专利汇可以提供一种基于最小均方误差准则的噪声背景估计方法专利检索,专利查询,专利分析的服务。并且本 发明 涉及一种基于 最小均方误差 准则的噪声背景估计方法,该方法包括以下步骤:步骤一:获取 信号 数据序列x(n);步骤二:计算数据序列x(n)的 功率谱 P(k);步骤三:设定数据平滑窗长W,背景谷峰D与谷底的判断 阈值 U,相邻两次 迭代 输出结果的均方误差最小值的阈值ε,迭代过程的最大迭代次数I;步骤四:将数据序列的功率谱P(k)作为迭代过程的输入,计算出噪声背景;步骤五:迭代过程结束。该方法的 算法 复杂度小,并对噪声的统计特性不敏感,适合工程上对噪声背景进行较准确的估计。,下面是一种基于最小均方误差准则的噪声背景估计方法专利的具体信息内容。
1.一种基于最小均方误差准则的噪声背景估计方法,其特征在于:该方法包括以下步骤:
步骤一,获取待处理的正弦信号采样数据序列:从传感器接收N个采样点的实时采集数据作为待处理的数据序列,或从存储器中提取从检测到信号时刻起始的N个采样点的数据作为待处理的数据序列;
步骤二,对所述数据序列做离散傅里叶变换,计算得到数据序列的离散傅里叶变换,从而可利用周期图法计算得到数据序列的功率谱;
步骤三,设定数据平滑窗长W,背景谷峰D与谷底的判断阈值U,相邻两次迭代输出结果的均方误差最小值的阈值ε,迭代过程的最大迭代次数I;
步骤四,将P(k)作为迭代过程的输入,计算出噪声背景,包括以下步骤:
(1)为了避免噪声背景归一化时出现极小值除以极小值现象,这里首先对P(k)进行归一化得到Pnorm(k),然后对 进行数据扩展得到
(2)令 k=0,1,2…,N/2+(W-1)
矩形平滑窗以Qi(k),k=(W-1)/2点为起始点逐点滑动,窗的宽度为W,并计算平滑窗内数据的均值μ;若Qi(k)/μ>D,或Qi(k)/μ(3)当平滑窗滑动到点Qi(k),k=N/2+(W-1)/2时,则一次迭代过程完成,计算此时的输入与输出之间的误差平方和η;若iε,则迭代终止条件不满足,令i=i+1,转到第四步的步骤(2),迭代过程继续;否则,转到步骤五;
步骤五,迭代过程结束,得到估计出的归一化噪声背景。
2.如权利要求1所述的基于最小均方误差准则的噪声背景估计方法,其特征在于:步骤一,所述的为检测到的正弦信号脉宽长度所对应的采样点个数,取值为2的整数次幂。
3.如权利要求1所述的基于最小均方误差准则的噪声背景估计方法,其特征在于:所述W取值范围为N/2>W≥3中取奇数;所述D取值范围为0
1且I为整数。
4.如权利要求1所述的基于最小均方误差准则的噪声背景估计方法,其特征在于:对所述数据序列的离散傅里叶变换采用快速傅里叶变换算法。
5.如权利要求1所述的基于最小均方误差准则的噪声背景估计方法,其特征在于:所述步骤四中优选方案的取参数c=1,W=5,D=0.1,U=0.05,ε=0.001,I=30。
标题 | 发布/更新时间 | 阅读量 |
---|---|---|
一种基于单位约束最小均方误差的正弦频率估计方法 | 2020-05-12 | 475 |
双向信道中基于最小均方误差波束成型的信息传输方法 | 2020-05-13 | 403 |
基于多统计模型和最小均方误差实现背景噪声抑制的方法 | 2020-05-13 | 375 |
一种基于最小均方误差的信道载波相位恢复方法 | 2020-05-13 | 568 |
一种基于交织差分最小均方误差准则的多用户检测方法 | 2020-05-14 | 611 |
用于GFDM系统的低复杂度最小均方误差检测方法 | 2020-05-11 | 708 |
一种基于最小均方误差的水声OFDM-MFSK信道均衡方法 | 2020-05-12 | 565 |
基于GPU架构的分段归一化最小均方误差杂波对消方法 | 2020-05-12 | 529 |
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 | 2020-05-13 | 708 |
一种最小均方误差-判决反馈均衡的联合检测方法 | 2020-05-14 | 760 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。