一种基于邻值比较的信噪分离方法

刘 奇， 冯冬冬， 蔡明辉， 王 玥， 刘 晔， 苏晓明

(1.中国科学院新疆天文台， 乌鲁木齐 830011； 2.新疆微波技术重点实验室， 乌鲁木齐830011；3.新疆大学物理科学与技术学院， 乌鲁木齐 830046)

射电天文观测是被动地接收来自距离地球十几亿甚至百亿光年以外宇宙空间微弱的天体信号。射电天文望远镜作为射电天文的主要研究工具，具有极高的系统灵敏度[1]。随着无线电技术的快速发展以及国内射电天文台站在升级改造过程中缺乏电磁兼容设计及屏蔽方面的考虑，导致台站的电磁环境变得日益复杂，严重影响射电天文观测[2]。在电磁环境监测过程中，监测系统接收到的无线电信号包括自然辐射、电子设备辐射、各类无线通信业务等。根据电磁环境监测的需求，首先要将频谱噪声和信号进行分离，进而对分离出来的信号进行识别和统计，为射电天文台站干扰查找及消除干扰策略提供数据支持，保护射电望远镜的有效运行，降低望远镜的运行风险[3-4]。

信噪分离及信号检测提取是信号处理领域的基本问题，传统的信号噪声分离方法通过确定信噪分离阈值，将频谱中各点幅度值与对应的阈值进行比较实现，即大于阈值的频点认为是信号，小于阈值的频点被认为是背景噪声[5]。阈值的确定分为两种：全局阈值和局部阈值。全局阈值的分离方法在处理具有平坦背景噪声的频谱时有较好的信噪分离结果，但是对于背景噪声起伏不定的频谱，分离效果不佳。局域阈值依据不同频段的实际情况选择不同的阈值，阈值确定较为困难，若阈值选取不合适，将导致信噪分离的精确度较低。文献[2]提出的基于数据拟合的方法提取干扰仅仅适应于窄带频谱的信号分离，且该方法在数据拟合过程中运行时间较长，不适应宽带频谱的信噪分离，更难以应用于实时频谱监测。文献[6]提出基于纹理特征的背景噪声提取方法，此方法没有给出阈值选取的方法及范围，平滑窗口的尺寸仅仅给出了一个工程经验值20，在实际处理数据过程中，当信号带宽大于平滑窗口尺寸，且信号幅度较为平坦时，会将信号误判成噪声，降低了信噪分离的准确度。文献[7]提出一种基于图像形态学原理的信噪分离方法，采用形态学梯度实现信号噪声的分离，此方法在强噪声背景下，容易将噪声误判成信号，信噪分离准确度较低。国际电信联盟(International Telecommunication Union, ITU)建议书提出一种“20%”的统计方法提取频谱背景噪声，但是此算法只适用于窄带频谱，对应宽带频谱的适应性较差[8]。文献[9]提出一种基于K-均值聚类背景噪声提取算法，该方法提取的背景噪声为一固定值，对于起伏较大的背景噪声适应性较差。综上所述，现有信号提取方法受频谱噪声起伏、带宽等因素影响，多在某种场合具有较好的适应性。

为提高电磁环境实时监测及数据处理效率，现针对宽带频谱数据样本，研究通用型更好的高精度、快速信噪分离算法，为进一步的实时电磁环境监测信号识别与统计提供算法支撑。

1 频谱特征分析

电磁环境监测产生大量的宽带频谱序列，如文献[10]采用准实时电磁环境测量方法，单个测试方向为测量天线的3 dB带宽，若天线3 dB波束宽度为60°，需要测试6次，覆盖360°范围。图1给出了6个方向的实测频谱，频率范围为1 000～2 800 MHz，频点间隔为30 kHz，60 001个频点数，频谱特征如下：①频谱噪声动态范围较窄，这是由于台站电磁环境监测系统通常采用线性平均的模式进行扫描；②不同方向频谱噪声起伏趋势一致，噪声起伏主要由系统微波链路中器件性能决定；③频谱噪声随着频率变化存在起伏，噪声幅度值大小不一，但相邻噪声幅度值变化较为平滑；④电波环境测量频谱中干扰信号以窄带信号为主，宽带干扰主要为台站外无线通信业务[11]。

图1 电磁环境实测典型频谱Fig.1 Measured typical spectrum of electromagnetic environment

2 信噪分离方法

2.1 方法描述

依据上述思路，信噪分离方法流程如图2所示，采用邻值比较的方法获取宽带频谱噪声，并对提取的频谱噪声进行滤波处理，计算频谱噪声动态范围，确定信噪分离阈值，进而实现信号的提取。

图2 方法总体流程图Fig.1 Overall flow chart of the method

2.2 信噪分离方法

信噪分离方法步骤如下。

步骤1 获取台站的电磁环境监测系统提供的多组宽带频谱数据P(F[n],V[n])，其中P为二维数组，F为频率，V为频率点对应的幅度值，n为频率点个数。

(1)

(2)

(3)

步骤4 计算频谱噪声初始点的值。

邻值比较法中将第一个点默认为噪声点进行邻值判别，如果第一个点为信号点，将会造成提取的噪声误差较大，并且有信号损失。为避免这种情况的发生，采用国际电信联盟建议书中“20%方法”[8]计算起始噪声信号。将频谱幅度值{V[1],V[2],V[3],…,V[n]}按从小到大升序排列，得到{S[1],S[2],S[3],…,S[n]}。取新序列中第20%点作为起始噪声点V[0]。

步骤5 采用邻值比较的方法提取频谱噪声，方法流程图如图3所示。详细流程如下。

图3 邻值比较算法流程图Fig.3 Flow chart of neighbor comparison algorithm

(1)起始噪声点V[0]和V[1]做比较，如果|V[0]-V[1]|>deta，且V[1]>V[0]，则V[1]=V[0]。

(2)i>1，当|V[i]-V[i+1]|>deta，如果V[i-1]-V[i+1]>deta，则V[i+1]=(V[i-1]+V[i]+V[i+1]) /3；如果V[i-1]-V[i+1]deta，则V[i+1]=(V[i-1]+V[i])/2。

(3)当i>n时，结束邻值比较。

步骤6 对频谱噪声数据P1(F[n]，V1[n])进行平滑滤波处理，得到相应的噪声滤波数据P2(F[n]，V2[n])。

按照式(4)计算频谱P2(F[n]，V2[n])中V2[l1]的数值，即

V2[l1]=(V1[1]+V1[2]+…+V1[10])/10

(4)

式(4)中：l1=1,2,…,5。

按照式(5)计算频谱P2(F[n]，V2[n])中V2[l1]的数值，即

V2[l2]=(V1[l2-5]+V1[l2-4]+…+V1[l2]+V1[l2+1]+…+

V1[l2+5])/11

(5)

式(5)中：l2=6,7,…,n-5。

按照式(6)计算频谱P2(F[n]，V2[n])中V2[l3]的数值，即

V2[l3]=(V1[n-9]+V1[n-8]+…+V1[n])/10

(6)

式(6)中：l3=n-4,n-3,…,n。

3 实例分析

(1)为验证该方法的准确性和适应性，对实测数据样本进行信噪分离。数据样本为某射电天文台站0°、60°、120°、180°、240°、360°共6个方向典型宽带频谱数据样本，频率带宽为1 000～2 800 MHz。

(3)计算邻值比较判别值deta为0.17。此外，按照步骤4～步骤6计算频谱噪声的初始点的值V[0]，提取宽带频谱噪声，并对提取的背景噪声进行滤波处理。

图4 6个方向信噪分离结果图Fig.4 Result diagram of signal-to-noise separation in 6 directions

(5)为了进一步验证此方法的准确性，采用本文方法、基于数据拟合的方法[2]、基于纹理特征的背景噪声提取方法[6]、国际电信联盟建议书中20%方法[8]、改进20%方法[13]等对相同的宽带频谱数据进行信噪分离，并提取分离后的信号。并通过人工识别信号个数与不同方法识别信号个数进行比对，计算不同方法信号识别准确率。算法准确率和运行时间统计结果如表1所示。结果表明，本文方法的准确率最高，且算法预算时间相对较短，能够适用于宽带频谱信噪分离。

表1 不同方法准确率与运行时间Table 1 Comparison of correct recognition rates of different methods

4 结论

面向电磁环境监测宽带频谱序列，提出了一种高精度信噪分离方法，该方法通过应用于实测宽带频谱数据样本，并与现有信噪分离方法进行比对。结果表明，该方法信噪分离准确率最高，且算法预算时间相对较短，能够应用于射电天文台站实时电磁环境监测，提高信号识别与统计效率。