[发明专利]用于处理分段平滑信号的装置、方法和计算机程序

权利要求书

1.一种装置，包括至少一个处理器、以及包括计算机程序代码的至少一个存储器，其中，所述至少一个存储器和所述计算机程序代码被配置为与所述至少一个处理器一起：

接收输入信号，所述输入信号包括分段平滑信号和噪声信号；

确定所述分段平滑信号的表示的先验概率密度函数，所述分段平滑信号的所述表示包括平滑高斯变量和跳变柯西变量的组合；

基于所述输入信号，确定似然函数；

基于所述似然函数和所述先验概率密度函数分布，确定后验概率密度函数；以及

基于所述后验概率密度函数的估计，估计所述分段平滑信号。

2.根据权利要求1所述的装置，其中，被配置为确定所述分段平滑信号的表示的先验概率密度函数，所述分段平滑信号的所述表示包括平滑高斯变量和跳变柯西变量的组合的所述处理器进一步被配置为：

确定表示所述平滑高斯变量的样本差的第一概率密度函数；

确定表示所述跳变柯西变量的样本差的第二概率密度函数；以及

对所述第一概率密度函数和所述第二概率密度函数进行卷积以生成所述先验概率密度函数。

3.根据权利要求2所述的装置，其中，被配置对所述第一概率密度函数和所述第二概率密度函数进行卷积以生成所述先验概率密度函数的所述处理器被配置为：

使用至少一个虚误差函数或道森函数来确定分析确定；以及

使用样本点网格和用于所述样本点网格之间的点的插值来确定数值确定。

4.根据权利要求1至3中任一项所述的装置，其中，被配置为基于所述后验概率密度函数的所述估计来估计所述分段平滑信号的所述处理器被配置为：

基于所述后验概率密度函数的最大后验估计，估计所述分段平滑信号。

5.根据权利要求4所述的装置，其中，被配置为基于所述后验概率密度函数的最大后验估计来估计所述分段平滑信号的所述处理器进一步被配置为：

最小化所述似然函数的对数和所述先验概率密度函数的对数的组合。

6.根据权利要求5所述的装置，其中，被配置为最小化所述似然函数的所述对数和所述先验概率密度函数的所述对数的所述组合的所述处理器被配置为应用以下中的一个：

牛顿迭代法；以及

Barzilai-Borwein法。

7.根据权利要求1至6中任一项所述的装置，其中，被配置为基于所述似然函数和所述先验概率密度函数来确定所述后验概率密度函数的所述处理器进一步被配置为：

根据贝叶斯定理，基于所述似然函数和所述先验概率密度函数的乘积，确定所述后验概率密度函数。

8.根据权利要求1至7中任一项所述的装置，其中，所述处理器进一步被配置为：

对所述输入信号进行窗口化。

9.根据权利要求1至8中任一项所述的装置，其中，所述平滑高斯变量和所述跳变柯西变量是彼此独立的。

10.一种方法，包括：

接收输入信号，所述输入信号包括分段平滑信号和噪声信号；

确定所述分段平滑信号的表示的先验概率密度函数，所述分段平滑信号的所述表示包括平滑高斯变量和跳变柯西变量的组合；

基于所述输入信号，确定似然函数；

基于所述似然函数和所述先验概率密度函数分布，确定后验概率密度函数；以及

基于所述后验概率密度函数的估计，估计所述分段平滑信号。

11.根据权利要求10所述的方法，其中，确定所述分段平滑信号的表示的先验概率密度函数，所述分段平滑信号的所述表示包括平滑高斯变量和跳变柯西变量的组合还包括：

确定表示所述平滑高斯变量的样本差的第一概率密度函数；

确定表示所述跳变柯西变量的样本差的第二概率密度函数；以及

对所述第一概率密度函数和所述第二概率密度函数进行卷积以生成所述先验概率密度函数。