基于小波重构的信号带宽估计方法及装置

1.本公开涉及移动通信技术领域，具体涉及一种基于小波重构的信号带宽估计方法、一种基于小波重构的信号带宽估计装置、一种计算机可读介质，以及一种终端设备。


背景技术：

2.信号带宽是指信号频谱上由低频至高频所占宽度，在信号处理中，带宽估计是经典的参数估计问题，是信号处理学科的重要组成部分。能够精准的估计出信号带宽可以为后续的信号处理提供很大的帮助。在非合作通信中，带宽估计可应用于信号的分选，根据信号的估计带宽设计合适的滤波器来将单信道多信号分离；在信号监测与调制识别相关领域，带宽估计也有着广泛的应用背景和重要的应用价值。
3.在相关技术中，带宽估计方法包括：自相关法、均方根法、能量集中法、最大熵法和welch法，等方法。其中，自相关法是基于功率谱的半功率点范围所定义的-3db带宽，该方法是基于线性谱估计的，误差较大；均方根法所估计的带宽是均方意义下的带宽，针对不同谱型的信号所求得带宽与理论上的-3db带宽没有确定的关系，因此该方法不具备通用性；而能量集中法估计带宽的前提是需要先估计出中心频率，会造成误差叠加，适用于高斯型或立方形的功率谱；最大熵法适用于信噪比较高的场景，在低信噪比下效果较差。上述的方法原理简单，易于实现，但估计精度不佳，且对于不同谱型的信号估计误差不同。且上述的传统方法都是基于-3db带宽的研究，在信号分选时可能会导致部分信息丢失。此外，现有技术中还包括基于功率谱曲线拟合方法、基于功率谱小波变换和基于功率谱分布函数几何分析方法估计带宽并取得了较高的精度；但此类算法复杂度高不易实现。
4.需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。


技术实现要素：

5.本公开提供一种基于小波重构的信号带宽估计方法、一种基于小波重构的信号带宽估计装置、一种计算机可读介质，以及一种终端设备，能够有效克服现有技术中存在的估计精度不高、适应性不强等缺陷。
6.本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。
7.根据本公开的第一方面，提供一种基于小波重构的信号带宽估计方法，所述方法包括：
8.对待处理信号进行分段处理以获取多个分段信号，对多个分段信号进行预处理以获取降噪后的幅度谱数据；
9.对所述幅度谱数据进行小波低频重构处理以提取对应的包络信号；
10.确定所述包络信号的边界，以根据包络信号的边界估计所述待处理信号的带宽。
11.在一些示例性实施方式中，所述对多个分段信号进行预处理以获取降噪后的幅度
谱数据，包括：
12.依据信号分段顺序对多个分段信号进行互相关运算，以获取降噪信号；
13.对所述降噪信号进行离散傅里叶变换，以获取对应的频谱数据；
14.将所述频谱数据转换为对应的幅度谱数据。
15.在一些示例性实施方式中，所述对所述幅度谱数据进行小波低频重构处理以提取对应的包络信号，包括：
16.基于预先确定阶数的小波基、小波分解层数，利用低频滤波器对所述幅度谱数据进行递归分解，以获取目标低频数据；
17.基于所述目标低频数据按确定的所述小波分解层数进行递归重构，以获取所述包络信号。
18.在一些示例性实施方式中，所述利用低频滤波器对所述幅度谱数据进行递归分解，以获取目标低频数据，包括：
19.根据预先确定阶数的小波基确定滤波器系数；
20.在第n 1层，将第n层的分解结果、滤波器系数进行卷积运算，对所述卷积运算结果进行下采样，并将下采样结果作为第n 1层的分解结果；以及，重复该过程至预设的小波分解层数，以获取所述目标低频系数；其中，n为正整数，所述幅度谱数据配置为第一层的输入参数。
21.在一些示例性实施方式中，所述基于所述目标低频数据按确定的所述小波分解层数进行递归重构，以获取所述包络信号，包括：
22.将第n层的高频信息置零，对第n层的低频数据进行上采样，基于上采样结果、滤波器系数进行卷积运算，并将卷积运算结果配置为第n-1层的低频信息；重复该步骤至最上层，以完成递归重构并获取所述包络信号；其中，n为正整数；所述目标低频数据配置为最后一层的低频数据。
23.在一些示例性实施方式中，所述确定所述包络信号的边界，以根据包络信号的边界估计所述待处理信号的带宽，包括：
24.对所述包络信号进行归一化处理，并对归一化结果进行第一次前向差分运算以获取第一差分结果；
25.对所述第一差分结果进行分段处理，并对分段处理结果进行第二次前向差分运算以获取第二差分结果；
26.利用预设阈值对所述第二差分结果筛选极大值以获取极大值集合；
27.根据所述极大值集合确定左边界和右边界；
28.基于所述左边界确定第一极小值索引并配置为频谱上频带，以及基于所述右边界确定第二极小值索引并配置为频谱下频带；
29.根据所述频谱上频带和所述频谱下频带估计所述待处理信号的带宽。
30.在一些示例性实施方式中，所述待处理信号的带宽为所述待处理信号的过零全带宽。
31.根据本公开的第二方面，提供一种终端设备的基于小波重构的信号带宽估计装置，包括：
32.信号预处理模块，用于对待处理信号进行分段处理以获取多个分段信号，对多个
分段信号进行预处理以获取降噪后的幅度谱数据；
33.信号重构模块，用于对所述幅度谱数据进行小波低频重构处理以提取对应的包络信号；
34.带宽估计模块，用于确定所述包络信号的边界，以根据包络信号的边界估计所述待处理信号的带宽。
35.根据本公开的第三方面，提供一种计算机可读介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述的基于小波重构的信号带宽估计方法。
36.根据本公开的第四方面，提供一种终端设备，包括：
37.处理器；以及
38.存储器，用于存储所述处理器的可执行指令；
39.其中，所述处理器配置为经由执行所述可执行指令时实现上述的基于小波重构的信号带宽估计方法。
40.本公开的一种实施例所提供的基于小波重构的信号带宽估计方法，通过对待处理信号进行分段、预处理实现对信号降噪，降低噪声的影响；并通过对所述幅度谱数据进行小波低频重构处理以提取对应的包络信号，并针对包络信号找出信号频谱的边界，并最终实现信号带宽的估计。本公开的方法可以应用于多种不同的信号，不仅降低了算法的复杂度，还会减弱信号随机性对估计精度的影响；具有较强的鲁棒性。
41.应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
附图说明
42.此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
43.图1示意性示出本公开示例性实施例中一种基于小波重构的信号带宽估计方法的示意图；
44.图2示意性示出本公开示例性实施例一种信号小波分解方法的原理示意图；
45.图3示意性示出本公开示例性实施例一种信号的幅度图；
46.图4示意性示出本公开示例性实施例中一种分段相关后数据幅度谱的示意图；
47.图5示意性示出本公开示例性实施例中不同小波基重构结果示意图；
48.图6示意性示出本公开示例性实施例中dbn小波基不同阶数下的带宽估计相对误差示意图；
49.图7示意性示出本公开示例性实施例中db4小波基在不同分解层数下的相对误差的示意图；
50.图8示意性示出本公开示例性实施例中8层分解重构结果的示意图；
51.图9示意性示出本公开示例性实施例中10层分解重构结果的示意图；
52.图10示意性示出本公开示例性实施例中不同算法估计误差分析结果示意图；
53.图11示意性示出本公开示例性实施例中一种基于小波重构的信号带宽估计方法
的流程示意图；
54.图12示意性示出本公开示例性实施例中一种基于小波重构的信号带宽估计装置的组成示意图；
55.图13示意性示出本公开示例性实施例中一种终端设备的组成示意图。
具体实施方式
56.现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本公开将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。
57.此外，附图仅为本公开的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
58.针对现有技术的缺点和不足，本示例实施方式中提供了一种基于小波重构的信号带宽估计方法，可以应用于手机、平板电脑等智能终端设备，或者，也可以应用于基站等网络侧设备。参考图1中所示，上述的基于小波重构的信号带宽估计方法可以包括：
59.步骤s11，对待处理信号进行分段处理以获取多个分段信号，对多个分段信号进行预处理以获取降噪后的幅度谱数据；
60.步骤s12，对所述幅度谱数据进行小波低频重构处理以提取对应的包络信号；
61.步骤s13，确定所述包络信号的边界，以根据包络信号的边界估计所述待处理信号的带宽。
62.本示例实施方式所提供的基于小波重构的信号带宽估计方法，通过对待处理信号进行分段、预处理实现对信号降噪，降低噪声的影响；并通过对所述幅度谱数据进行小波低频重构处理以提取对应的包络信号，并针对包络信号找出信号频谱的边界，并最终实现信号带宽的估计。本公开的方法可以应用于多种不同的信号，不仅降低了算法的复杂度，还会减弱信号随机性对估计精度的影响；具有较强的鲁棒性。
63.下面，将结合附图及实施例对本示例实施方式中的基于小波重构的信号带宽估计方法的各个步骤进行更详细的说明。
64.在步骤s11中，对待处理信号进行分段处理以获取多个分段信号，对多个分段信号进行预处理以获取降噪后的幅度谱数据。
65.本示例实施方式中，上述的步骤s11可以包括：
66.步骤s111，依据信号分段顺序对多个分段信号进行互相关运算，以获取降噪信号；
67.步骤s112，对所述降噪信号进行离散傅里叶变换，以获取对应的频谱数据；
68.步骤s113，将所述频谱数据转换为对应的幅度谱数据。
69.举例来说，上述的待处理信号可以是包含噪声的射频信号。举例来说，可以对待处理信号按等长的方式划分为三段；例如，对含噪信号x(n)等长分为三段，分别为x1(n)、x2(n)、x3(n)。当然，在本公开的一些示例性实施方式中，也可以对待处理信号按等长的方式
划分为四段、五段或者其他的数量，得到多个分段信号。
70.对于划分后的连续的多个分段信号，可以按照分段的顺序，首先将第一分段信号序列、第二分段信号序列进行互相关运算，得到第一互相关结果；再将该第一互相关结果与第三分段信号序列进行互相关运算，得到第二互相关结果；依次类推，对连续的多个分段信号序列进行互相关运算，得到降噪信号。举例来说，以待处理信号划分为三个分段信号为例；第一分段信号序列、第二分段信号序列进行互相关运算，互相关的计算公式可以包括公式(1)：
[0071][0072]
其中，r1(m)表示第一互相关结果；m表示序列x2(n)平移m个单位。
[0073]
令所得互相关序列r1(m)与第三分段信号序列进行互相关运算，互相关的计算公式可以包括公式(2)：
[0074][0075]
其中，r1(n)为上述公式(1)中的r1(m)。
[0076]
在利用信号自身具有强相关的特性实现信号降噪，得到降噪信号后，可以对其进行离散傅里叶变换求得其频谱。计算公式可以包括公式(3)：
[0077][0078]
其中，0≤k《n-1；r2(n)为上述公式(2)中的r2(m)；n为频域采样点数；xr(k)为分段互相关后的频谱。
[0079]
在获取频谱数据后，还可以对其进行转换，得到对应的幅度谱|xr(k)|。
[0080]
在步骤s12中，对所述幅度谱数据进行小波低频重构处理以提取对应的包络信号。
[0081]
本示例实施方式中，上述的步骤s12可以包括：
[0082]
步骤s121，基于预先确定阶数的小波基、小波分解层数，利用低频滤波器对所述幅度谱数据进行递归分解，以获取目标低频数据；
[0083]
步骤s122，基于所述目标低频数据按确定的所述小波分解层数进行递归重构，以获取所述包络信号。
[0084]
具体而言，可以根据先验经验配置小波基和小波分解层数。例如，可以配置db4小波基；小波分解层数为10层。基于确定的db4小波基，便可以确定对应的小波滤波器的滤波器系数。其中，滤波器系数可以包括小波平移系数、缩放系数；可以作为低通滤波器、高通滤波器的系数。
[0085]
本示例实施方式中，在上述的步骤s121中，具体可以包括：根据预先确定阶数的小波基确定滤波器系数；在第n 1层，将第n层的分解结果、滤波器系数进行卷积运算，对所述卷积运算结果进行下采样，并将下采样结果作为第n 1层的分解结果；以及，重复该过程至预设的小波分解层数，以获取所述目标低频系数其中，n为正整数，所述幅度谱数据配置为
第一层的输入参数。
[0086]
具体而言，对于幅度谱|xr(k)|，在进行小波分解时，可以使用mallat算法，通过低通滤波器g(-n)进行递归分解，得到对应的低频信息。同步的，还可以利用高通滤波器h(-n)进行递归分解，得到对应的高频信息。具体的，在进行小波分解时，在第一层，可以将幅度谱|xr(k)|、滤波器系数作为低频滤波器的输入参数，对其进行卷积运算，再对卷积结果序列进行下采样，例如隔点采样，即可得到第一层的低频信息。再将第一层的低频信息和滤波器系数作为第二层的输入参数，对其进行卷积运算，再对卷积结果序列进行下采样，即可得到第二层的低频信息。依次类推，便可以得到每一层分解的低频信息；直到满足设定的分解层数时小波分解结束。小波分解的计算公式具体可以包括公式(4)：
[0087][0088]
其中，a
j 1
(n)为低频信息；j为层数，k为平移单位；g为低通滤波器系数。
[0089]
对于高频信息，也可以利用相同的方式进行递归分解。其计算公式具体可以包括公式(5)：
[0090][0091]
其中，ad
j 1
(n)为高频信息；j为层数，k为平移单位；h为高通滤波器系数。
[0092]
举例而言，参考图2所示，以幅度谱数据分解为三层为例，对幅度谱|xr(k)|进行第一次分解，得到第一层的低频信息ca1和高频信息cd1；对第一层的低频信息ca1进行第二次分解，得到第二层的低频信息ca2和高频信息cd2；对第二层的低频信息ca2进行第三次分解，得到第三层的低频信息ca3和高频信息cd3。
[0093]
本示例实施方式中，在上述的步骤s122中，具体可以包括：将第n层的高频信息置零，对第n层的低频数据进行上采样，基于上采样结果、滤波器系数进行卷积运算，并将卷积运算结果配置为第n-1层的低频信息；重复该步骤至最上层，以完成递归重构并获取所述包络信号；其中，n为正整数；所述目标低频数据配置为最后一层的低频数据。
[0094]
具体而言，在对幅度谱信号进行递归分解得到最后一层的低频信息后，由于信号的包络信息包含于低频信息，因此采用低频重构。具体的，可以将最后一层分解得到的高频信息置零，再对低频信息进行上采样，例如隔点采样，再通过与小波分解时提到的小波滤波器系数做卷积，实现一次重构。再将这一次的重构结果作为上一层的低频信息；以此类推，直到第一层系数完成重构即可重构出信号的包络y(k)。具体的，重构的计算公式可以包括公式(6)：
[0095][0096]
举例来说，以幅度谱数据分解为三层为例，其重构过程可以包括公式(7)：
[0097]
ca3 cd3＝ca2[0098]
ca2 cd2＝ca1[0099]
ca1 cd1＝y(k)
[0100]
其中，can为低频信息；cdn为高频信息；y(k)为包络信号。
[0101]
由于信号的包络信息包含于低频信息，因此我们采用低频重构。将每一层分解得到的高频信息cdn置零后再做信号的重构即可完成低频重构。
[0102]
在步骤s13中，确定所述包络信号的边界，以根据包络信号的边界估计所述待处理信号的带宽。
[0103]
本示例实施方式中，上述的步骤s13可以包括：
[0104]
步骤s131，对所述包络信号进行归一化处理，并对归一化结果进行第一次前向差分运算以获取第一差分结果；
[0105]
步骤s132，对所述第一差分结果进行分段处理，并对分段处理结果进行第二次前向差分运算以获取第二差分结果；
[0106]
步骤s133，利用预设阈值对所述第二差分结果筛选极大值以获取极大值集合；
[0107]
步骤s134，根据所述极大值集合确定左边界和右边界；
[0108]
步骤s135，基于所述左边界确定第一极小值索引并配置为频谱上频带，以及基于所述右边界确定第二极小值索引并配置为频谱下频带；
[0109]
步骤s136，根据所述频谱上频带和所述频谱下频带估计所述待处理信号的带宽。
[0110]
具体来说，对于幅度谱|xr(k)|的重构信号y(k)进行归一化处理，其公式可以包括公式(8)：
[0111][0112]
其中，g(k)为归一化结果。
[0113]
然后，可以对g(k)进行前向差分运算，记为再针对进行分段处理：
[0114][0115]
然后，可以对再次进行前向差分运算，记为其中：
[0116]
若该点为极小值；
[0117]
若该点为极大值。
[0118]
基于该第二次的前向差分运算结果，可以确定g(k)的所有极值点，设立阈值k筛选出所有满足大于k的极大值点，得到极大值集合；具体可以包括公式(9)：
[0119][0120]
其中，其中，为归一化谱包络均值，＝为信号长度。
[0121]
在基于上述方法中筛选出的极大值集合中，将最左侧、最右侧的数值分别作为左边界left1和右边界right1。然后，找出最靠近左边界left1的极小值索引left2作为频谱上频带；以及，找出最靠近右边界right1的极小值索引right2作为频谱下频带。根据该频谱上频带、频谱下频带确定带宽。则该信号的过零全带宽的计算公式可以包括公式(10)：
[0122]
band＝right2-left2
[0123]
在一些示例性实施例中，以bpsk(binary phase shift keying，二进制相移键控)信号进行仿真。其仿真参数可以包括：载频：60mhz；码速率：20mb；码元个数：10000；采样率：400mhz；信噪比：20db；小波基：db4；小波分解层数：10。有效信号s(n)在信道中传输时受到信道产生的噪声信号q(n)影响，得到含噪信号x(n)＝s(n) q(n)。参考图3所示，为纯净的bpsk信号加噪后的幅度谱，用于模拟信号在信道传输时受噪声干扰场景。可以看出在加噪后幅度谱的过零全带宽点完全被噪声埋没。直接进行带宽估计会产生较大的精度误差。采取分段互相关处理方法对含噪信号降噪后，再对其幅度谱做分析。分段相关后数据的幅度谱如图4所示。在小波分解与重构中，不同的小波基其重构出的结果也是不尽相同。参考图5所示，示意出了分别使用haar小波和(简写为dbn(daubechies)小波对分段相关后数据的幅度谱进行重构的幅度图。如图5所示，由于haar小波正则性较差，由其重构出来的波形可微性较差，不够光滑，增大了后期带宽估计算法的误差和复杂度。而dbn小波重构波形较为光滑，可以有效降低信号的随机性对带宽估计影响。dbn小波也被称为紧支集正交小波，n是小波的阶数。dbn小波具有较好的正则性，故该小波作为稀疏基所引入的光滑误差不容易被察觉，使得重构出的信号比较光滑。dbn小波的特点是随着阶次(序列n)的增大消失矩阶数越大，其中消失矩越高光滑性就越好，频域的局部化能力就越强，频带的划分效果越好，但是会使时域紧支撑性减弱，同时计算量大大增加，实时性变差。因此dbn小波在确定n的大小需要权衡其优缺点。针对前文叙述的dbn小波的特点，分析图6可以看出，当n等于4时，其带宽估计相对误差较小，继续增大n时对带宽估计所产生的相对误差并没有很大的优化，但是由于n的增加会导致计算量增大，信号的实时性变差，因此选取db4小波基。信号的分解是一个递归分解的过程，当达到设定的分解层数时，递归结束。根据图7仿真结果显示，当分解层数达到八层时，再次增大分解层数会导致带宽估计相对误差迅速下降。当小波分解层数达到10层时，带宽估计相对误差最小。参考图8、图9所示，当分解层数为8时，该层低频信息中还包含有信号的一部分细节信息，受到该部分细节信息的影响导致重构出的包络平滑效果较差，引起带宽估计的上频带点left2和下频带点right2上移。所以估计的误差较大。直至10层时，该层低频信息可以较好地反映出信号的包络信息。若再次增大分解层数时，会导致部分包络细节信息丢失。
[0124]
传统的带宽估计算法包含均方根法、自相关法、能量集中法等，该类算法都是基于-3db带宽研究。由于自相关带宽估计算法原理简单，因此在实际工程中仍得到广泛应用。如图10所示，选取传统的自相关带宽估计算法与本公开提出的基于小波重构的带宽估计算法作性能对比分析，在多种信噪比情形下，基于小波重构的带宽估计效果均优于传统算法，该算法可以很好的克服信号随机性对带宽估计造成的消极影响。具备较好的鲁棒性。随着信噪比的增大，误差不断减小，当信噪比大于10db时，准确率可以达到96％以上。
[0125]
通过仿真实验验证了本公开提出的带宽估计算法要优于传统的带宽估计算法。为单信道多信号分选中滤波器参数的设计提供了很大的便捷，具备一定的研究意义。
[0126]
本公开实施例所提供的基于小波重构的信号带宽估计方法，如图11所示，首先对待处理信号进行信号分段，进行互相关运算实现对信号的降噪处理；互相关数据进行离散傅里叶变换求得其频谱，并变换为幅度谱数据；对幅度谱数据进行小波低频重构得到重构信号y(k)；在极值点搜寻过程中，对重构信号进行数据归一化处理得到g(k)，进行一次差分
运算、分段处理、二次差分运算来确定极值点；在边界搜寻过程，进行搜寻确定左边界和有边界，再基于确定的边界进行过零全带宽边界的估计。该方法以数据分段互相关方式来降低噪声的影响，通过小波分解与低频重构的方式，选取合适的小波分解层数以低频重构的方式提取出包络信号，尽可能地抑制信号随机性带来的消极影响。在多种信噪比情形下，基于小波重构的带宽估计算法要优于传统的带宽估计算法。且具备较好的鲁棒性。
[0127]
需要注意的是，上述附图仅是根据本发明示例性实施例的方法所包括的处理的示意性说明，而不是限制目的。易于理解，上述附图所示的处理并不表明或限制这些处理的时间顺序。另外，也易于理解，这些处理可以是例如在多个模块中同步或异步执行的。
[0128]
进一步的，参考图12所示，本示例的实施方式中还提供一种基于小波重构的信号带宽估计装置120，所述装置包括：信号预处理模块1201、信号重构模块1202、带宽估计模块1203。其中，
[0129]
所述信号预处理模块1201可以用于对待处理信号进行分段处理以获取多个分段信号，对多个分段信号进行预处理以获取降噪后的幅度谱数据。
[0130]
所述信号重构模块1202可以用于对所述幅度谱数据进行小波低频重构处理以提取对应的包络信号。
[0131]
所述带宽估计模块1203可以用于确定所述包络信号的边界，以根据包络信号的边界估计所述待处理信号的带宽。
[0132]
在一些示例性实施方式中，所述信号预处理模块1201可以用于依据信号分段顺序对多个分段信号进行互相关运算，以获取降噪信号；对所述降噪信号进行离散傅里叶变换，以获取对应的频谱数据；将所述频谱数据转换为对应的幅度谱数据。
[0133]
在一些示例性实施方式中，所述信号重构模块1202可以用于基于预先确定阶数的小波基、小波分解层数，利用低频滤波器对所述幅度谱数据进行递归分解，以获取目标低频数据；基于所述目标低频数据按确定的所述小波分解层数进行递归重构，以获取所述包络信号。
[0134]
在一些示例性实施方式中，所述信号重构模块1202可以包括：根据预先确定阶数的小波基确定滤波器系数；在第n 1层，将第n层的分解结果、滤波器系数进行卷积运算，对所述卷积运算结果进行下采样，并将下采样结果作为第n 1层的分解结果；以及，重复该过程至预设的小波分解层数，以获取所述目标低频系数其中，n为正整数，所述幅度谱数据配置为第一层的输入参数。
[0135]
在一些示例性实施方式中，所述信号重构模块1202可以包括：将第n层的高频信息置零，对第n层的低频数据进行上采样，基于上采样结果、滤波器系数进行卷积运算，并将卷积运算结果配置为第n-1层的低频信息；重复该步骤至最上层，以完成递归重构并获取所述包络信号；其中，n为正整数；所述目标低频数据配置为最后一层的低频数据。
[0136]
在一些示例性实施方式中，所述带宽估计模块1203可以用于对所述包络信号进行归一化处理，并对归一化结果进行第一次前向差分运算以获取第一差分结果；对所述第一差分结果进行分段处理，并对分段处理结果进行第二次前向差分运算以获取第二差分结果；利用预设阈值对所述第二差分结果筛选极大值以获取极大值集合；根据所述极大值集合确定左边界和右边界；基于所述左边界确定第一极小值索引并配置为频谱上频带，以及基于所述右边界确定第二极小值索引并配置为频谱下频带；根据所述频谱上频带和所述频
谱下频带估计所述待处理信号的带宽。
[0137]
在一些示例性实施方式中，所述待处理信号的带宽为所述待处理信号的过零全带宽。
[0138]
上述的基于小波重构的信号带宽估计装置120中各模块的具体细节已经在对应的基于小波重构的信号带宽估计方法中进行了详细的描述，因此此处不再赘述。
[0139]
应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本公开的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
[0140]
图13示出了适于用来实现本发明实施例的终端设备的示意图。
[0141]
需要说明的是，图13示出的终端设备1000仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
[0142]
如图13所示，终端设备1000包括中央处理单元(central processing unit，cpu)1001，其可以根据存储在只读存储器(read-only memory，rom)1002中的程序或者从储存部分1008加载到随机访问存储器(random access memory，ram)1003中的程序而执行各种适当的动作和处理。在ram 1003中，还存储有系统操作所需的各种程序和数据。cpu 1001、rom 1002以及ram 1003通过总线1004彼此相连。输入/输出(input/output，i/o)接口1005也连接至总线1004。
[0143]
以下部件连接至i/o接口1005：包括键盘、鼠标等的输入部分1006；包括诸如阴极射线管(cathode ray tube，crt)、液晶显示器(liquid crystal display，lcd)等以及扬声器等的输出部分1007；包括硬盘等的储存部分1008；以及包括诸如lan(local area network，局域网)卡、调制解调器等的网络接口卡的通信部分1009。通信部分1009经由诸如因特网的网络执行通信处理。驱动器1010也根据需要连接至i/o接口1005。可拆卸介质1011，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器1010上，以便于从其上读出的计算机程序根据需要被安装入储存部分1008。
[0144]
特别地，根据本发明的实施例，下文参考流程图描述的过程可以被实现为计算机软件程序。例如，本发明的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分1009从网络上被下载和安装，和/或从可拆卸介质1011被安装。在该计算机程序被中央处理单元(cpu)1001执行时，执行本技术的系统中限定的各种功能。
[0145]
具体来说，上述的终端设备可以是手机、平板电脑或者笔记本电脑等智能移动终端设备。或者，上述的终端设备也可以是台式电脑等智能终端设备。
[0146]
需要说明的是，本发明实施例所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(erasable programmable read only memory，eprom)、闪存、光纤、便携式紧凑
磁盘只读存储器(compact disc read-only memory，cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本发明中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、有线等等，或者上述的任意合适的组合。
[0147]
附图中的流程图和框图，图示了按照本发明各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
[0148]
描述于本发明实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现，所描述的单元也可以设置在处理器中。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定。
[0149]
需要说明的是，作为另一方面，本技术还提供了一种计算机可读介质，该计算机可读介质可以是电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被一个电子设备执行时，使得该电子设备实现如下述实施例中所述的方法。例如，所述的电子设备可以实现如图1所示的各个步骤。
[0150]
此外，上述附图仅是根据本发明示例性实施例的方法所包括的处理的示意性说明，而不是限制目的。易于理解，上述附图所示的处理并不表明或限制这些处理的时间顺序。另外，也易于理解，这些处理可以是例如在多个模块中同步或异步执行的。
[0151]
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其他实施例。本技术旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由权利要求指出。
[0152]
应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限。