[发明专利]基于对数矩的时间差检测方法

说明书

技术领域

本发明属于电子信息领域里的信号处理技术，用于风速测定、汽车倒车雷达、无线电定位、生理信号信息检测等，可以广泛应用于工业、导航和医学等领域。

背景技术

工业、导航和医学等诸多领域，都需要信号处理技术。时间差指的是同源信号经过不同路径到达不同接收器之间的时刻之差，或同时发出的不同源信号经过不同路径到达同一接收器的时刻之差。时间差是信号的一个重要参数，由此可进一步确定距离、方位、速度、信道的结构特点、温度等其他有关参数。

传统的时间差检测方法是基于高斯分布模型，如相关法和最小均方误差自适应方法。这些基于二阶统计量的算法，对大的异常值比较敏感，在实际使用时缺乏鲁棒性。夹杂在信号中的噪声是不可避免的，实际采集的信号常常含有脉冲噪声，如机器噪声、环境噪声、大气噪声、医学噪声。近年，基于一种广义高斯分布——α稳定分布模型和分数低阶统计量的算法已经得到重视和发展，如共变方法和最小平均p范数自适应方法。采用这些方法对含有脉冲噪声信号的时间差进行检测时，在脉冲性很强时，鲁棒性也变弱。此外，Alpha稳定分布只存在小于α阶的分数低阶统计量，即E|X|^p＜∞，p＜α。p阶矩的选取需要有α的先验知识或对α值进行估计，在使用时受到一定的限制。

发明内容

本发明的目的是基于对数矩概念和理论，结合自适应滤波的原理，提出一种具有较强鲁棒性且方便使用的自适应时间差检测方法。

为了达到上述目的，本发明的技术方案是提供了一种基于对数矩的时间差检测方法，其特征在于，包括以下步骤：

步骤1、接收到两路信号x₁(n)和x₂(n)，设信号x₁(n)为先到信号，信号x₂(n)为后到达信号，且有：

x₁(n)＝s(n-d₁)+v₁(n)

x₂(n)＝λs(n-d₂)+v₂(n)

式中，d₁及d₂分别为信号x₁(n)和x₂(n)到达两个传感器的时间延迟；λ为衰减因子；v₁(n)和v₂(n)分别为两传感器接收到的背景噪声；

步骤2、将信号x₁(n)和x₂(n)变换到对数域，再用MA移动平均自适应滤波器模拟信道对后到达信号的延迟效应，从而检测出两路信号到达的时间差，有：

式中，e(n)为模型误差；w(i)，i＝0，…，Q为MA滤波器的权矢量；

MA移动平均自适应滤波器收敛时，在i＝D处权矢量有最大值，D＝d₂-d₁为信号x₁(n)和x₂(n)的到达时间差真值，即i≠D时|w(i)|＜|w(D)|，MA滤波器权矢量最大值对应的时间序号就是两路信号到达的时间差。

优选地，信号x₁(n)和x₂(n)变换到对数域的信号为y₁(n)和y₂(n)：

y₁(n)＝log|x₁(n)|

y₂(n)＝log|x₂(n)|

则有，

优选地，采用最小均方误差优化准则自适应得到MA滤波器权矢量的收敛值，代价函数J为：

式中，ε是为了避免信号为零时对数操作无意义而取的一个小的正数；

用最速下降法来搜索代价函数J的最小值：

MA滤波器的迭代方程如下：

式中，μ为(麻烦补充)；

在对数域的最小均方误差准则下，实际上就是对数域的二阶矩，优化MA滤波器权矢量，时间差的检测值为：

本发明提出的方法可以用于强脉冲噪声环境下的信号时间差的检测，在实际应用中有较好的鲁棒性和方便性。

附图说明

图1为基于对数矩的时间差检测方法的系统结构框图；

图2(a)至图2(d)为最小平均p范数自适应算法和对数域的最小均方误差算法的估计效果比较，其中：