[发明专利]基于梯度算子和数学形态学的频谱空洞检测方法

摘要

本发明公开一种基于梯度算子和数学形态学的频谱空洞检测方法，包括如下步骤将信号频谱先转化为二维灰度图像，再利用梯度算子对二维灰度图像进行相关运算，得到信号频谱预处理图像；根据信号频谱预处理图像，计算各频率点梯度值分布的直方图，并利用直方图统计算法得到信号与噪声分离的信号频谱；利用膨胀腐蚀算法去除信号频谱中的噪声，定位频谱中的空闲频谱。本发明的频谱空洞检测方法，频谱空洞检测与定位的适应性强、准确性高、计算复杂度低。

主权项

一种基于梯度算子和数学形态学的频谱空洞检测方法，其特征在于，包括如下步骤：10)信号频谱预处理：将信号频谱先转化为二维灰度图像，再利用梯度算子对二维灰度图像进行相关运算，得到信号频谱预处理图像；20)信号噪声分离：根据信号频谱预处理图像，计算各频率点梯度值分布的直方图，并利用直方图统计算法得到信号与噪声分离的信号频谱；30)频谱空洞定位：利用膨胀腐蚀算法去除信号频谱中的噪声，定位频谱中的空闲频谱；所述信号频谱预处理(10)步骤包括：11)信号频谱变换：将带噪声的时域信号经傅里叶变换得到频域信号；12)采样点投影：将每个采样点对应的幅值投影到水平面上，得到与采样点对应的平面点的灰度值，将所有平面点的灰度值集合，得到灰度值一维数组；13)灰度图像获取：将灰度值一维数组扩展，得到二维灰度图像；14)梯度算子处理：使用梯度算子模板对灰度图像中的每个点进行相关运算，得到信号频谱预处理图像；所述信号噪声分离(20)步骤包括：21)梯度值排序：将信号频谱预处理图像中采样点对应的梯度值Gi，i＝1，…，N组成的序列G(n)，n∈[1，N]中的元素由小到大排序，得到递增序列G'(n)，其长度为N；22)递增序列分区：将递增序列G'(n)分为多个区间，第Q个区间如下式所示，[(Q‑1)Δg,G'(N)]，  (1)，式中，Δg为将ΔG均分为Q等份的每一等份值，ΔG如下式所示，ΔG＝G'(N)‑G'(0)，  (2)，在递增序列G'(n)中，G'(0)＝min(Gi)，i＝1,…,N，  (3)，G'(N)＝max(Gi)，i＝1,…,N，  (4)，23)区间点计数：每个区间内的点数初始值设为0，依次扫描各个采样点ni(i＝1,2,…,N)，若扫描到的采样点的梯度值落在某个区间内，即(j‑1)Δg≤Gi≤jΔg,i＝1,…,N，j＝1,…,Q，  (5)，则第j区间内的点数Mj(j＝1,…,Q)就加1，直至扫描完全部的采样点，各个区间内的点数依次为M1，M2，M3，…，MQ；24)噪声分离：分别计算每个区间内的点数占全部点数的比例，即区间占点比，即式(5)所示，ρj=MjN,j=1,...,Q,---(6),]]>将区间占点比最大的区间的采样点的梯度值的均值作为二值化门限λ，如下式所示，λ＝mean(G'(Mj))，j＝1,…,Q，  (7)，超过二值化门限λ的为信号的频率点；式中，i：时域信号转化到频域后每个采样点的标注，j：对递增梯度向量进行分区后每个分区的标注，n：梯度值序列中所有梯度值对应的下标；所述频谱空洞定位(30)步骤包括：31)结构元素选取：根据信号频谱的长度选取对应的结构元素；32)杂散点剔除：利用结构元素对信号与噪声分离的信号频谱先进行开运算，再进行闭运算，剔除杂散点；33)频谱空洞定位：利用查找算法，快速定位出空间频谱中的信号频谱占用的频段，剩下的频段即为频谱空洞的频率范围。