电子通信信号循环频率特征自提取方法研究

唐 琴

（桂林电子科技大学，广西 桂林 536000）

0 引 言

在电子产业蓬勃兴起后，人们收集信息的主要途径是电子通信。因此，对电子通信信号循环频率特征提取方法的改良具有重要的价值和社会意义。通过电子信号获取信息的方法，在语音与图像的识别、地质勘探、大气观测、生物化学与材料科学、军事以及机械等方面均具备相当广阔的应用前景。文献[1]考虑到信号采集的局限性，通过相关性分析的方法研究特征频率的提取。这种方法可以提高原始故障信号的信噪比，但使用成本较高。文献[2]通过分析语音信号的谱频率，研究电子通信信号的特征提取抗干扰方法，通过Mel滤波器干扰抑制信号的噪声，以此提高信号提取结果的准确性。这种方法应用于电子通信信号领域之后，由于计算过程过于复杂，因此计算所用时间较长，算法效率较低。文献[3]提出一种基于SAS的降噪方法，在谱峭度的应用总结上提到了一种清晰的特征频率，并通过小波频率的指标测试证实了该方法在特征提取中的优势。通过这种方法得到较为准确的提取结果，需要极高水准的配置才能精确地计算滤波的谱峭度，并分析待测信号，因此不适用于大部分信号特征提取。本文综合以上文献改进电子通信信号循环频率特征自提取方法，以提高信号在提取过程中因受到干扰造成的精度较差问题。

1 电子通信信号循环频率特征自提取方法设计

1.1 分解电子通信信号模态常量

在待检测的信号中，通过寻找最优组合的方式搭建滤波器，是一种能够降低服务器配置、减少带宽要求的有效方法[4,5]。如果不存在污染，则低域频数的相关性通过噪声信号来测试，即构建一个零相位的滤波常量处理函数：

1.2 基于模态常量预测更新形态小波

在保证形态小波能够在不同空间类型下进行可逆变换的前提下，可以适当改变形态小波的形态结构，灵活地在线性变换与自适应变换之间切换，并以此进行模态常量的预测与更新。通过抑制冗余信息的方式广泛传播所有算子的更新方案[8,9]。提出非冗余结构下的合成条件：

式中，ϑf(x)表示合成信号算子的重构函数；ϑfPU(x,y)表示在预测项目中电子通信信号循环频率特征的分析算子；μ(y)表示待提取信号的冗余条件；μ(x)表示初始信号的冗余条件。通过以上方案，将所有采样点中的形态小波全部进行频率转换，最终得到能够被提取的样本。

1.3 循环频率特征自适应滤波降噪

在构建循环频率特征自适应滤波降噪方法时，确定阈值Fm的函数为：

式中：Fm表示确定阈值时所需要表达的信号长度；ςn表示电子信号循环频率的细节阈值参数，取值区间为[0,1]；θn表示其他信号对该待提取信号的噪声标准方差；Ni表示该待测点下信号的标准长度；ki表示相邻节点中信号的邻域均值。在选取合适的脉冲信号之后，可以选取合适的阈值系数作为重新构建小波参数的振动幅度，并通过均值滤波构建有利于噪声抑制的算法结构，实现循环频率特征自适应滤波降噪方法的设计[10]。

2 实验研究

2.1 实验准备

为检测4种电子通信信号的频率特征提取方法，通过计算机检测信号频率的幅度与瞬时频率。在本次仿真实验中，设定计算机的初载频率为600 Hz，低压控制信号的频率为20 Hz，电子通信信号中的采样频率为50 kHz，偏轨频率为105 Hz。通过分析以上数据，并将其与现有几种方法对比，判断本文提取方法是否实现优化。在检测几种算法的信号提取方法时，可以通过检测其信噪比和相似性系数进行测试与评价。

在设计电子通信信号的循环频率时，可以将源信号进行随机混合，构成一个3×3的矩阵，通过如图1所示的算法流程，实现所有采样点信号的提取工作。

图1 信号特征提取算法流程

如图1所示，通过以上方法将电子通信信号中不同采样点的特征频率全部提取，并计算其信噪比指标，以便观察对比实验中提取方法的优劣。在此过程中，可以设计若干独立分量作为采样点中电子通信信号的独立元素，在对其归一化处理之前，需要通过正交操作使其能够被算法代换，减去独立分量的能量单位，使信号便于分离，并尽量减少其他信号分量在该测试信号中的干扰作用。然而不同采样点之间分量的信噪比指标是截然不同的，因此记录实验过程中的各项数据并进行分析。

2.2 实验结果分析

整理信噪比指标的结果，对其进行分析和总结。在抽取的15个采样点中，提取信号时因其他信号干扰而形成的信噪比指标如表1所示。

表1 信噪比指标测试结果

算法1的平均信噪比指标约为16.875 7，算法2的平均信噪比指标约为18.676 6，算法3的平均信噪比指标约为18.722 5，算法4的平均信噪比指标约为18.481 8。信噪比指标越大，则该段采样点下的信号提取受干扰程度越高。因此通过以上数据可知，本文设计的电子通信信号循环频率特征值提取方法在提取信号时受到其他信号的干扰更少。

3 结 论

本文提出一种能够改善信号提取精度的电子通信信号循环频率特征自提取方法，在信噪比指标与相似性系数等方面，与已有的几种特征提取方法进行对比，并记录该特征提取方法受到其他信号的干扰的实验结果。通过实验数据可知，文中设计的方法在信号干扰中能够更好地保持原有信号频率，提取结果与初始信号相似性更高。