基于PD控制收敛因子的最小均方误差自适应消除背景噪声方法专利检索-最小均方误差信号处理专利检索查询-专利查询网

基于PD控制收敛因子的最小均方误差自适应消除背景噪声方法

阅读：708发布：2020-05-13

专利汇可以提供基于PD控制收敛因子的最小均方误差自适应消除背景噪声方法专利检索，专利查询，专利分析的服务。并且本发明提供了一种基于PD控制收敛因子的最小均方误差自适应消除背景噪声方法，在任一测试点测试环境背景噪声，将最小均方自适应消噪中收敛因子结合自动控制理论中的PID控制，来更新处理下一组输入信号的权向量，使得收敛因子根据最小均方误差改变而改变。本发明方法极大缩短了测试时间，提高了测试效率，背景噪声消除时随输入的混合电磁干扰信号变化而自适应的以最小均方误差收敛，且时变的收敛因子使得收敛速度更快，收敛稳定性更高和收敛误差更小。，下面是基于PD控制收敛因子的最小均方误差自适应消除背景噪声方法专利的具体信息内容。

权利要求

1.一种基于PD控制收敛因子的最小均方误差自适应消除背景噪声方法，其特征在于，包括如下步骤：
步骤一：首先，关闭被试品，在某一个测试点测得环境背景噪声信号B，作为参考背景噪声信号；然后，开启被试品，在N个测试点分别测得混合电磁干扰信号X1,X2,…XN；设参考背景噪声信号与混合电磁干扰信号的长度均为L；
步骤二：设置自适应消噪阶数M，开始对第i个测试点测得的混合电磁干扰信号Xi进行背景消噪处理，1≤i≤N，初始i=1；
首先，将参考背景噪声信号B的第n个频点的信号作为输入信号d(n)，将混合电磁干扰信号Xi的第n个频点到第n+M-1个频点的信号作为输入信号x(n)，1≤n≤L，初始n=1；
然后，随机初始化M阶权向量w(n)；
T T
步骤三：确定输出信号y(n)：y(n)＝w(n)x(n)，w(n) 将w(n)转置得到；进一步得到实际输出的误差信号e(n)：e(n)＝d(n)-y(n)；
步骤四：根据公式μ(n)＝Kp×E(n)+Kd×ΔE(n)确定收敛因子μ(n)，其中，E(n)为
2
期望均方误差与实际均方误差的偏差，E(n)＝e0-e(n),e0为期望均方误差；ΔE(n)表示均方误差变化率，ΔE(n)＝E(n)-E(n-1)，E(n-1)为根据输入信号d(n-1)和输入信号x(n-1)得到的输出误差信号的期望均方误差与实际均方误差的偏差，初始为0；Kp为比例系数，Kd为微分系数；
步骤五：根据公式w(n+1)＝w(n)+2u(n)e(n)x(n)，得到更新的权向量w(n+1)，用于处理下一组输入信号；
步骤六：更新n＝n+1，判断n+M-1是否大于L，若是，输出对混合电磁干扰信号Xi进行背景消噪处理的结果信号然后执行步骤七；若否，将参考背景噪声信号B的第n个频点的信号作为基本输入信号d(n)，将混合电磁干扰信号Xi的第n个到第n+M-1个频点的信号作为基本输入信号x(n)，然后转步骤三继续执行；
步骤七：更新i=i+1，判断i是否大于N，若是，已完成所有混合电磁干扰信号的背景消噪处理，结束本方法；否则，转步骤二继续执行。

说明书全文

基于PD控制收敛因子的最小均方误差自适应消除背景噪

声方法

技术领域

[0001] 本发明涉及盲源电磁干扰分离预处理领域，具体涉及一种基于PD控制收敛因子的最小均方误差自适应消除背景噪声方法。

背景技术

[0002] 在电磁兼容试验中，根据国军标GJB151A-97《军用设备和分系统电磁发射和敏感度要求》规定，电磁兼容测试包括电磁干扰(EMI)试验，其中电磁干扰试验包括传导发射和辐射发射测试。在电磁兼容试验中，能够测量的信号为多个电磁干扰及背景噪声的混合信号。因此，只能够判断混合信号在频率域是否符合国军标中明确规定的设备辐射极限值，不能分别判断具体信号是否符合要求。盲源分离方法中独立分量分析法用于混合电磁干扰处理中，能够将线性瞬时混合的电磁干扰分离。基于独立分量分析法无法将含多个高斯分布电磁干扰信号分离，因此需要预处理方法将一般为高斯分布的背景噪声信号滤除作为预处理。

[0003] 现有一般独立分量分析法进行背景噪声预处理的方法有两种。

[0004] 现有方法一：首先未开启被试品(EUT)时，在每一个测试点测量空间背景噪声作为参考背景噪声。其次，开启被试品情况下，测得每一个测试点的混合电磁干扰信号，并直接减去对应测试点测试背景噪声信号。

[0005] 缺点：此方法默认为背景噪声不变，未能考虑背景噪声在测试混合电磁信号中改变的情况，且直接相减造成最后结果误差大，影响电磁干扰分离。且此方法测试背景信号组数较多，影响测试效率。

[0006] 现有方法二：采用最小均方误差自适应方法消除背景噪声。此方法只测一个点的背景噪声作为参考背景噪声，随着输入混合信号改变而自适应地以最小均方误差目标消除环境背景噪声。

[0007] 缺点：最小均方误差(LMS)自适应消噪方法局限性主要受收敛因子μ的影响。为了确保对任意输入信号都能够收敛，最小均方误差(LMS)自适应消噪中收敛因子μ一般较小。但是较小的收敛因子极大的减缓了收敛速度，使不符合现场快速诊断的测试需求。为确保较快的收敛速度，最小均方误差(LMS)自适应消噪中收敛因子μ一般偏大。但是较大的收敛因子会导致收敛稳定性变差，收敛误差加大，使不能满足后续处理的需求。

发明内容

[0008] 本发明针对现有对背景噪声预处理方法中存在的收敛误差大，收敛速度和收敛稳定性无法平衡的问题，提供了一种基于PD控制收敛因子的最小均方误差自适应消除背景噪声方法。

[0009] 本发明提供的一种基于PD控制收敛因子的最小均方误差自适应消除背景噪声方法，实现步骤如下：

[0010] 步骤一：测试信号。首先，关闭被试品，在某一个测试点测得环境背景噪声信号B，作为参考背景噪声信号。开启被试品，在N个测试点分别测得混合电磁干扰信号X1,X2,…XN。设参考背景噪声信号与混合电磁干扰信号的长度均为L。

[0011] 步骤二：设置自适应消噪阶数M，开始对第i个测试点测得的混合电磁干扰信号Xi进行背景消噪处理，1≤i≤N，初始i=1。首先，将参考背景噪声信号B的第n个频点的信号作为输入信号d(n)，将混合电磁干扰信号Xi的第n个频点到第n+M-1个频点的信号作为输入信号x(n)，1≤n≤L，初始n=1；然后，随机初始化M阶权向量w(n)。

[0012] 步骤三：确定输出信号y(n)：y(n)＝w(n)Tx(n)，w(n)T将w(n)转置得到；进一步得到输出误差信号e(n)：e(n)＝d(n)-y(n)。

[0013] 步骤四：确定收敛因子。根据公式μ(n)＝Kp×E(n)+Kd×ΔE(n)，得到收敛因子2
μn)。其中，E(n)为期望均方误差与实际均方误差的偏差，E(n)＝e0-e(n),e0为期望均方误差；ΔE(n)表示均方误差变化率，ΔE(n)＝E(n)-E(n-1)；Kp为比例系数，Kd为微分系数，E(n-1)为根据输入信号d(n-1)和输入信号x(n-1)得到的输出误差信号的期望均方误差与实际均方误差的偏差，初始为0。

[0014] 步骤五：根据公式w(n+1)＝w(n)+2u(n)e(n)x(n)，得到更新的权向量w(n+1)，用于处理下一组输入信号。

[0015] 步骤六：更新n＝n+1，判断n+M-1是否大于L，若是，输出对混合电磁干扰信号Xi进行背景消噪处理的结果信号然后执行步骤七；若否，将参考背景噪声信号B的第n个频点的信号作为基本输入信号d(n)，将混合电磁干扰信号Xi的第n个到第n+M-1个频点的信号作为基本输入信号x(n)，然后转步骤三执行。

[0016] 步骤七：更新i=i+1，判断i是否大于N，若是，已完成所有混合电磁干扰信号的背景消噪处理，结束本方法；否则，转步骤二继续执行。

[0017] 本发明的自适应消除背景噪声方法的优点在于：

[0018] (1)只需测试一个测试点的环境背景噪声，极大缩短了测试时间，提高了测试效率；

[0019] (2)背景噪声消除时随输入的混合电磁干扰信号变化而自适应的以最小均方误差收敛；

[0020] (3)收敛因子根据输出误差由PD控制，时变的收敛因子使得收敛速度更快，且收敛稳定性更高和收敛误差更小。附图说明

[0021] 图1是本发明的消除背景噪声方法所应用的系统框图；

[0022] 图2是本发明的消除背景噪声方法的流程图；

[0023] 图3是一组混合电磁干扰信号的示意图；

[0024] 图4是一组背景噪声信号的示意图；

[0025] 图5是最小均方误差自适应消噪方法(LMS)和本发明方法的仿真结果比较示意图；

[0026] 图6是最小均方误差自适应消噪方法(LMS)和基于PD控制收敛因子的最小均方误差自适应消噪方法(PDLMS)实测信号结果比较。

具体实施方式

[0027] 下面将结合附图和实施例对本发明作进一步的详细说明。

[0028] 本发明充分考虑最小均方自适应消噪中收敛因子的影响，结合自动控制理论中经典控制方法——PID控制，使得收敛因子根据最小均方误差改变而改变，成为一种时变收敛因子的最小均方误差消噪方法。本发明方法中只使用PD控制收敛因子，在设置相同的情况下，能够以较短的测试时间，较高的收敛速度和收敛稳定性达到自适应消除环境背景噪声的目的。

[0029] 如图1所示，为实现本发明消除背景噪声方法所使用的系统，其中x(n)是输入的混合电磁干扰信号中从第n个频点开始长度为M的信号，M为自适应消噪阶数，d(n)为参考环境背景噪声第n个频点信号。输入信号d(n)和x(n)基于最小均方差自适应方法，得到第n个频点输入信号对应的输出信号y(n)，将输入信号d(n)与输出信号y(n)做差得到误2
差信号e(n)，进一步得到误差信号e(n)的均方差信号e(n)，同时将得到的第n-1个频点
2 2
的输入信号对应的均方差信号e(n-1)，与均方差信号e(n)做差得到两个均方差信号的误
2 2 2
差Δe(n)，根据e(n)和Δe(n)的值，应用PD控制方法进行处理得到收敛因子μ(n)，将得到的收敛因子μ(n)更新最小均方差自适应方法中的权向量，并进行n＝n+1点的自适应背景噪声消除。

[0030] 如图2所示，本发明提供的一种基于PD控制收敛因子的最小均方误差自适应消除背景噪声方法，其步骤如下：

[0031] 步骤一：测试信号。关闭被试品，在某一个测试点测得L个环境背景噪声信号B，作为参考背景噪声信号。开启被试品，在N个测试点分别测得L个混合电磁干扰信号X1,x2,…,XN。设以频率f采集信号，频率f可根据用户需要设定，则在采集时间内采集到L个信号。如图3所示，为采集的混合电磁干扰信号的示意图，如图4所示，为采集的环境背景噪声信号B的示意图。

[0032] 步骤二：输入信号并初始化。

[0033] 设置自适应消噪阶数M，开始对第i个测试点测得的混合电磁干扰信号Xi进行背景消噪处理，1≤i≤N，初始i＝1。

[0034] 首先，将参考背景噪声信号B的第n个频点的信号作为基本输入信号d(n)，将混合电磁干扰信号Xi的第n个到第n+M-1个频点的信号作为基本输入信号x(n)，1≤n≤L，初始n=1，1≤n≤L，初始n＝1。然后，随机初始化M阶权向量w(n)。

[0035] 如图3所示，设取自适应消噪阶数M＝4，当n＝1，输入信号x(1)为图上的方框内的信号，即，x(1)是混合信号Xi的第1,2,3,4个频点的信号。当n＝2时，输入信号x(2)是混合信号Xi的第2,3,4,5个频点的信号。依此类推，n逐渐增加，x(n)就遍历了整个混合信号Xi。M值决定了输入信号x(n)的长度。

[0036] 如图4所示，为在某一个测试点测得的背景噪声信号B，当n＝1时，d(1)＝B(1)。当n＝2时，d(2)＝B(2)。

[0037] 步骤三：确定输出误差。首先得到输出信号y(n)：y(n)＝w(n)Tx(n)，然后得到实际输出误差信号e(n)：e(n)＝d(n)-y(n)。上角标T表示转置。

[0038] 步骤四：确定收敛因子。

[0039] 根据公式μ(n)＝Kp×E(n)+Kd×ΔE(n)，得到收敛因子μn)。其中，E(n)为期2
望均方误差与实际均方误差的偏差，E(n)＝e0-e(n)，e0为期望均方误差；ΔE(n)表示均方误差变化率，ΔE(n)＝E(n)-E(n-1)，E(n-1)为根据输入信号d(n-1)和输入信号x(n-1)得到的输出误差信号的期望均方误差与实际均方误差的偏差，初始为0；Kp为比例系数，Kd为微分系数。

[0040] 步骤五：更新权向量。以最小均方误差公式w(n+1)＝w(n)+2μ(n)e(n)x(n)更新用于处理下一组输入信号的权向量w(n+1)。下一组输入信号为d(n+1)和x(n+1)。

[0041] 步骤六：更新n＝n+1，然后判断是否遍历了整个背景参考信号B和混合电磁干扰信号Xi，具体判断n+M-1是否大于L，若是，输出对混合电磁干扰信号Xi进行背景消噪处理的结果信号然后跳至步骤七；若否，读取第n组参考背景噪声信号和第n组混合电磁干扰信号Xi，分别作为输入信号d(n)和信号输入x(n)，然后跳至步骤三继续执行。

[0042] 步骤七：更新i＝i+1，判断是否完成所有测试得到的混合电磁干扰信号的背景消噪处理，具体判断i是否大于N，若是，则结束本发明方法；若否，则跳至步骤二继续执行。

[0043] 仿真试验：输入信号为带有高斯白噪声的10MHz正弦信号。每一次的实验中，学习曲线在本发明方法和LMS方法中的参数设置都相同，并进过100独立实验平均得到的，图中信噪比SNR为5dB，自适应消噪阶数M为128阶，μ表示初始化的收敛因子。图5中纵坐标表示最小均方误差，单位为dB，从图5中可以看出，在相同实验条件的情况下，本发明方法的最小均方误差的收敛速度比现有LMS方法更快，收敛误差更小。

[0044] 实测试验是在30MHz-200MHz分别测得一组背景噪声和一组混合电磁干扰信号，分别用最小均方误差自适应消噪方法(LMS)和本发明方法进行处理，得到图6的结果对比图。结果表明，应用本发明方法的收敛误差更小，收敛稳定性高。

标题	发布/更新时间	阅读量
一种基于最小均方误差准则的噪声背景估计方法	2020-05-13	994
一种基于线性最小均方误差估计的SAR图像降噪方法	2020-05-13	955
一种基于最小均方误差准则的图像拼接方法	2020-05-11	293
一种消除脉冲噪声的最小均方误差线性均衡方法	2020-05-14	146
采用最小均方误差估计的多发多收合成孔径雷达成像方法	2020-05-14	517
一种基于噪声增强的线性最小均方误差估计方法	2020-05-12	725
最小均方误差软干扰抵消的方法、信号检测器和接收机	2020-05-13	333
MIMO－OFDM信道的低阶递推最小均方误差估计	2020-05-11	79
基于SVD字典和线性最小均方误差估计的SAR图像去斑方法	2020-05-14	451
基于最小均方误差均衡的混合载波阶数选择方法	2020-05-12	940