[发明专利]一种基于分组极差图的微弱信号检测方法

说明书

一种基于分组极差图的微弱信号检测方法，首先对过采样后的接收信号做傅里叶变换并进一步计算，得到接收信号的功率谱。而后从功率谱中提取极差谱，并将其转换成具有多个顶点和边的特定无向简单图。最终使用图的GINI系数作为判决指标，通过检验图是否为完全图来判断是否检测到了信号。本发明提出的方法在小信噪比和中等样本的条件下，性能优于以往的信号检测算法。

技术领域

本发明属于信号处理技术领域，具体涉及一种基于分组极差图的微弱信号检测方法。

背景技术

微弱信号的检测，是信号处理中的经典课题，已广泛应用于雷达电子战、认知无线电、深度通信及引力波信号检测等场合。例如，在认知无线电中，由于频谱资源的稀缺，使得认知无线电技术逐渐取代传统的静态频谱分配技术成为主流。因此，用于检测是否存在空闲频带的频谱感知技术显得越发重要，而这一技术的核心即为微弱信号检测。在引力波信号检测中，由于引力波信号极其微弱，因此，如何对其进行有效检测，提高检测性能，也是学术界考虑的重要问题。以往对这一问题的研究主要集中于对信号时域波形、频域频谱、变换域函数和概率密度函数的分析。然而，这样特征的获取，往往需要较多的观测样本，这样将使得算法在性能与复杂度之间难以平衡，从而限制了其适用性。

本发明则从图的角度，先将观测信号进行图域变换，而后将信号的检测问题转化为对完全图的检测，并引入完全图的GINI系数作为特征量，用以完成对完全图的检测，在复杂度与性能之间达到了某种平衡。

发明内容

本发明针对现有技术中的不足，提供一种基于分组极差图的微弱信号检测方法，利用信号功率谱的分组极差谱来检测信道中是否存在信号。首先将接收信号转换成功率谱，再对功率谱进行分组，并从中提取每组的极差组成极差谱。而后将其转换成具有多个顶点和边的特定无向简单图，并使用图的GINI系数作为判决指标，通过图的完备与否来评估是否检测到了信号。本方法在小信噪比和中等样本的条件下性能优于以往的信号检测算法。同时，在一定条件下，也可以拓展到其它相关处理中。

为实现上述目的，本发明采用以下技术方案：

一种基于分组极差图的微弱信号检测方法，其特征在于，包括如下步骤：

步骤1、计算接收信号的功率谱：对过采样后的接收信号进行快速傅里叶变换，并进一步计算，得到功率谱；

步骤2、提取功率谱的极差谱：将功率谱样本分成L组，并提取每组的最大最小值之差构成极差谱；

步骤3、将极差谱转化为图：将极差谱转化为具有N₀个顶点的图G；

步骤4、计算图的GINI系数及相应的阈值：计算反映图的各顶点度数分布均匀度的GINI系数GI，以此为判决指标，并设置相应的阈值η；

步骤5、比较判决：通过将GINI系数GI与阈值η进行比较，判断信道中是否存在信号。

为优化上述技术方案，采取的具体措施还包括：

进一步地，所述步骤1具体如下：

将经过路径损耗的传输信号s(t)和加性高斯白噪声n(t)组成的连续时间接收信号r(t)表示为：

r(t)＝s(t)+n(t)

其中

式中，ξ(δ)代表第δ个信息符号样本，g(t)表示在一个持续时间为T₀的时刻内携带一个信息样本的连续时间波形，g(t-δT₀)表示第δ个码元对应的脉冲；在接收端，r(t)以采样频率被过采样，Q是过采样因子；

K个连续接收信号样本的集合表示为：

r(k)＝s(k)+n(k)