of ref document: HK