基于随机共振与盲统计特征的低信噪比信号检测方法及系统与流程
本发明属于无线通信与数字信号处理,涉及一种基于随机共振与盲统计特征的低信噪比信号检测方法及系统,主要应用于认知无线电设备及频谱监测仪中的微弱信号存在性检测。
背景技术:
1、在复杂电磁环境中,接收机收到的信号信噪比(snr)常常低于-10db。针对此类低信噪比信号的检测,当前主流技术存在以下难以克服的缺陷:
2、能量检测(ed)的“噪声不确定性墙”:作为最经典的盲检测手段,能量检测受限于噪声功率的起伏。在低信噪比下,微小的噪声功率估计误差(通常仅0.5db-1db)就会导致虚警概率急剧上升或检测概率骤降,工程稳定性差。
3、 基于深度学习(dl)的检测算力开销过大:虽然深度学习方法在低信噪比下表现出色,但其庞大的参数量和浮点运算需求,使其难以在资源受限的边缘计算设备(如armcortex-m系列mcu或低端fpga)上实时运行。
4、单纯随机共振(sr)的参数敏感性:随机共振理论虽能利用噪声增强信号,但其性能对势垒参数(a,b)极度敏感。在动态变化的电磁环境中,固定参数容易导致系统失锁或饱和,缺乏实用的自适应闭环控制机制。
5、综上所述,现有技术要么无法在低信噪比下稳定工作,要么计算复杂度过高无法落地。因此,亟需一种兼顾低信噪比鲁棒性与低计算复杂度的工程化检测方案。
技术实现思路
1、本发明的目的在于提供一种基于随机共振与盲统计特征的低信噪比信号检测方法及系统,用于克服传统能量检测在噪声不确定性下的高虚警率问题;避免复杂ai模型带来的高算力开销,实现基于查找表(lut)和简单迭代的轻量级软件或硬件实现;解决随机共振等非线性系统在实际应用中因环境变化导致的参数失配问题,实现自适应闭环控制。
2、为了实现上述技术效果,一方面,本发明提供了一种基于随机共振与盲统计特征的低信噪比信号检测方法,包括步骤:
3、将接收到的模拟信号转换为数字信号序列;
4、利用噪声与非线性系统的协同作用,将噪声能量向信号特征频率处聚集以提升输出信噪比,生成共振增强信号;
5、采用幂迭代法对所述共振增强信号进行盲特征提取,计算其样本协方差矩阵的最大特征值;
6、将所述最大特征值与一动态阈值进行比较,若所述最大特征值大于所述动态阈值,则判定为低信噪比信号存在,否则判定为无信号。
7、进一步的,所述利用噪声与非线性系统的协同作用,将噪声能量向信号特征频率处聚集以提升输出信噪比,生成共振增强信号,具体包括:
8、初始化系统状态,并加载预设的势垒参数和;
9、预先计算非线性函数的映射关系,并将所述映射关系存储于查找表中;
10、读取上一时刻的系统状态,通过所述查找表直接输出对应的非线性函数值;
11、读取当前时刻的所述数字信号序列,执行一阶迭代运算:,生成当前时刻的系统状态,其中为时间步长;
12、将所述当前时刻的所述系统状态作为所述共振增强信号输出,并将其反馈以作为下一时刻的系统状态。
13、进一步的,所述采用幂迭代法对所述共振增强信号进行盲特征提取,计算其样本协方差矩阵的最大特征值,具体包括:
14、通过设置帧长度,构建滑动窗口,将所述共振增强信号按时间序列填入所述滑动窗口,以生成时域数据帧;
15、计算所述时域数据帧的样本协方差矩阵;
16、采用幂迭代法所述样本协方差矩阵的最大特征值。
17、进一步的,所述采用幂迭代法所述样本协方差矩阵的最大特征值,具体包括:
18、初始化一随机向量;
19、循环执行以下迭代计算:;直至向量方向收敛;
20、根据收敛后的向量和所述样本协方差矩阵,计算最大特征值;
21、其中,为所述样本协方差矩阵。
22、进一步的,所述帧长度为64,且所述迭代计算的循环次数为5至10次。
23、进一步的,所述动态阈值基于纯背景噪声段的统计特性得到;所述动态阈值基于以下公式计算:
24、;
25、其中,为背景噪声段最大特征值的均值,为背景噪声段最大特征值的标准差。
26、进一步的,还包括自适应控制步骤,具体包括:
27、统计预设时间窗口内判定为低信噪比信号存在的次数;
28、若所述次数超过预设比例,则增大势垒参数的值;
29、若所述次数低于所述预设比例,则减小势垒参数的值。
30、另一方面,本发明还提供了一种基于随机共振与盲统计特征的低信噪比信号检测系统,应用于实现如上所述的方法,包括有:
31、adc采样接口模块,用于将接收到的模拟信号转换为数字信号序列;
32、非线性预处理模块,用于利用噪声与非线性系统的协同作用,将噪声能量向信号特征频率处聚集以提升输出信噪比,生成共振增强信号;
33、协方差与特征值提取模块,用于采用幂迭代法对所述共振增强信号进行盲特征提取,计算其样本协方差矩阵的最大特征值;
34、判决器模块,用于将所述最大特征值与一动态阈值进行比较,若所述最大特征值大于所述动态阈值,则判定为低信噪比信号存在,否则判定为无信号。
35、进一步的,所述非线性预处理模块包括有:
36、状态寄存器,用于存储系统状态;
37、查找表存储器,用于预存非线性函数的映射关系,并根据上一时刻的系统状态输出对应的非线性函数值;
38、加法器,用于执行一阶迭代运算,生成当前时刻的系统状态并将其作为所述共振增强信号输出。
39、进一步的,还包括自适应控制模块,所述自适应控制模块用于统计所述判决器模块在预设时间窗口内判定为低信噪比信号存在的次数,并根据统计结果动态调整所述非线性预处理模块中的势垒参数。
40、本发明所述的基于随机共振与盲统计特征的低信噪比信号检测方法采用“非线性预处理增强+低复杂度盲判决”的两级级联架构。首先,将接收的模拟信号转换为数字信号序列;随后,通过基于查表法的离散双稳态系统对信号进行非线性预处理,将噪声能量向信号特征频率处聚集,从而提升输出信噪比,生成共振增强信号;接着,对共振增强信号分帧并计算样本协方差矩阵,采用幂迭代法仅提取其最大特征值作为检测统计量;最后,将该最大特征值与基于背景噪声统计特性设定的动态阈值比较,判定信号是否存在,并引入自适应控制单元,根据虚警率统计结果动态调整势垒参数,形成闭环控制。
41、与现有技术相比,本发明的有益效果如下:
42、第一,检测下限低,通过随机共振效应将检测灵敏度从传统能量检测的-8db拓展至-18db,灵敏度提升10db以上;
43、第二,计算复杂度极低,采用查表法实现非线性变换、幂迭代法替代全量矩阵分解,在fpga上仅消耗不到350个luts,计算延迟仅2微秒;
44、第三,工程鲁棒性强,自适应控制机制解决了非线性系统参数敏感的工程痛点,在动态噪声环境中虚警率可稳定在0.1%以下;
45、第四,具备盲检测特性,无需信号调制方式、中心频率等先验信息,通用性强。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com