基于迭加窗抑制算法的时频门处理方法

摘要

本发明提供了一种基于迭加窗抑制算法的时频门处理方法，包括以下步骤：将用作时域门的矩形窗的宽度局部化，即将矩形窗分解成多个小窗，这些小窗的时宽的累加不小于大窗的宽度；利用小窗来选择所需的传输路径的传输信号，对各小窗选择的传输路径的传输信号的数据进行时频域转换；将各小窗所选择的传输路径的传输信号数据的转换结果相加，得到迭加窗所选择的传输路径的传输信号数据的时频域转换结果。本发明采用小窗迭加的算法，有效兼顾了主瓣宽度窄和旁瓣电平低的要求，同时翻转和延拓的数据量低，降低了对硬件资源的要求，扩展了应用范围。

说明书

技术领域

本发明涉及信号处理技术领域，具体而言涉及一种基于迭加 窗抑制算法的矢量网络分析仪时频门技术。

背景技术

矢量网络分析仪在测试网络的反射或传输参数时，由于多径 效应，其所测幅频特性是多个传输路径幅频特性的迭加。为了测 量所期望的一个或几个传输路径幅频特性，针对不同传输路径信 号到达时间不同的特点，采用时域门可抑制不期望的传输路径的 信号，从而得到准确的测量结果。

如图1-1，示出了多径模型简示图。其中输出端口的信号是5 条传输路径信号叠加后的合成信号，输出端口所测得的幅频特性 是这5条传输路径叠加后的幅频特性，图1-2示出了输出端口合成 信号的幅频特性。为了测量传输路径5的幅频特性，可采用加时 域门的办法从合成信号中选出传输路径5的信号，然后进行时频 转换，从而得到传输路径5的幅频特性。图1-3示出了输出信号波 形与时域门的示意图。图1-3中虚线部分代表时域门，利用时域门 门内数值为1而门外数值为0的特性，抑制门外的1、2、3、4这 4条传输路径的信号，保留门内传输路径5的信号；从而选出传输 路径5的信号，方便传输路径5的幅频特性的测量。

本领域技术人员熟知，矢量网络分析仪是频域测试仪器，其 测量结果为频域数据，通过傅里叶变换可将数据转换到时域，再 加时域门抑制不期望传输路径的信号后，通过反傅里叶变换再转 换回频域。

时域门本质上是时域数据的相乘，时域相乘等于频域卷积。 由于时域门对数据的截断，使重新变换到频域出现纹波起伏的现 象，这被称为吉布斯(Gibbs)现象。

目前，时域门广泛使用的方案是窗函数法，通过加时域门来 抑制吉布斯现象。窗函数的主瓣宽度影响时域信号分辨率，旁瓣 电平决定吉布斯现象的大小。理想的窗函数希望其主瓣无限窄， 旁瓣无限低，但目前可实现的窗函数主瓣宽度、旁瓣电平是一对 矛盾，无法同时满足主瓣宽度窄和旁瓣电平低的要求。当前，在 工程实现中只能提供多种窗函数，根据不同应用场合对时域的时 间分辨率和频域的纹波抑制要求来折衷选择。

现有的时域门技术存在以下缺陷：

1)在窗函数法中，窗的主瓣宽度、旁瓣电平是一对矛盾，无 法同时满足主瓣宽度窄和旁瓣电平低的要求，在工程实现中往往 只能根据不同的要求选择不同的窗函数，或者牺牲旁瓣电平来减 小主瓣宽度，或者增加主瓣宽度以换取对旁瓣电平的抑制，二者 无法兼顾。

2)时域门的实现同时涉及到数据从频域到时域的变换和时域 到频域的变换，这些变换都需进行数据翻转和延拓，现有的窗函 数法运算数据量大，占用的存储空间大，运算速度慢，在一些存 储资源和运算性能有限的设备中难以实现。

3)由于矢量网络分析仪测量域为频域，加时域门需要现将频 域数据转换到时域，在时域加门后再转换回频域。由于加时域门 所带来的数据截断效应，使得时频转换过程存在吉布斯现象，影 响转换后频域数据的准确度。因此，如何削弱数据截断效应，提 高转换后频域数据的准确度，已经成为业界亟待解决的问题。

发明内容

本发明的目的在于克服上述技术问题的缺陷，提出一种新的 时域门技术，消除时频转换过程中的吉布斯现象，提高转换后频 域数据的准确度。

本发明的分窗迭加技术，其特征在于利用小窗的时窗宽度较 之大窗要小的特征，更好地抑制筛选脉冲信号的噪声、净化脉冲 信号，同时减小了运算数据量。

基于迭加窗抑制算法的时频门处理方法，其特征在于：将多 径输出端的频域数据经过时频逆变换，然后功分成多路等幅同相、 频率成分相同的时域数据；采用相应的小时宽矩形窗对各路时域 数据进行时域相乘，抑制非期望路径的传输信号；再与和小时宽 矩形窗等宽的锐化凯塞窗时域相乘，进行二次抑制；将二次抑制 后的时域数据进行时频转换得到频域数据；将各路小窗和锐化凯 塞窗抑制后时频转换的频域数据相加，得到最终的频域数据。

基于组合窗抑制算法的时频门处理方法，与基于迭加窗抑制 算法的原理相同，区别在于实施的顺序有所不同，其特征在于： 将多径输出端的频域数据经过时频逆变换，然后功分成多路等幅 同相、频率成分相同的时域数据；将各路小时宽矩形窗与和小时 宽矩形窗同时宽的锐化凯塞窗时域相乘得到相应的组合窗；将时 频逆变换后的各路时域数据与相应的组合窗时域相乘，利用组合 窗抑制非期望传输路径的传输信号；将组合窗抑制后的时域数据 进行时频转换得到频域数据；将各路频域数据相加，得到最终的 频域数据。

其中，各路小时宽矩形窗的时宽相等。相邻小窗之间存在一 定程度的区间重叠，假设矩形窗的时宽为W，小窗的时宽为w，则 小窗区间重叠Sw与小窗个数N的关系：其中为不小于x的最小整数；重叠区间不超过0.5w，小窗个数N的 取值范围为：其中为不超过x的最大整数；小 窗的时宽w和个数N可以根据转换后频域数据的效果适时进行调 整。

对凯塞窗进行的锐化，窄化了过渡带，更好地集中频宽内的 能量，抑制旁瓣的影响。利用锐化后的凯塞窗与分割出来的小窗 结合组成的组合窗滤除间断点或边界点的高频超量，更好地消除 由时域门吉布斯效应引起的频域数据起伏现象。

基于迭加窗(或组合窗)抑制算法的时频门处理方法，将用作时 域门的矩形窗的宽度局部化，即将矩形窗分解成多个小窗，这些 小窗的时宽的累加不小于大窗的宽度；

利用小窗来选择所需的传输路径的传输信号，对各小窗选择 的传输路径的传输信号的数据进行时频域转换；

将各小窗所选择的传输路径的传输信号数据的转换结果相 加，得到迭加窗所选择的传输路径的传输信号数据的时频域转换 结果。

由于本发明采用小窗叠加的算法，有效兼顾了主瓣宽度窄和 旁瓣电平低的要求，同时翻转和延拓的数据量低，降低了对硬件 资源的要求，扩展了应用范围。此外，与目前广泛应用的窗函数 法相比，节省了运算资源和存储空间，处理速度快，纹波抑制好。 运算所耗时间比现有技术较少约50％，幅度误差仅为现有技术的 2％左右。

虽然在下文中将结合一些示例性实施及使用方法来描述本发 明，但本领域技术人员应当理解，并不旨在将本发明限制于这些 实施例。反之，旨在覆盖包含在所附的权利要求书所定义的本发 明的精神与范围内的所有替代品、修正及等效物。

本发明的其他优点、目标和特征在某种程度上将在随后的说 明书中进行阐述，并且在某种程度上，基于对下文的考察研究对 本领域技术人员而言将是显而易见的，或者可以从本发明的实践 中得到教导。本发明的目标和其他优点可以通过下面的说明书， 权利要求书，以及附图中所特别指出的结构来实现和获得。

附图说明

为了使本发明的目的、技术方案和优点更加清楚，下面将结 合附图对本发明作进一步的详细描述，其中：

图1-1是现有技术中的多径模型简示图；

图1-2示出了多径模型的输出信号幅频特性；

图1-3示出了多径模型的输出信号波形与时域门；

图2-1为本发明的基于迭加窗抑制算法的矢量网络分析仪时 频门处理方法的原理框图；

图2-2为本发明的基于组合窗抑制算法的矢量网络分析仪时 频门处理方法的原理框图；

图3示出了本发明的迭加窗示意图；

图4示出了模拟合成信号和加时域门的处理结果。

具体实施方式

下面结合附图对本发明的具体实施方式作进一步的详细描 述。需要注意的是，根据本发明的基于迭加窗抑制算法的矢量网 络分析仪时频门处理方法的实施方式仅仅作为例子，但本发明不 限于该具体实施方式。

本发明的基本思想是将用作时域门的矩形窗的宽度局部化， 即将矩形窗分解成多个小窗，这些小窗的时宽的累加不小于大窗 的宽度。然后利用小窗来选择所需的传输路径的传输信号，对各 小窗选择的传输路径的传输信号的数据进行时频域转换，然后将 各小窗所选择的传输路径的传输信号数据的转换结果相加就是叠 加窗所选择的传输路径的传输信号数据的时频域转换结果。

接下来，将参照附图来详细说明本发明的具体实施方式。

图2示出了本发明基于迭加窗(组合窗)抑制算法的矢量网络分 析仪时频门处理方法的原理框图。其中，输出端的频域数据经过 时频逆变换转化为时域数据，先用小时宽矩形窗对时域数据进行 时域相乘，抑制非期望路径的传输信号，然后再与锐化凯塞窗时 域相乘，进行二次抑制；也可以先将小时宽矩形窗与锐化凯塞窗 时域相乘得到组合窗，时频逆变换后的时域数据与组合窗时域相 乘，利用组合窗抑制非期望传输路径的传输信号。将抑制后的时 域数据进行时频转换得到频域数据；将各个小窗和锐化凯塞窗(或 者组合窗)抑制后时频转换的频域数据相加即为最终的频域数据。

在小时宽矩形窗的选择上，遵循以下原则：

(1)各小时宽矩形窗的时宽相等；

(2)为了保证不漏选数据，相邻小窗之间存在一定程度的区 间重叠；

假设矩形窗的时宽为W，小窗的时宽为w，则小窗区间重叠Sw 与小窗个数N的关系：其中为不小于x的 最小整数。

(3)在前2个条件满足的前提下，为了减少运算量，节省资 源、运算时间，重叠区间不超过0.5w，所以小窗个数N的取值范围 为：其中为不超过x的最大整数，小窗的时宽 w和个数N可以根据转换后频域数据的效果适时进行调整。

迭加窗的示意图如图3，黑色实线部分代表大时宽的矩形窗， 虚线代表等时宽的小窗，填色部分代表重叠区间，图中重叠区间 的重叠深度为33.3％。在时宽w确定的情况下，重叠区间的重叠深 度取决于小窗个数N大小。重叠深度表示为：当每 一个小窗的上限是相邻的小窗的下限或其下限是相邻的小窗的上 限时，即重叠深度为0时，迭加窗就是矩形窗的分割累加。

在本发明的优选实施例中，为了窄化过渡带，使得频宽内的 能量最大，抑制旁瓣的影响，必须对小时宽矩形窗改进。本发明 中的处理算法是将每一个小窗与同时宽的锐化凯塞窗时域相乘， 得到一个新的组合窗，然后以这个组合窗代替小窗抑制非期望传 输路径的传输信号，时域相乘等效于频域卷积，如图2所示。假 设锐化凯塞窗的表示为w(n)，为了表示方便，令则锐化凯塞窗：$w\left(n\right)=I_0\left(\mathrm{\beta k}\right)[\frac{I_0\left(\mathrm{\beta k}\right)-I_2\left(\mathrm{\beta k}\right)}{2}+\frac{I_2\left(\mathrm{\beta k}\right)}{k^2}]{\left(\frac{2\beta }{N-1}\right)}^2,$其中I₀(x)为 零阶第一类修正贝塞尔函数，I₂(x)为二阶第一类修正贝塞尔函数， β为窗函数的形状的参数，N为窗函数的数据长度。

图4示出了本实施例的处理结果。其中，模拟了一个待测网 络的输出合成信号，该网络有三条传输路径，测试信号经过三条 传输路径到达输出端口的时间分别是5ns、3.5ns和4ns，幅度分别 为-6.02dB、-18.71dB和-30.01dB，如图4所示。

图4中，(1)是模拟的合成信号所对应的理论频域数据；(2)是 对(1)所示频域数据进行傅里叶反变换得到的时域数据；(3)是(2)中 路径1的传输信号所对应的信号的理论频域数据；(4)是采用传统 窗函数法从合成信号中抑制路径2、3的传输信号得到的路径1的 传输信号所对应的频域数据；(5)是对(4)所示频域数据进行傅里叶 反变换得到的时域数据；(6)是采用本技术方案从合成信号中抑制 路径2、3的传输信号得到的路径1的传输信号所对应的频域数据； (7)是对(6)所示频域数据进行傅里叶反变换得到的时域数据。

在主频3.20GHz、内存504MB的计算机里，采用Matlab仿真 软件，现有窗函数法的转换时间为0.07351s，幅度最大误差为 1.6998dB；同等条件下，本实施例中算法的转换时间为0.04097s， 幅度最大误差为0.0259dB。

由此可见，本发明在转换精度和转换速度方面，较现有的窗 函数法都有较大的优势。

以上所述仅为本发明的优选实施例而已，并不用于限制本发 明，显然，本领域的技术人员可以对本发明进行各种改动和变型 而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和 变型属于本发明权利要求及其等同技术的范围之内，则本发明也 意图包含这些改动和变型在内。