[发明专利]基于自适应滤波原理的瞬时频率测量方法

说明书

技术领域

本发明涉及非平稳多频率成分信号瞬时频率的测量方法，具体是一种基于自适应滤波原理的瞬时频率测量方法。

背景技术

瞬时测频技术在军事上的应用中地位非常重要，广泛应用于军事通讯和电子对抗中。在瞬时测频领域，目前应用较多的是对非平稳多频率成分信号进行测量。而在目前常用的处理非平稳信号的方法中，小波变换是良好的时间、频率分析工具，它能解决Fourier分析中信号在时域和频域不能同时表达的问题。但是小波变换由于能量泄露等原因，会出现混叠、相位扭曲的现象，造成时频分辨率不高，在求解宽带非平稳信号的瞬时频率上遇到困难。而基于经验模态分解的Hilbert-huang算法是更具适应性的时频局部分析方法，它没有固定的先验基底，是自适应的，根本上摆脱了傅立叶变换理论的束缚，然而它的核心技术经验模态分解方法还很不成熟，它往往会在高频区频率分辨率不高，在低频区也会出现不合理的频率成分，容易掩盖低能量的频率成分。

发明内容

本发明的目的在于克服现有国内外瞬时测频方法的不足，提供一种基于自适应滤波原理的瞬时频率测量方法。本文在结合Fourier分析法和Hilbert变换方法优点的基础上，提出了一种基于自适应滤波原理的信号瞬时频率测量新方法。凡是需要处理未知统计环境下运算结果所产生的信号或需要处理非平稳信号时，自适应滤波器的性能通常远优于用常规方法设计的固定滤波器。此外，自适应滤波器还能提供非自适应方法所不可能提供的新的信号处理能力。该方法采用自适应滤波算法，将多频率信号分解为数个单频信号，克服了Hilbert-Huang算法高频区频率分辨率不高的缺点，在低频和高频区都实现了较高的频率分辨率，而且又结合了Hilbert变换处理瞬变的单一频率信号的优势，很好地解决了时间分辨率和频率分辨率这一矛盾，使该算法同时具有很高的时间分辨率和频率分辨率，满足了瞬时频率测量的精度和实时性要求。

本发明所采用的技术方案是：1)对原始非平稳多频率成分信号进行预处理，即先通过自适应滤波算法，将其分解为满足Hilbert变换要求的多个个渐进单频信号；2)对分解出的每一个渐进单频信号做Hilbert变换，得出各自的瞬时频率，从而获得信号完整的、精确的时频分布。其分析流程如图1所示。

由瞬时频率的物理意义可知，只有当实信号的表达式具有C(t)＝A(t)cosφ(t)的形式时才能计算瞬时频率。而对于多频率分量信号，必须把它分解为渐进单频信号，这个过程由自适应滤波算法来完成。

采用自适应滤波器系统，意味着滤波器是自设计的，因为自适应滤波器依靠递归算法进行运算，这样使得它有可能在有关信号特征的完整知识不能得到的环境下，完满地完成滤波运算。在平稳环境下，该算法经一些成功迭代后收敛于某种统计意义上的最优维纳解。在非平稳环境下，该算法提供了一种跟踪能力，因为它能够跟踪输入数据统计特性随时间的变化。

在自适应滤波算法中最常用的是最小均方误差LMS(least meansquare)算法，该算法是由Widrow和Hoff提出的，它的特点是结构简单、稳定性好、易于实现，被广泛应用于实践中。其基本思想为：通过调整滤波器自身参数，使滤波器的输出信号与期望信号之间的均方误差最小，并由它来修改权系数，使得系统输出为有用信号的最佳估计。

假设第n时刻输入信号为X(n)，输出信号为Y(n)，令d(n)表示期望信号，W(n)表示滤波器的抽头权向量，e(n)表示误差信号，则它们有如下关系：

e(n)＝d(n)-X^T(n)W(n)            (1)

W(n+1)＝W(n)+μ(n)e(n)X(n)      (2)