基于互相关的信号分析与应用.docx

PAGE7

基于互相关的信号分析与应用

在信号处理过程中，对两个信号的相似性的度量可以用相似性来表示。信号与自身的相关性称为自相关，两种信号的相关称为互相关。基于信号的相关性可以从未知信号中检测出目标信号。因此对信号相关性的研究具有重要意义。

相关性的定义：

在离散时间中，相关被定义为：

cn=

其中，*表示复共轭，也可以表示为：

n=

c[n]中的n表示在时间上移动了其中一个信号的多少。如果n=3时，则将函数x[n]移动3，得到x[n3]，然后执行卷积中的乘/加运算，得到c[3]。这个值表示x[n]移动3个样本时，这两个信号是如何‘相似’的，将两个信号相乘时，如果信号的正峰对齐，则得到一个较大的正值，而当信号的负峰对齐时也得到了一个较大的正值，把这些加起来时，结果值越大，这些信号就越相似。例如，图一序列x，y图二cn

图一序列x，y

图二cn=xn?yn

显然，y[n]=x[n-2](即y[n]与x[n]相同，但延迟2个样本)，但当x[n]和y[n]比较复杂时，则很难得知其相似性。对其进行相关性运算结果如图二

可知，再n0=n2=-2时，cn取得最大值

cnmax=c[no]=

2.检测另一个信号中的已知信号

相关函数中峰值的滞后指数表示信号最相似的时间移动。因此，可以使用相关性来检测某个信号c否包含在另一个信号中,如果是的话，则两个信号的互相关有一个很高的峰值.如果没有一个相对较高的峰值，则这些信号实际上没有任何时间延迟。例如，有一段几个人的声音的混合音频，用单个人的音频波形与混合波形进行互相关运算结果如图三：

图三

从图中所示的互相关函数的最大振幅来看，语音1、语音4和语音5出现在混合语音信号中。相应的C1[n]，c4[n]和c5[n]函数有较高的峰。

3.频域互相关

我们现在很清楚，时间域的卷积与频域上的乘法是等价的。既然互相关可以用卷积来表示，其中：

c

令DTFT{yn}=Y(e

则，DTFT{y*-n}=Y*

DTFT{y-n}=Y(

C

通过信号时域与频域之间的关系，可以DFFT和IDFFT很容易地计算出两个信号的相关性。如果，两个信号x、y的长度N1和N2不相等，则需要通过补零的方式将两信号长度变为N1+N2-1。例如，有两长度不相等的信号Xm、Y，利用信号时域与频域之间的关系检测两信号的相关性，如图四。

图四

4.目标检测与距离估计

利用互相关可以探测出附近的目标，并且可以估算出目标的距离。将一已知信号作为雷达信号，如果雷达信号遇到目标，则会有信号反射回信号接收设备。但是，接收到的返回信号可能会与雷达信号不同（如信号含有延时、噪声等）例如，返回信号（ReceivedSignal）包含雷达信号（TransmittedSignal）和其他信号（OtherSignal1、OtherSignal2）如图五。

图五

假设返回的信号为xn=rn+nn,其中s(t)为雷达探测信号，nn为噪声信号。将ReceivedSignal和TransmittedSignal进行相关性运算，即yn=

图六

同理，将ReceivedSignal分别与OtherSignal1、OtherSignal2进行相关性运算，结果如图七。

图七

显然，ReceivedSignal中存在TransmittedSignal、OtherSignal2，从图像中容易发现发射的信号似乎在n=400处出现在接收到的信号中，若已知雷达波速为光速(3*108m/s)，频率为100KHz，接收到反馈信号时间延时为：

400*

可以估计出目标的距离是：

0.5*

互相关在图像信号处理中的应用

在观测场景r(x，y)=s(x，y)+n(x，y)中已知的目标图像s(x，y)，其中n(x，y)表示噪声信号，与处理声音信号类似，通过求r(x，y)与已知目标图像s(x，y)互相关函数c(x，y)。然后，找到相关输出的一个峰值，如果这个峰值是超过一定的阈值，则可以认为该场景包含的目标是集中在峰值的位置。

例如观测到的图像为图八，将图中A提取出来如图九，求出A的自相关函数并用图形表示如图十，求与的互相关c(x，y)并用matlab显示，如图十一。最后将所有与图具有相关条件的图形加框，如图十二。

图八

图九

图十

图十一

图十二

总结：由信号的相关性可知，相同信号自相关运算会存在一最大值显著高于其他值。若两信号进行互相关运算，且存在一最大值显著高于其他值，则有理由认为两信号存在相同的部分。可以利用此性质从未知信号中检测出目标信号，因而互相关理论广泛被应用于雷达检测、模式识别等领域中。