噪声背景下周期信号检测.docx

噪声背景下周期信号检测

1120121533许家琛

摘要

针对噪声背景下的周期信号检测，本文从两方面入手，一是检测周期信号的周期性，二是抑制噪声。已知的较为有效检测周期信号周期性的手段便是自相关操作，但是因为单纯的自相关操作对于SNR具有一定的要求，因此在本文中提出来一种多重相关加下采样的处理方。该方式可以有效的针对噪声环境更为恶劣的情况进行周期分析。

另一方面，为了有效的抑制噪声，本文采取了先进行fft对信号进行频谱展开，然后在对频谱进行阈值处理，再将处理过后的频谱通过逆FFT便可得到较为纯净的降噪后的信号。此方法可以有效抑制频谱中噪声带来的杂散信号，得到较为纯净的周期信号并观察其周期性。

关键词：自相关,降噪,下采样,阈值处理

一、背景简介

在噪声背景下检测信号，是通信工程的一个重要课题，也是雷达信号检测的一项重要任务。例如，雷达接收机接收到的回波信号总是伴随着噪声与干扰，噪声与干扰的存在影响了雷达对是否检测到目标的判断。当雷达发射周期信号时，遇到目标后雷达将接收到反射回来的周期信号并伴随着噪声与干扰；当无目标信号检测时，雷达将接收到噪声与干扰。雷达根据是否接收到周期信号来判断是否检测到目标。

本文立足于此出发点，从两方面给出了三种不同方案以针对含噪周期信号的检测。

二、原理分析及方案论证

设为雷达接收机接收到的信号，无目标信号反射时，雷达将接收到噪声与干扰，此时

当雷达发射周期信号时，遇到目标后雷达将接收到反射回来的周期信号并伴随着噪声和干扰，此时

假设为周期性的随机信号，为非周期噪声，记代表的随机过程为、代表的随机过程为，并假设与为相互独立的遍历性随机过程。

方案一：利用自相关进行周期信号检测

a).信号回波时，已知反射信号为

因为都是遍历性随机过程，因此由遍历随机过程性质有：

故而，本信号的自相关函数为

因为噪声和周期信号之间并无相关性，所以

式可化简为

由所学的噪声知识可知，噪声在不同时刻下也是不相关的，故下式成立

式可进一步化简为

因为周期函数的自相关函数周期与周期函数周期是相同的，所以由式可知，对满足一定信噪比的夹杂噪声的回波信号进行自相关运算可以得到一个与周期信号同周期的信号。

方案二：利用多重相关+下采样进行周期信号检测

多重相关是指在信号做过自相关的基础之上继续做自相关，即

通过多重自相关可以逐层提高信噪比，直至可以区分出信号为止。但是多重自相关带来的问题时，随着多重自相关的阶次N的提升，绘图的点数将提升。绘图点数带来的问题便是即使图形中会显示周期性，但是由于点数过多也无法读出图形。

不过此时我们可以通过对多重自相关后的函数进行下采样（建议下采样倍数选取

倍），通过下采样（即抽取）可以减少显示点的个数，同时又可以较好的反映出下采样前的数据变化趋势。因此，通过多重相关+下采样技术可以检测出周期信号。

方案三：利用FFT+硬阈值处理降噪后检测周期性（对于SNR值有一定要求）

通过对含噪信号进行FFT可得到其频谱，根据经验值选取阈值为

然后对得到的频谱进行硬阈值处理，即低于阈值门限的全部强制抑制为0。因为当SNR值较大时(SNR-3dB)，在频谱中信号频率对应的幅度值将明显大于噪声频率的幅值，通过硬阈值处理可以有效的将无用频率分量从频谱中滤掉。

再通过对信号进行逆FFT，即可得到处理后的含噪信号，观察处理后的含噪信号即可观察出原信号的周期性。

三、原理框图

方案一：利用自相关进行周期信号检测

方案二：利用多重相关+下采样进行周期信号检测

方案三：利用FFT+硬阈值处理

四、仿真结果分析

方案一：利用自相关进行周期信号检测

SNR=10dB时

SNR=3dB时

SNR=0dB时

SNR=-3dB时

SNR=-10dB时

方案二：利用多重相关+下采样进行周期信号检测

SNR=10dB时

SNR=3dB时

SNR=0dB时

SNR=-3dB时

SNR=-10dB时

方案三：利用FFT+硬阈值处理（此方法仅适用于正弦或正弦叠加类的信号）

SNR=10dB时

SNR=3dB时

SNR=0dB时

SNR=-3dB时

SNR=-10dB时

五、讨论及总结

在本文中主要是从两个方面对噪声背景下的周期信号进行检测。一方面从信号入手，对信号进行自相关，利用噪声信号与周期信号之间的无关性，使其周期性显现出来。另一方面从噪声入手，通过在一定频带内抑制噪声，进而得到一个去噪信号，此时一个较为纯净的周期信号自然可以呈现出其本有的周期性。

通过进行上述的方案论证及仿真，我们不难得出以下结论：

自相关适用于SNR-3dB的信号，对于再恶劣些的信号，通过自相关也难以检测出其周期性。

多重自相关+下采样对于以上五类的含噪信号，即便是SNR=-10dB也可以明显的观察到其周期信号的特点。

FFT+硬阈值处理也是对于