[发明专利]一种基于最小均方误差准则的噪声背景估计方法

权利要求书

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：

第一步，获取待处理的正弦信号采样数据序列x(n),n＝0,1,...,N-1：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x(n),n＝0,1,…,N-1，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x(n),n＝0,1,…,N-1，所述的N取值为2的整数次幂；

第二步：对所述数据序列x(n)做离散傅里叶变换，计算得到数据序列的离散傅里叶变换X(l)，从而计算得到数据序列的功率谱P(k)，计算过程如下：

x(n)的离散傅里叶变换为

其中l代表X(l)的离散频率索引，j表示虚数单位，即则该数据序列的功率谱为

且k＝0,1,2…,N/2 式(2)

其中k为P(k)的离散频率索引，k的最大值只需取到N/2；

第三步：设定参数W、D、U、ε、I，其中W表示数据做滑动平均的窗长，W(N/2＞W≥3)取奇数，滑动窗取矩形窗；D(0＜D＜1)为判断离散功率谱P(k)点是否为波峰的阈值；U(0＜U＜1)为判断离散功率谱P(k)点是否为波谷的阈值；η表示相邻两次迭代输出之间的误差平方和，其上限阈值为ε(0＜ε＜1)；I(I＞1且I为整数)表示迭代次数的最大值；

第四步：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P_norm(k)，并同时加上一个常数c(0.5≤c≤1)；此时令迭代次数i＝1，即：

max(P)表示求最大值；

然后对进行数据扩展得到即：

(2)令：

滑动窗以Q_i(k),k＝(W-1)/2点为起始点逐点滑动，并计算滑动窗内数据的均值，均值计算的具体过程如下：

令数组A表示滑动窗内的数据，即：

A(k)＝{Q_i(k-W+1),Q_i(k-W),…,Q_i(k)},k＝0,1,2…,N/2 式(7)

则数组A的均值μ计算如下:

其中sum(A)表示对数组求和，min(A)表示求数组的最小值，max(A)表示求数组的最大值；

若Q_i(k)/μ＞D，或Q_i(k)/μ＜U，则令：

否则：

当滑动窗滑动到点Q_i(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，即：

若i＜I，且η＞ε，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，转到第五步；

第五步：迭代过程结束，得到估计出的归一化噪声背景Z(k)；

2.根据权利要求1所述的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，对所述数据序列x(n)做离散傅里叶变换采用快速傅里叶变换算法。

3.根据权利要求1或2所述的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，所述的第四步中，取参数c＝1，W＝5，D＝0.1，U＝0.05，ε＝0.001，I＝30。