[发明专利]一种时间‑频率域信号处理的多窗口函数选择方法

说明书

技术领域

本发明涉及一种时间-频率域信号处理方法，特别是涉及一种时间-频率域信号处理的多窗口函数选择方法，属于信号处理技术领域。

背景技术

对信号的时间-频率域分析得到了广泛的应用。最常用的将信号从时间域变换到时间-频率域的方法为小波变换(Wavelet Transform)和短时傅里叶变换(STFT)，这些方法的一个共同特点是有许多不同的窗口函数(也称基函数，母函数或父函数)可选，属于“多窗口函数”的时间-频率域分析方法，其特点为针对不同信号采用不同的窗口函数做时间-频率域变换会有不同的变换效果。

许多研究围绕为不同信号的时间-频率域变换选择最优窗口函数而展开，并且收到了积极的效果。一旦选定了最优窗口函数，就通过计算机软件对信号进行基于选定窗口函数的时间-频率域变换进而分析或处理，分析或处理过程中选定的窗口函数不再变动。

然而实际应用中，我们往往需要在信号处分析或处理过程中改变时间-频率域的频率范围，以便更好地观察信号在不同频率范围中的表现。例如，在更窄的频率范围内观察信号在时间-频率域中的细节。这时，原先选择的窗口函数可能不再最优。

发明内容

本发明的目的是针对现有技术的上述不足，提出一种新的时间-频率域信号处理的多窗口函数选择方法，不仅能够为不同信号的时间-频率域变换选择最优的窗口函数，并且能够在时间-频率域的频率范围变动时自动选择最优的窗口函数。

有许多不同类型的小波变换方法。无论采用哪种小波变换，其变换结果都产生系数集合。我们希望这种小波变换后形成的系数集合包含的背景噪声(小数值的系数)要小，并且将系数集合内的背景噪声对系数最大值的比例作为与小波变换方法无关的窗口函数选择判据：

对于m行，n列的小波变换系数集合，其系数为C_i(i＝1,2,...,mXn)。采用j个不同的窗口函数w_j(j＝1,2,...,J)对信号做小波变换得到j个不同的系数集合C_j,i。我们定义判据(1)

其中

C_j,i为采用第j个窗口函数计算获得的小波变换系数绝对值集合

M_j＝MAX(C_j,i)_{i＝1,2,...,m×n}为采用第j个窗口函数计算获得的小波变换系数集合C_i,j的系数最大值

计算所有j个窗口函数的小波变换并且按照以上判据(1)进行判别，其中具有最小C_ratio结果的窗口函数是最优窗口函数，采用最优窗口函数的WAVELET变换结果为最优变换结果。

由于上述对最优窗口函数的选择只对WAVELET变换产生的系数集合的系数属性进行判断，与具体采用什么形式的WAVELET变换无关，因此适用于各种形式的WAVELET变换的窗口函数选择。

有许多不同类型的STFT变换方法。无论采用哪种STFT变换，其变换结果都产生系数集合。根据STFT变换对信号的奇异性识别主要取决于变换结果系数集合中的大系数而且系数集合的背景噪声较小的特点，我们制定以下与STFT变换方法无关的窗口函数选择判据：对于m行，n列的STFT变换系数集合，其系数为C_i(i＝1,2,...,mXn)。采用j个不同的窗口函数w_j(j＝1,2,...,J)对信号做STFT变换得到j个不同的系数集合C_j,i。我们定义判据(2)

其中

C_j,i为采用第j个窗口函数计算获得的STFT变换系数绝对值集合

TH＝K(MAX(C_j,i)_{j＝1,2,...,J i＝1,2,...，m×n})_0＜K＜1为所有系数集合的最大值乘以小于1的系数K

计算所有j个窗口函数的STFT变换并且按照以上判据(2)进行判别，其中具有最大C_TH结果的窗口函数是最优窗口函数，采用最优窗口函数的STFT变换结果为最优变换结果。

由于上述对最优窗口函数的选择只对STFT变换产生的系数集合的系数属性进行判断，与具体采用什么形式的STFT变换无关，因此适用于各种形式的STFT变换的窗口函数选择。

本发明提出一种时间-频率域信号处理的多窗口函数选择方法，包括以下步骤：