[发明专利]信号去噪的方法及装置

说明书

本发明提供一种信号去噪的方法及装置，所述方法包括：对LFM调制的脉冲信号S(n)下变频得到的基带信号y(n)，进行多层经验模分解，得到若干本征模函数；基于所述本征模函数及所述本征模函数的能量值，重构所述基带信号y(n)的信号分量s(n)和噪声分量N(n)；基于所述重构的信号分量s(n)的离散傅里叶频谱的幅值和重构的噪声分量N(n)的离散傅里叶频谱的幅值，确定对应的去噪后的信号。本发明通过本征模对信号分量和噪声分量进行重构，并将经验模分解中的噪声本征模函数的频谱幅值作为信号傅里叶去噪的阈值，实现了自适应阈值降噪，可在低信噪比低时，有效地对叠加了加性平稳噪声的LFM脉冲信号实现自适应阈值去噪。

技术领域

本发明涉及雷达通信技术领域，尤其涉及一种信号去噪的方法及装置。

背景技术

在现代军事领域，雷达信号识别是保证雷达对抗侦查和干扰设备有效发挥其作战效能的重要前提。但是随着电子技术的发展，电磁环境日益复杂，这就对雷达信号识别提出了更高的要求。为了能够更有效地提高雷达信号识别的准确率，一般需要对接收的雷达信号进行去噪处理。

但是常见的雷达LFM信号不是线性平稳的信号，不能通过传统的傅里叶变换去噪；小波分解去噪又需要手动选择小波基函数和阈值函数，不同的基函数和阈值函数可能导致去噪效果差别很大。而公开的传统基于经验模分解去噪算法是通过估计本征模函数的低频信号分量和高频噪声分量的分界点，通过直接去掉高频噪声分量来实现去噪。然而因为雷达LFM信号是线性调频信号，属于宽带信号，且频率是变化的，通过上述方法可以较好的去除高频噪声，但低频信号分量往往残留了一部分高频噪声分量，同时由于只丢弃高频噪声的本征模函数，对低频信号的噪声并不能有效去除。因此，在去除噪声的过程中很难同时精准的去除高频和低频的噪声。如果采用高低频一起操作，在去除低频噪声的同时会去除高频中的有用信号，反之亦然。

为了进一步的去除低频噪声提高信噪比，一些学者提出了对经过经验模分解去噪后的信号再次应用小波分解实现进一步去噪，这种方法能够有效的去除一些高频噪声残留和低频信号中的噪声，但是小波分解去噪中小波基函数和阈值函数的选择会对结果产生比较大的影响。

发明内容

针对现有技术存在的问题，本发明提供一种信号去噪的方法及装置。

第一方面，本发明提供一种信号去噪的方法，包括：

对LFM调制的脉冲信号S(n)下变频得到的基带信号y(n)，进行多层经验模分解，得到若干本征模函数；

基于所述本征模函数及所述本征模函数的能量值，重构所述基带信号y(n)的信号分量s(n)和噪声分量N(n)；

基于所述重构的信号分量s(n)的离散傅里叶频谱的幅值和重构的噪声分量N(n)的离散傅里叶频谱的幅值，确定对应的去噪后的信号z(n)。

可选的，所述对LFM调制的脉冲信号S(n)下变频得到的基带信号y(n)，进行多层经验模分解，得到若干本征模函数，包括：

基于样条差值函数，确定所述基带信号y(n)的所有极大值y*_max(n)对应的上包络e_max(n)，以及所述基带信号y(n)的所有极小值y*_min(n)对应的下包络e_min(n)；

基于所述基带信号y(n)和上下包络的平均值m(n)的差值，确定高频细节信号d(n)；

若确定高频细节信号d(n)满足本征模函数成立条件，则确定所述高频细节信号d(n)为本层经验模分解得到的本征模函数IMF_i(n)；

基于所述基带信号y(n)和所述本征模函数IMF_i(n)的差值，确定对应的残余信号r(n)；