[发明专利]一种基于自适应网格的信号估计方法及装置

说明书

本发明提供了一种基于自适应网格的信号估计方法及装置，所述方法包括：获取初始参数；在当前的初始网格下，根据离网格稀疏贝叶斯方法进行参数学习，通过参数学习得到信号方差、信号的均值、噪声方差和离网格参数；计算当前网格下的信号能量谱；判断迭代是否满足停止条件；若满足停止条件，则停止迭代，输出自适应网格和所述信号能量谱；若不满足停止条件，则计算网格的局部密度、信息量和尺度因子；判断每一个网格点是否满足裂变的条件，对满足条件的网格点进行网格裂变，得到新网格；更新新网格的参数，并返回参数学习步骤。基于本发明中的方法可以自适应信噪比，自适应划分估计空间的网格，实现分辨力和精度的自适应。

技术领域

本发明涉及信号处理领域，具体而言，涉及一种基于自适应网格的信号估计方法及装置。

背景技术

信号估计是如何将信号表示为一组参数(称为某个域的谱)，并获取参数值的问题。例如，空间信源的波达方向估计就是要获得信号的空间谱，并根据谱获得源的方向。在传统方法中，首先将参数域离散/网格化为一组有限的网格点集，然后将测量值投影到这个离散的参数域中，最后根据谱值获得参数估计。例如，在经典的波束形成方法中，傅里叶变换用于将测量值投影到离散的空间频率域，然后将频率谱的峰值估计为波达方向。但是，这些频谱是在空间频率域上人为划分的固定网格上定义的。传统方法假设参数的值正好等于(实际上，几乎不可能等于)初始网格点的值。它们被称为在网格的方法，这种假设称为在网格假设。离网格误差是指真实值与其最近网格点之间的距离，它在实际应用中一直存在，并限制了估计的精度。使用密集网格可以减少离网格误差，但会导致更大的计算工作量。此外，如果使用密集网格，估计算法中字典矩阵的相关性可能更接近于1，这将导致基于稀疏表示的信号估计方法失败。

目前已有离网格方法通过一阶泰勒展开或插值来近似离网格参数。通过对网格划分方法中各点的网格划分方法的改进，可以对网格划分方法进行优化。然而，在这些预先定义和固定的网格点间距的情况下，离网格方法将遇到与在网格方法相似的问题。首先，分辨率受预定义网格的限制。在同一网格间隔中可能还有多个值，导致参数值丢失。如果在参数域中使用更密集的网格来提高精度和减少丢失问题的概率，则会增加计算量，并且可能会因为估计算法中字典矩阵的相关性可能更接近于1而导致估计算法失效。

在专利201910861268.7中提出了一种基于自适应网格的光学变形测量方法和电子设备，然而该方法需要已知位移场，无法解决未知信息分布的信号估计问题。专利201910592877.7提出了一种基于密度与网格结合的聚类方法及其装置，然而该方法并未提供参数估计方法、网格的分布准则和网格阈值的计算。专利201610970697.4提出了相近的网格分布策略，但其依赖于方程的精确求解，在存在噪声的信号估计问题中难以实现。

发明内容

本发明的目的在于提供一种基于自适应网格的信号估计方法及装置，以改善上述问题。

为了实现上述目的，本申请实施例提供了如下技术方案：

一方面，本申请实施例提供了一种基于自适应网格的信号估计方法，所述方法包括：

S1、均匀划分初始网格、获取初始参数以及获取输入信号，所述初始参数包括第一参数、第二参数、第三参数，所述第一参数包括最大迭代次数，所述第二参数包括迭代停止的阈值，所述第三参数包括用来区分噪声和信号的阈值；

S2、在当前的网格下，根据离网格稀疏贝叶斯方法对所述输入信号进行参数学习，通过参数学习得到信号方差、信号的均值、噪声方差和离网格参数；

S3、基于所述信号方差、信号的均值、噪声方差和离网格参数，计算当前网格下的信号能量谱；

S4、基于迭代次数和所述信号方差的变化值，判断迭代是否满足停止条件；

S5、若满足停止条件，则停止迭代，输出自适应网格和所述信号能量谱，基于所述自适应网格和所述信号能量谱得到信号估计结果；