CN1295635C - 信号处理方法及设备 - Google Patents

Abstract

用于比较相似性的两个信号中的第一信号被划分成小区域，然后，选择一个小区域，且利用相关性方法来计算对第二信号的相似性。接着，在相似度，即相关性值的平方是最大的一个区域中确定平移量、放大率和相似度，和在由平移量和放大率表示的位置上，对基于相似度的一个值积分。对全部小区域进行类似的处理，并且将其放大率与在已积分相似度具有一个峰值的位置上的阈值进行比较，从而来评估相似性。而且，能够提取对峰值表决(Vote)的小区域。

Description

信号处理方法及设备

技术领域

本发明涉及一种信号处理方法及设备、信号处理程序、和具有记录于其中的信号处理程序的记录介质，尤其涉及一种用于评估在多个信号间或一个信号的不同区域间的相似性的信号处理方法及设备、信号处理程序、和具有记录于其中的信号处理程序的记录介质。

背景技术

通常，相关性方法是用做评估两个信号的相似性的技术。该相关性方法也称作匹配滤波器。

在相关性方法中，当两个信号间的时间变化时，获得两个信号的相关性，并且当获得最大相关性时，可以通过相关性值来评估该相关性。因为相关性方法提供在一个信号和其它信号间的最大信噪比，则它是一种优化的比较技术。尤其当已知将被检测的样本时，相关性方法作为一种用于检测来自由噪声污染的观察信号的样本的方法，该噪声例如在诸如信号检测、声音处理、图象处理、和雷达技术的广泛领域中。

同时，在评估来自未知原始信号的两个观察信号间的相似性的情况下，或当信号和噪声不稳定时，该相关性方法可能被噪声分量的不稳定所控制，以及可能不是一种合适的比较技术。现在将详细描述上述情况。

图1A和1B示出了包括相似信号的两个观察信号A和B。包含在观察信号中的相似信号有300个采样的变化和约1.5倍的幅差。个别的观察信号由不稳定的噪声信号所污染。在图1A和1B中箭头所指区域，观察到高的信噪比，并且两个信号相互比较相似。然而，在其余的区域，有许多噪声信号，并且两个信号相互差异极大。自然，具有高的信噪比的区域，即适合相似性评估的区域是不可预知的。

对于这样的观测信号，由0到500个采样组成的区域，观测信号A用作一个模板，且它与观测信号B的相关性值通过相关性方法计算，图1C中示出了该结果。如图1C中箭头所示，在靠近平移量是300个采样的点处，观察到相关性的峰值。然而，该峰值不是明显地大于其它峰值，并且它的绝对值约是0.3，并不足够高。如此，用该相关性方法，不能适当地评估带有上述不稳定信号和噪声的观察信号间的相似性。

发明内容

鉴于以上技术的状态，本发明的一个方面是提供一种信号处理的方法及设备、信号处理程序、和具有记录于其中的信号处理程序的记录介质，它们使噪声分量控制的区域能够自动删除、高相似性区域能够提取、以及能够用该区域进行相似性评估，即使在来自未知原始信号的两个观测信号间评估相似性的情况下，或在信号和噪声是不稳定时。

为了达到上述方面，根据本发明的信号处理方法包括：划分步骤，用于输入多个信号和将多个信号中的至少一个信号划分为多个小区域；参数提取步骤，提取用作转换小区域的转换参数，以获取与其它信号的相似性；总计步骤，总计表示根据转换参数得到的多个相似度的值；和相似性评估步骤，根据总计结果评估多个信号间的相似性。

信号处理方法可以进一步包括相似区域提取步骤，用于提取多个信号相似区域。

在该信号处理方法中，转换参数可以使用相关性方法得到。在这种情况下，例如，转换参数是在一个点处的扩展率和/或移位量，在该点处得到小区域和其它信号间的最大相关性值，并且在总计步骤中，在以转换参数为中心的轴的空间中，总计表示在多个信号间的相似度的值。

在这样的信号处理方法中，将多个输入信号中的至少一个信号划分为多个小区域，并且获得在每个小区域和其它信号间的相似性。当算出这些相似性值的总和时，在多个信号间的相似性得以评估。根据该相似性，提取多个信号的相似区域。

此外，为了达到上述方面，根据本发明的信号处理方法包括：划分步骤，用于输入多个信号和将多个信号中的至少一个信号划分为多个小区域；参数提取步骤，提取用作转换小区域的转换参数，以获取与其它信号的相似性；总计步骤，总计表示根据转换参数得到的多个相似度的值；相似性评估步骤，根据总计结果评估多个信号间的相似性；相似区域提取步骤，用于提取多个信号的相似区域；第一编码步骤，对在相似区域提取步骤中提取的多个信号的相似区域编码；和第二编码步骤，对相似区域之外的区域编码。

例如，转换是扩展和/或移位转换。在这种情况下，在第一编码步骤中，对相似区域的起始时间、扩展率和相似区域的长度的信息编码。

在这样的信号处理方法中，将多个信号中的至少一个信号划分为多个小区域，并且获得在每个小区域和其它信号间的相似性。当算出这些相似性值的总和时，在多个信号间的相似性得以评估。根据该相似性，提取多个信号的相似区域，而且相似区域和其它区域分别被编码。

此外，为了达到上述方面，根据本发明的信号处理设备包括：划分装置，用于输入多个信号和将多个信号中的至少一个信号划分为多个小区；参数提取装置，用于提取用作转换小区域的转换参数，以获取与其它信号的相似性；总计步骤，总计表示根据转换参数得到的多个相似度的值；和相似性评估步骤，根据总计结果评估多个信号间的相似性。

该信号处理设备可以进一步包括相似区域提取装置，用于提取多个信号的相似区域。

在该信号处理设备中，转换参数是使用相关性方法得到的。在这种情况下，例如，转换参数是在一个点处的扩展率和/或移位量，在该点处得到小区域和其它信号间的最大相关性值，和总计装置在以转换参数为中心的轴的空间中，总计表示在多个信号间的相似度的值。

在这样的信号处理设备中，将多个信号中的至少一个信号划分为多个小区域，并且获得在每个小区域和其它信号间的相似性。当算出这些相似性值的总和时，在多个信号间的相似性得以评估。根据该相似性，提取多个信号的相似区域。

此外，为了达到上述方面，根据本发明的信号处理设备包括：划分装置，用于输入多个信号和将多个信号中的至少一个信号划分为多个小区域；参数提取装置，提取用作转换小区域的转换参数，以获取与其它信号的相似性；总计装置，总计表示根据转换参数得到的多个相似度的值；相似性评估装置，根据总计结果评估多个信号间的相似性；相似区域提取装置，用于提取多个信号的相似区域；第一编码装置，对在相似区域提取步骤中提取的多个信号的相似区域编码；和第二编码装置，对相似区域之外的区域编码。

例如，转换是扩展和/或移位转换，在这种情况下，第一编码装置对相似区域的起始时间、扩展率、和相似区域的长度的信息进行编码。

在这样的信号处理设备中，将多个信号中的至少一个信号划分为多个小区域，并获得在每个小区域和其它信号间的相似性。当算出这些相似性值的总和时，则在多个信号间的相似性得以评估。根据该相似性，提取多个信号的相似区域，并且相似区域和其它区域分别被编码。

此外，为了达到上述方面，根据本发明的信号处理程序包括：划分步骤，用于输入多个信号和将多个信号中的至少一个信号划分为多个小区域；参数提取步骤，提取用作转换小区域的转换参数，以获取与其它信号的相似性；总计步骤，总计表示根据转换参数得到的多个相似度的值；和相似性评估步骤，根据总计结果评估多个信号间的相似性。

信号处理程序可以进一步包括相似区域提取步骤，用于提取多个信号的相似区域。

在信号处理程序中，转换参数是使用相关性方法得到的。在这种情况下，例如，转换参数是在一个点处的扩展率和/或移位量，在该点处得到小区域和其它信号间的最大相关性值，并且在总计步骤中，在以转换参数为中心的轴的空间中，总计表示在多个信号间的相似度的值。

在这样的信号处理程序中，将多个信号中的至少一个信号划分为多个小区域，并获得在每个小区域和其它信号间的相似性。当算出这些相似性值的总和时，则在多个信号间的相似性得以评估。根据该相似性，提取多个信号的相似区域。

此外，为了达到上述方面，根据本发明的信号处理程序包括：划分步骤，用于输入多个信号和将多个信号中的至少一个信号划分为多个小区域；参数提取步骤，提取用作转换小区域的转换参数，以获取与其它信号的相似性；总计步骤，总计表示根据转换参数得到的多个相似度的值；相似性评估步骤，根据总计结果评估多个信号间的相似性；相似区域提取步骤，用于提取多个信号的相似区域；第一编码步骤，对在相似区域提取步骤中提取的多个信号的相似区域编码；和第二编码步骤，对相似区域之外的区域编码。

例如，转换是扩展和/或移位转换。在这种情况下，在第一编码步骤中，对相似区域的起始时间、扩展率和相似区域的长度的信息编码。

在这样的信号处理程序中，将多个信号中的至少一个信号划分为多个小区域，并获得在每个小区域和其它信号间的相似性。当算出这些相似性值的总和时，则在多个信号间的相似性得以评估。根据该相似性，提取多个信号的相似区域，并且相似区域和其它区域分别被编码。

此外，为了达到上述方面，根据本发明的记录介质是一种具有记录于其中的信号处理程序的计算机可控介质，该信号处理程序包括：划分步骤，用于输入多个信号和将多个信号中的至少一个信号划分为多个小区域；参数提取步骤，用于提取用作转换小区域的转换参数，以获取与其它信号的相似性；总计步骤，总计表示根据转换参数得到的多个相似度的值；和相似性评估步骤，根据总计的结果评估多个信号间的相似性。

该信号处理程序进一步包括相似区域提取步骤，用于提取多个信号的相似区域。

在信号处理程序中，转换参数是使用相关性方法得到的。在这种情况下，例如，转换参数是在一个点处的扩展率和/或移位量，在该点处小区域和其它信号间的最大相关性值被得到，并且在总计步骤中，在以转换参数为中心的轴的空间中，总计表示在多个信号间的相似度的值。

在记录在这样一个记录介质中的信号处理程序中，将多个信号中的至少一个信号划分为多个小区域，并获得在每个小区域和其它信号间的相似性。当算出这些相似性值的总和时，则在多个信号间的相似性得以评估。根据该相似性，提取多个信号的相似区域。

此外，为了达到上述方面，根据本发明的记录介质是一种具有记录于其中的信号处理程序的计算机可控介质，该信号处理程序包括：划分步骤，用于输入多个信号和将多个信号中的至少一个信号划分为多个小区域；参数提取步骤，提取用作转换小区域的转换参数，以获取与其它信号的相似性；总计步骤，总计表示根据转换参数得到的多个相似度的值；相似性评估步骤，根据总计结果评估多个信号间的相似性；相似区域提取步骤，用于提取多个信号的相似区域；第一编码步骤，对在相似区域提取步骤中提取的多个信号的相似区域编码；和第二编码步骤，对相似区域之外的区域编码。

例如，转换是扩展和/或移位转换，在这种情况下，在第一编码步骤中，对相似区域的起始时间、扩展率、和相似区域的长度的信息编码。

在记录在这样一个记录介质的信号处理程序中，将多个信号中的至少一个信号划分为多个小区域，并获得在每个小区域和其它信号间的相似性。当算出这些相似性值的总和时，则在多个信号间的相似性得以评估。根据该相似性，提取多个信号的相似区域，并且相似区域和其它区域分别被编码。

通过以下一个实施例的说明进一步清楚本发明的其它方面和由本发明提供的特有优势。

附图说明

图1A到图1C示出了示例信号的示意图，利用传统的相关性方法检测该信号的相似性是困难的，图1A示出了一个观测信号Λ的波形，图1B示出了一个观测信号B的波形，图1C示出了用相关性方法得到的观测信号A与观测信号B间的相关性；

图2A到2C示出了本实施例的信号处理方法原理的示意图，图2A示出了划分成多个小区域的信号f(x)，图2B示出了在信号f(x)中检测到的相似区域的状态，图2C示出了到表决空间的区域参数的表决；

图3示出了信号处理方法的原理示意图并示出了在靠近具有预定平移量和扩展率的点处形成峰值的状态；

图4示出了信号处理方法的原理示意图并示出了提取相似区域的一个示例；

图5示出了本实施例的信号处理设备的示意性结构图；

图6示出了信号处理设备操作的流程图；

图7示出了利用信号处理设备的编码设备的示意性结构图；

图8示出了编码设备操作的流程图；

图9示出了在编码设备中第一区域和第二区域的选择示意图；

图10示出了在编码设备中相似区域提取的示意图；

图11示出了在编码设备中第一区域的编码的示意图；

图12示出了在编码设备中第一区域和第二区域的另一选择的示意图；

图13示出了在编码设备中的合成示例编码信号的示意图。

具体实施方式

参考附图，现将详细描述应用本发明的特选实施例。在该实施例中，本发明应用于一种信号处理设备，该设备用于评估包含在多个信号内或一个信号的不同区域内的相同信号分量或相似信号分量情况下的相似性，和用于提取相似区域。在解释该信号处理设备之前，将首先描述在本实施例中相似性评估技术的原理。

首先，如果f(x)和g(x)表示两个将被比较的信号，p表示一个转换参数，H_p[·]表示一个预定的转换组，以及n(x)表示噪声分量，这两个信号能够通过下列等式(1)表达。

g(x)＝H_p[f(x)]+n(x)   ...(1)

如果应用到信号f(x)的预定转换H_p[·]的结果相似于信号g(x)，噪声分量n(x)是具有一个小值的函数。如果该结果根本不相似于信号g(x)，噪声分量n(x)是具有一个大值的函数。即，当采用表达式(1)时，可以理解为信号f(x)与信号g(x)间的高相似性意味着对于给定的转换参数p的信号g(x)的噪声分量n(x)是非常小的。考虑到扩展和平移作为最典型的示例转换，两个信号能够通过下列等式(2)的关系表达。在等式(2)中，a表示扩展率，y表示平移量。

g(x)＝af(x-y)+n(x)    ...(2)

当两个信号通过等式(2)的关系表达时，在信号f(x)和信号g(x)间的高相似性意味着实现一个相当小的噪声分量n(x)的扩展率a和平移量y存在。

众所周知，通过相关性方法，可以得到使关于信号g(x)能量的噪声分量n(x)的能量最小化的扩展率a和平移量y。

然而，如果噪声分量n(x)是不稳定的，并且区域强和区域弱，即，当信号g(x)满足下列等式(3)时，通过如上所述的一致优化全部信号的相关性方法，必定不能适当地得到扩展率a和平移量y。

这样，在本实施例中，得到局部的相似性，并对它的各个值积分来评估全部的相似性。

在本实施例的技术中，首先，根据下列等式(4)，将信号f(x)划分成小区域的信号f_i(x)的I个单元，如图2A所示。在等式(4)，x_i表示每个区域的端点，以及i(＝0，1，...，I-1)指示每个区域的下标。当然，划分数目不限于图2A所示的量，它能够任意设置。尽管信号被划分而导致图2A中的单个区域互相不重叠，但是那些区域是可以互相重叠的。

接着，对于每个区域的信号f_i(x)和信号g(x)，在等式(5)中得到使信号能量的噪声能量J(a，y)最小化的扩展率a＝a_i和平移量y＝y_i，和此时的相似性s_i。该扩展率a是一个放大系数，该放大系数实现一个非常符合信号g(x)的模式的区域信号f_i(x)的模式。

$J(a,y)=\frac{{\∫}_{x_i}^{x_{i+1}}{n}^2(x+y)\mathrm{dx}}{{\∫}_{x_i}^{x_{i+1}}{g}^2(x+y)\mathrm{dx}}...\left(5\right)$

这导致了第二最小化问题，并且能够得到平移量y_i和扩展率a_i，如下列等式(6)和(7)所示。

$y_i=\underset{y}{\arg \max }\left[\frac{{\left\{{\∫}_{x_i}^{x_{i+1}}{f}_i\left(x\right)g(x+y)\mathrm{dx}\right\}}^2}{{\∫}_{x_i}^{x_{i+1}}{f}_i^2\left(x\right)\mathrm{dx}{\∫}_{x_i}^{x_{i+1}}{g}^2(x+y)\mathrm{dx}}\right]...\left(6\right)$

$a_i=\frac{{\∫}_{x_i}^{x_{i+1}}{f}_i\left(x\right)g(x+y_i)\mathrm{dx}}{{\∫}_{x_i}^{x_{i+1}}{f}_i^2\left(x\right)\mathrm{dx}}...\left(7\right)$

等式(6)是指：得到作为移位量的平移量y_i，该移位量使在区域信号f_i(x)和信号g(x)间的相关性(相关性平方)最大化。等式(7)指出得到作为扩展率的a_i，该扩展率使噪声能量在那时最小化。例如，作为使在区域信号f_i(x)和信号g(x)间的相关性(相关性平方)最大化的信号g(x)的区域，在图2B中以箭头指出的区域被得到。

在此情况下，得到作为最大相关性值的平方的在区域信号f_i(x)和信号g(x)间的相似性s_i，如下列等式(8)所示。

$s_i=1-J(a,y)=\frac{{\left\{{\∫}_{x_i}^{x_{i+1}}{f}_i\left(x\right)g(x+y_i)\mathrm{dx}\right\}}^2}{{\∫}_{x_i}^{x_{i+1}}{f}_i^2\left(x\right)\mathrm{dx}{\∫}_{x_i}^{x_{i+1}}{g}^2(x+y_i)\mathrm{dx}}...\left(8\right)$

随后，对于所有区域i，在平移量y_i、扩展率a_i、和相似性s_i获得后，各个区域的相似性通过表决方法进行积分。该表决方法是这样一种方法：在平移量y和扩展率a划分成合适的单元的特征空间h(y，a)中，对相似性s_i在平移量y_i和扩展率a_i对应的单元求积分，且如图2C对各个相似性进行求和，并如下列等式(9)所示。它相当于一种直方图处理。在等式(9)中，δ(y，a)是Kroneckerδ，其对于yy_i和aa_i表示为一个等于1的函数，否则等于0。为了在[0，1]标准化积分值，右边全部以I划分，与总表决数无关，即，划分成多个小区域的数。

$h(y,a)=\frac{1}{I}\underset{i=0}{\overset{I-1}{\mathrm{\Σ}}}{s}_i\mathrm{\δ}(y-y_i,a-a_i)...\left(9\right)$

在这种情况下，从具有高相似性的区域获得的平移量y_i和扩展率a_i是共用的平移量y_i和扩展率a_i，并且从具有高相似性区域获得的相似性s_i有一个相对大的值，其表示在上述等式(3)。因此，通过表决操作，在一个预定的点上形成一个大的峰值。

另一方面，从具有低相似性区域获得的平移量y_i和扩展率a_i是随机的和不稳定的，并且从具有低相似性区域获得的相似性s_i有一个相对小的值。因此，通过表决操作，由于离散，不能形成一个大的峰值。

图3示出了该技术应用到图1A和图1B的信号的表决结果。在图3中能够看到，在平移量为300个采样和扩展率为1.5的点处，形成一个大的峰值，而在其余的区域没有形成大的峰值。

对所有的i(＝0，1，...I-1)进行表决后，最大的峰值位置以(y_m，a_m)表示，以及在这种情况下相似性s_i的积分值以s_m表示，如下列等式(10)和(11)所示。

$(y_m,a_m)=\underset{y,a}{\arg \max }(y,a)...\left(10\right)$

$s_m=\underset{y,a}{\max }h(y,a)=h(y_m,a_m)...\left(11\right)$

如果最大相似性s_m没有超过预定的阈值s_thsd，则可断定信号f(x)和g(x)是互相不相似的。相反，若最大相似性s_m等于或较高于阈值s_thsd时，断定信号相互相似或具有相似的部分。在这种情况下，两个信号间的相似性是最大的相似性s_m。

如此，在这个实施例中，当局部相似性被得到和局部相似性的各个值被积分时，就能够评估整体的相似性。

此外，通过逆推，得到一个对单元(y_m，a_m)表决的小区域，可能找到与信号g(x)的信号区域相似的信号f(x)的信号区域。具体地，例如，存储在发现对于每个区域信号f_i(x)的相似性s_i时的平移量y_i和扩展率a_i，并且仅选择充分地靠近峰值位置的平移量y_m和扩展率a_m的平移量和扩展率，从而，检测一个相似区域。

图4示出了作为上述计算结果得到的相似区域。在图4中，值1表示被断定为相似的区域，和值0表示被断定为不相似的区域。与图1A中所示的信号相比较，图1A中箭头所指区域有一个值1，并且可以确认检测到相似区域。

在上面的描述中，在等式(5)和等式(6)中得到使对于信号能量的噪声能量最小化的平移量y＝y_i和扩展率a＝a_i。然而，本方法不限于此，且可以对对于信号能量的噪声能量J(a，y)是等于或小于一个预定值的所有区域表决。

在上面的描述中，仅仅在等式(10)和(11)得到的多个峰值位置处的相似性的最大相似性s_m与阈值s_thsd进行比较，且如果超过阈值s_thsd，表决到峰值的小区域可逆推地发现。然而，本方法不限于此，且可以得到所有超出阈值s_thsd的多个峰值表决的小区域。因而，如果有信号f(x)的多个区域和信号g(x)的多个区域相似，能够提取所有这些区域。

以上描述了本实施例相似性评估技术的原理。现在，将参考图5描述本发明的信号处理设备的示意性结构。在以下说明中，信号处理设备10被用来输入第一信号和第二信号，和用来评估这些信号间的相似性。然而，所述信号处理设备可以仅输入一个信号，并评估该信号的不同区域的相似性。

如图5所示，本实施例的信号处理设备10具有区域划分单元11、相似性计算单元12、表决(Voting)单元13、相似性判断单元14及相似区域检测单元15。

该区域划分单元11将第一信号划分为小区域。如上所述，所划分的数目能够任意设定，且小区域可以相互重叠。

该相似性计算单元12计算由在区域划分单元11划分提供的每一个小区域和第二信号间的相关性。该相似性计算单元12寻找获得的相似性的最大值，即相关性值的平方，并获得相似性s、时差t和扩展率a。该扩展率a是一个放大系数，用来实现与第二信号的式样最符合的小区域式样的大小。

表决单元13表决获得的相似性s、时差t和扩展率a到一个表决空间。该表决空间是一个用时差t和扩展率a作为变量来发现相似性s积分值的特征空间。该相似性s在具有从所述小区域获得的时差t和扩展率a的位置处求积分。

如上所述，当第一信号和第二信号包括相似信号分量时，对应小区域的式样相互相似。因此，在这些小区域间的相似性s是高的，且它们的时差t和扩展率a与其它小区域的时差t和扩展率a几乎一致。

另一方面，对于相应于不相似区域的小区域，在偶然是最相似的位置处，获得最大相似性。所以，整个相似性是低的，且时差t和扩展率a与其它小区域的时差t和扩展率a无关。

所以，当相似信号分量存在时，对应于该信号分量的多个小区域的表决集中在同样的位置，并且期望形成一个相当大的峰值。当无相似分量存在时，该相似性是非常低的，且表决在不同位置是离散的。所以，没有明显的波峰形成。

因此，对所有的小区域执行表决后，相似性断定单元14在表决空间寻找最大相似性s_m，且对最大相似性s_m与阈值s_thsd进行比较，从而判断相似性。

当相似性断定单元14断定相似性是高的，则相似区域检测单元15检测一个相似的区域。例如，通过仅选择时差t和扩展率a是充分靠近波峰位置的时差t_m和扩展率a_m的小区域，相似区域检测单元15检测一个相似的区域。

参考流程图6，将描述具有上述结构的信号处理设备10的操作。首先，在步骤S10，第一信号划分成如上描述的小区域，并在下一步骤S11，选择一个小区域。

在步骤S12，计算在步骤S11选择的小区域和第二信号间的相关性。

在步骤S13，得到在步骤S12获得的相似性的最大值，且获得相似性s、时差t和扩展率a。

在下一步骤S14，在表决空间中，表决在步骤S13得到的相似性s、时差t和扩展率a。即，在从小区域得到的时差t和扩展率a的位置处，对相似性s求积分。

在步骤S15，判断是否完成对全部小区域的处理。如果在步骤S15，仍然有一个小区域没有完成处理，该处理返回到步骤S11，且上述处理对于剩余的小区域重复进行。如果全部的小区域完成处理，则处理进行到步骤16。

在步骤S16，寻找且得到在表决空间中的最大相似性s_m。在下一步骤S17，判断最大相似性s_m是否超出了预定的阈值s_thsd。如果在步骤S17最大相似性s_m没有超出预定的阈值s_thsd(No)，假设没有形成明显的波峰，则处理进行到步骤S20。然后，判断第一信号和第二信号互相不相似，则处理结束。如果在步骤S17最大相似性s_m超出预定的阈值s_thsd(Yes)，假设形成明显的波峰，则处理进行到步骤S18。

在步骤S18，判断第一信号和第二信号相互相似，并得到时差t_m和扩展率a_m。假设在第一信号和第二信号间的相似性是最大相似性s_m。

在步骤S19，检测相似的区域。具体地，选择仅有时差t和扩展率a是充分地靠近峰值处的时差t_m和扩展率a_m的小区域，且处理结束。

通过上述所执行的处理，信号处理设备10能够在具有不稳定噪声的观察信号间合适地评估其相似性，以及能够从所述信号里提取多个相似的区域。

例如，上述信号处理设备10能够用在图7所示的编码设备20中。该编码设备20具有上述信号处理设备10，且对相似波形重复出现的信号的相似波形部分进行检测和分别地编码，例如，一个声音信号波形，因此，提高了编码效率(压缩效率)。

如图7所示，编码设备20有一个区域选择单元21、相似区域检测单元22、相似分量减去单元23、相似分量编码单元24、信号编码单元25，和合成单元26。相似区域检测单元22相当于上述信号处理设备10。

参考图8和图9到12的流程图，将对具有上述结构的编码设备20的操作进行描述。

首先，在步骤S30，区域选择单元21从所输入的第一信号中选择具有合适长度的第一区域PI₁，例如1秒，如图9所示。在下一步骤S31，区域选择单元21选择不同于第一区域的第二区域PI₂，例如，跟着第一区域PI₁的10秒的区域。

在下一步骤S32，相似区域检测单元22检测第二区域PI₂是否具有与第一区域PI₁相似的区域。如果在步骤S32，第二区域有相似区域(YES)，则处理进行到步骤S33。如果第二区域没有相似区域，则处理进行到步骤S34。

在步骤S33，如图10所示，相似区域检测单元22检测相似区域的起始时间(T_a，T₂)、扩展率(a₂)和相似区域的长度(L₂)，并且相似分量编码单元24对这些进行编码。然后该处理返回到步骤S32，且检测另外的相似区域。图10示出了多于两个部分(T_b，T₃，a₃，L₃)和(T_c，T₄，a₄，L₄)的示例得到检测。

在所有的相似区域得到检测和编码后，在步骤S34，相似分量减去单元23从第二区域PI₂减去相似于第一区域PI₁的区域，如图11所示。在减去中，利用被检测的扩展率来匹配大小。在减去后，非相似分量保留在每个相似区域中。

在步骤35，信号编码单元25利用典型的信号编码方法，对第一区域PI₁的信号编码(例如，次能带编码、变换编码等)。

在步骤36，合成单元26合成诸如在步骤S33编码的起始时间、在步骤S35编码为一个编码信号的第一区域PI₁的信号，并且输出已编码信号。然后，如图12所示获取最新的第一区域PI₁，且重复该处理。图12中的阴影部分表示被编码的部分。

图13示出了合成的被编码信号的一个示例。如图13所示，例如，通过对在相似于第一区域PI₁的第二区域PI₂的区域中的起始时间、扩展率、和长度进行编码得到的编码跟着第一区域PI₁信号的编码。接着这个，排列下一个区域的编码。

关于该编码设备20，因为典型的编码方法用在第一区域，编码效率相同于典型编码方法的效率。然而，在第二和随后的区域，因为相似于第一区域信号的分量已被减去，则信号的信息量减少，且与用普通的编码方法的情况相比，编码效率能够得到提高。

如上所述，在实施例的信号处理设备中，一个信号被分成多个小区域，且得到各个小区域的相似性，并求积分来评估整体的相似性。所以，即使对于具有不易用典型相关性方法检测的不稳定噪声信号，相似性能够得到评估。

而且，由于提供在编码设备中的信号处理设备预先对相似波形重复出现的信号的相似波形区域检测和分别地编码，所以能够提高编码效率(压缩效率)。

本实施例的信号处理方法也能够被应用于信号处理的所有领域中的相似信号检测，该领域诸如信号检测、语音处理、图像处理，和雷达技术。

本发明不限于上述实施例，并且在没有脱离本发明的范围的情况下，可以做出各种改动。

例如，尽管最普通的扩展转换和移位转换技术得以执行，以及扩展率和平移量被用作上面描述的转换参数，本发明不限于此，且能够应用到包括非线性转换的任何转换。

此外，当使用最普通相似性评估量的最小化第二误差能量的技术时，即，在上面描述中所用的相关性方法，本发明不限于此，且能够应用到相似性评估量的其它类型。

工业实用性

根据本发明，将一个信号划分成多个小区域，并且得到各个小区域的相似性，且对该相似性积分来评估整体的相似性。因此，对于甚至具有不易用典型相关性方法等检测的不稳定噪声信号，也能够评估其相似性。而且，因为本发明被用来预先对相似波形重复出现的信号的相似波形区域检测和分别地编码，所以能够提高编码效率(压缩效率)。

Claims (24)

1.一种信号处理方法，包括：

划分步骤，用于输入多个信号和将多个信号中的至少一个信号划分为多个小区域；

参数提取步骤，提取用作转换小区域的转换参数，以获取与其它信号的相似性；

总计步骤，总计表示根据转换参数得到的多个相似度的值；和

相似性评估步骤，根据总计结果评估多个信号间的相似性。

2.如权利要求1的信号处理方法，进一步包括相似区域提取步骤，用于提取多个信号的相似区域。

3.如权利要求2的信号处理方法，其中，在相似区域提取步骤中，对被提取了转换参数的小区域进行提取，该转换参数与所述总计结果最大时的转换参数大致相等。

4.如权利要求1的信号处理方法，其中，转换是扩展和/或移位转换。

5.如权利要求4的信号处理方法，其中，转换参数是使用相关性方法得到的。

6.如权利要求5的信号处理方法，其中，转换参数是在一个点处的扩展率和/或移位量，在该点处得到小区域和其它信号间的最大相关性值。

7.如权利要求1的信号处理方法，其中，在总计步骤中，在以转换参数为中心的轴的空间中，总计表示在多个信号间的相似度的值。

8.如权利要求1的信号处理方法，其中，表示在总计步骤中的相似度的值是与多个信号间的相似性成比例的值。

9.如权利要求8的信号处理方法，其中，在多个信号间的相关性值或相关性值的平方被用做相似性。

10.如权利要求1的信号处理方法，其中，多个信号是一个信号的不同部分。

11.如权利要求1的信号处理方法，还包括：

相似区域提取步骤，用于提取多个信号的相似区域；

第一编码步骤，对在相似区域提取步骤中提取的多个信号的相似区域编码；和

第二编码步骤，对相似区域之外的区域编码。

12.如权利要求11的信号处理方法，其中在参数提取步骤中的转换是扩展和/或移位转换，和

在第一编码步骤中，对相似区域的起始时间、扩展率和相似区域的长度的信息编码。

13.一种信号处理设备，包括：

划分装置，用于输入多个信号和将多个信号中的至少一个信号划分为多个小区域；

参数提取装置，用于提取用作转换小区域的转换参数，以获取与其它信号的相似性；

总计装置，总计表示根据转换参数得到的多个相似度的值；和

相似性评估装置，根据总计结果评估多个信号间的相似性。

14.如权利要求13的信号处理设备，进一步包括相似区域提取装置，用于提取多个信号的相似区域。

15.如权利要求14的信号处理设备，其中，所述相似区域提取装置对被提取了转换参数的小区域进行提取，该转换参数与所述总计结果最大时的转换参数大致相等。

16.如权利要求13的信号处理设备，其中，转换是扩展和/或移位转换。

17.如权利要求16的信号处理设备，其中，转换参数是使用相关性方法得到的。

18.如权利要求17的信号处理设备，其中，转换参数是在一个点处的扩展率和/或移位量，在该点处得到小区域和其它信号间的最大相关性值。

19.如权利要求13的信号处理设备，其中，总计装置在以转换参数为中心的轴的空间中，总计表示在多个信号间的相似度的值。

20.如权利要求13的信号处理设备，其中，表示相似度的值是与多个信号间的相似性成比例的值。

21.如权利要求20的信号处理设备，其中，在多个信号间的相关性值或相关性值的平方被用作相似性。

22.如权利要求13的信号处理设备，其中，多个信号是一个信号的不同部分。

23.如权利要求13的信号处理设备，还包括：

相似区域提取装置，用于提取多个信号的相似区域；

第一编码装置，对在相似区域提取步骤中提取的多个信号的相似区域编码；和

第二编码装置，对相似区域之外的区域编码。

24.如权利要求23的信号处理设备，其中，转换是扩展率和/或移位的转换；和

第一编码装置对相似区域的起始时间、扩展率和相似区域的长度的信息进行编码。

Images