法律状态公告日
法律状态信息
法律状态
2018-06-22
授权
授权
2015-04-22
实质审查的生效 IPC(主分类):H04L25/02 申请日:20141025
实质审查的生效
2015-03-25
公开
公开
技术领域
本发明涉及信息与通信技术领域,具体涉及一种对信号进行高效采样的方法。
背景技术
数字通信系统由信源、信源编码器、信道编码器、调制器、信道、解调器、信道 译码器、信源译码器以及信宿的组成。其中,信源编码器完成信号的采样、量化与编 码的过程。因此,在通信过程中,采样是必要的步骤之一。采样点数的多少直接影响 对信号进行后续处理的计算量。目前,多数情况下把奈奎斯特采样定理作为主要的采 样方案。奈奎斯特采样定律表明,当采样频率fs大于信号中最高频率fmax的2倍时, 即fs≥2fmax,则采样之后的数字信号完整地保留了原始信号中的信息,一般实际应用 中保证采样频率为信号最高频率的5~10倍。而利用信号的稀疏特性,可以大幅度地 降低对信号的采样率,并能很精确地恢复信号。
事实上,存在着比奈奎斯特采样定律效率高的多的采样方案。我们可以利用一些 特殊采样的方法可以大幅度降低采样频率。例如:一个信号y(t)=sin(10000*2*π*t), 如果利用奈奎斯特采样定理,则采样频率至少为20000Hz,即每秒需要采样两万个点。 而从频率角度分析信号,则该信号的频谱图只有一根谱线。即频谱图中一个点包含的 信息量等价于在时域每秒采两万个点所包含的信息量。
但并非所有信号在频域分析都比时域分析简单。例如,信号y(t)=t,在时域的波 形图是一条直线,两点就能确定一根直线,即:利用两个点的信息就能表示这根直线 的所有信息。而在频域中,此信号包含很多频率谱线,通过仿真,得到频谱图中幅度 大于0.01的频点就有31个,即:需要31个点的信息才能较为准确的表示该信号。
由此可见,仅仅从时域或频域都不能获得最好的采样效果,即利用尽可能少的点 来表示信号包含的信息。
发明内容
本发明是为了降低信号的奈奎斯特采样频率,以及为了提高信号采样的精度,从 而提供一种基于FRI时频域综合分析的信号高效采样及信号重构方法。
基于FRI时频域综合分析的信号高效采样及信号重构方法,它由以下步骤实现:
步骤一、对原始信号xn做快速傅氏变换FFT,将该原始信号xn从时域转换到频域, 得到yk,并做出频谱图;并利用低通滤波器将频域信号分为高频的部分与低频的部分, 其中,低通滤波器的截止频率可以根据具体的应用场景做出相应的选择;
步骤二、利用频谱图中的频点fk与幅度ak来记录高频率的部分的信息,并将高频 的部分通过低通滤波器从原始信号中滤除;
对频域信号的高频部分的频率取对数,并进行归一化处理,使频谱图的频率分布 在[0,1]范围内;
对频率取对数,并归一化的具体步骤如下:
设原始信号的初始频率为f0,取对数后得到flog,具体的数学解析式为:
flog=log10(f0) (1)
并选取flog中的最大值fmax,得到归一化的频率为:
则,频谱图中的所有谱线的频率分布在[0,1]范围内;
步骤三、利用时域的线段拟合算法对频域信号的低频部分进行分析,判断频域信 号的低频部分是否为线性;具体为:
步骤三一、利用时域的线段拟合算法对频域信号的低频部分是否为线性,如果判 断结果为是,则执行步骤三三;如果判断结果为否,则执行步骤三二;
步骤三二、将线段二等分,逐一判断信号在两个分成的区间是否线性,如果判断 结果为是,则执行步骤三三;如果判断结果为否,则执行步骤三四;
步骤三三、记录区间起点的时刻与该区间下线段的斜率,并执行步骤三五;
步骤三四、返回步骤三二;
步骤四、利用FRI技术进行信号进行重构,具体为:
步骤四一、将信号x(t)通过滤波器进行滤波,滤波后的信号y(t)的表达式为:
y(t)=h(t)*x(t) (3)
其中:h(t)为滤波的时域冲击响应,x(t)是由位置为和振幅为构成的 脉冲流信号;
其中:p(t)为脉冲的数学解析式,τ为信号的时间长度;K是信号脉冲的数量, K为正整数;j为正整数;
对滤波后的信号y(t)进行采样,得到离散信号yn,所述离散信号yn的表达式为:
其中:T为采样间隔,为采样函数;n表示第n个采样点;
对上式进行变形,得到:
在式(6)中,是xm的离散傅里叶变换,B是滤波器的带宽,τ为信号的时间 长度;
即:
其中:是xm的离散傅里叶变换,是ym的离散傅里叶变换,B是滤波器的带 宽;
计算x(t)的傅里叶级数系数得到为:
对上式进行变换,得:
其中:
表示p的乘法逆元素,p(t)的值是先验已知的,对于狄拉克函数流,
采用的Z-变换表示uk:
即,的根等于被寻找的uk的值;
hm满足:
由于该滤波器{hm}被称为湮灭滤波器;
令h0=1,将公式(12)写成矩阵形式为:
由上面的方程求得{hm};
{hm}的z变换的零点即为uk,
tk=(lnuk)/(-j)/2/π×τ (14)
由此求出时延tk;
通过方程:
解出幅值ak;
步骤五、根据步骤获得的幅值ak与时延tk恢复信号的频域部分与时域部分;
由时延tk根据公式
flog=tk×fmax (16)
计算出反归一化的频率值flog,
再由flog计算出高频部分的频点fk,计算公式如式(17):
在时域中,将tk作为线段起点的时刻,ak作为直线的斜率,恢复出信号的低频部 分的时域波形;
步骤六、将频域部分的信号通过离散傅里叶反变换IFFT到时域信号,
其中:DFT[]是对函数做离散傅里叶变换;N表示做N点的离散傅里叶逆变换;
将频域部分的信号变换到时域后,与时域中低频成分的信号叠加,恢复出原始信 号。
步骤一中对原始信号xn做快速傅立叶变换FFT具体为:
其中:用Wn来表示Feven(k)是对偶次项做离散傅里叶变换,Fodd(k)是对奇次 项做离散傅里叶变换。
判断频域信号的低频部分是否为线性的具体方法为:
对于区间[a,b],判断区间[a,b]是否满足:
其中:ε为误差允许值;
如果满足,则信号频率f(x)在区间[a,b]内是线性的;如果不满足,则信号频率 f(x)在区间[a,b]内是非线性的。
步骤四一中,h(t)选取高斯函数、辛格函数、B样条与E样条函数之一。
本发明获得的有益效果:
1、本发明中的采样方案具有高效性;
2、本发明在时域信号分析中提出了线段拟合算法,可以比较精确地利用直线来描 述较低频率信号的波形曲线,这样可以高效地从时域中提取出较低频率成分的有效信 息。
3、本发明虽然采样的点数非常少,但是可以很精确地恢复信号。通过图15和图4, 我们可以比较恢复信号与原始信号,二者几乎是完全相同,因此验证了本发明中采样 恢复算法的精确性。
4、本发明巧妙地利用FRI理论,并拓展了FRI理论能处理的信号种类。本发明利 用fk和ak记录频域信息,利用tk和ak记录时域信息。而FRI理论能处理的是离散的信 号,如狄拉克流。这些信号的信息可以用时延tk和幅度ak来表示。把频域中的fk看成 FRI理论中的tk,把频域中的ak看成FRI理论中的ak。因此,频域部分可以利用FRI 理论进行处理。如果把时域中的tk看成FRI理论中的tk,把时域中的ak看成FRI理论 中的ak,这样时域部分的信号也可以用FRI理论进行处理。因此,可以利用FRI理论 对时域和频域记录的信息进行进一步的处理。同时,也将FRI理论能处理的信号种类 从离散的狄拉克流扩展到高频连续信号。
附图说明
图1是本发明的信号流程图;
图2是线段拟合算法的流程图;
图3是利用FRI理论处理信号的流程图;
图4是原始信号的波形仿真示意图;
图5是对信号进行频谱分析得到的频谱图;
图6是0~100Hz的频谱图;
图7是频域中的FRI信号仿真示意图;
图8是FRI频域信号通过辛格核滤波器得到的信号仿真示意图;
图9是利用FRI理论的恢复算法重构的频域FRI信号仿真示意图;
图10是将信号中的较高频率成分滤除后,较低低频成分信号的波形仿真示意图;
图11是时域中的FRI信号仿真示意图;
图12是FRI时域信号通过辛格核滤波器得到的信号仿真示意图;
图13是重构的时域FRI信号与原始的FRI信号仿真示意图;
图14是恢复出的低频成分的信号波形仿真示意图;
图15是恢复信号的波形仿真示意图。
具体实施方式
具体实施方式一、基于FRI时频域综合分析的信号高效采样及信号重构方法,由 以下步骤实现:
步骤一、对原始信号xn做FFT变换(Fast Fourier Transformation),即快速傅氏变 换,变换的具体表达式如下:
其中,用Wn来表示
通过(1)式可以得到yk。该过程将时域信号转换到频域。作出其频谱图,并进行 频谱分析。之后分别利用高通滤波器和低通滤波器,将信号分为较高的频率成分与较 低的频域成分。
步骤二、利用频谱的频点fk与幅度ak来记录较高频率成分的信息。并将较高的频 率成分通过滤波器从原信号中滤除。为了将较高频率成分进一步压缩,对频率取对数, 并进行归一化处理。对频率取对数,并归一化的具体步骤如下:
如果信号的初始频率为f0,取对数的数学解析式为:
flog=log10(f0) (2)
并选取flog中的最大值fmax,归一化的频率为:
这样,所有谱线的频率都会分布在[0,1]范围内。
步骤三、利用时域的线段拟合算法对较低频率的信号进行分析。
线段拟合算法是一种本发明的创新点之一。低频信号因为其频率较低,即:信号 在单位时间内的变化较慢。因此,低频信号可以看成缓慢变化的曲线。这些缓慢变化 的曲线可以利用直线段来近似表示。这些线段的起始时刻与斜率即可以记录低频曲线 的信息。实现信息在时域的压缩。
具体来说,这种线段拟合算法先判断信号是否为线性的,如果信号是线性的,那 么记录区间起点的时刻与直线的斜率。如果该线段不是线性的,则将线段二等分,再 分别判断信号在两个分成的区间是否为线性。如果为线性,则记录区间起点的时刻与 直线的斜率。如果不为线性,则继续对区间进行二等分,直到信号在各个区间均近似 为线性。这种算法的流程如图2所示。
判断各个区间是否可以近似看成线性的方法如下:
若判定的区间为[a,b],若满足:
则f(x)可以近似在区间[a,b]内看成是线性的。在式(4)中,ε为误差允许值。
步骤四、利用FRI理论进行后续的信号处理与信号的重构。
FRI理论能处理和恢复时延为tk,幅值为ak的离散信号。在频域中,频谱线归一化 对应的频率值用fk来表示,幅度用ak来表示。在时域中,直线端点对应的时刻也可以 用tk来表示,对应的纵轴坐标用ak来表示。如果把频域中的fk看成FRI理论中的tk, 频域中的ak看成FRI理论中的ak,这样,频域信号就可以利用FRI理论来处理。如果 把时域中的tk看成FRI理论中的tk,时域中的ak看成FRI理论中的ak,这样,频域信 号就可以利用FRI理论来处理。
因此,可以完全利用FRI理论分别对时域和频域进行信号处理和恢复。
利用FRI处理信号的步骤如下:
首先,将信号通过特定的滤波器,滤波器的时域冲击响应记为h(t),那么我们通过 滤波器后得到的信号y(t)的表达式为
y(t)=h(t)*x(t) (5)
这里,h(t)可以选取高斯函数、辛格函数、B样条与E样条函数。并对y(t)进行采 样,得到离散的yn,将样本yn,由下式给出:
对上式进行变形,得到:
即,
这里,x(t)是由位置为和振幅为构成的脉冲流信号。
计算x(t)的傅里叶级数系数,得到为
对上式进行变换,可得
这里并且表示p的乘法逆元素,p(t)是先验已知的,为简单起见, 我们假设符号
为了获得uk的值,用表示其的滤波器Z-变换:
也就是说,的根等于被寻找的uk的值。hm满足:
由于该滤波器{hm}被称为湮灭滤波器,因为它使信号归零。
这里令h0=1,公式(13)可以写成矩阵形式为
这表明,我们至少需要2K个连续值来解决上述系统。由上面的方程可以求出 {hm}。{hm}的z变换的零点即为uk,并由此求出位置tk。可以通过下面的方程解出幅值 ak:
这里,总结一下利用FRI理论进行信号处理的过程:
(1)获得傅里叶级数这可以通过使用和它们通过关系式
(2)检索湮灭的滤波器的系数可以通过公式(14)解出;
(3)获得的滤波器的根,其根产生的值uk。由此我们能求出位置tk的值。
(4)求振幅ak,可以通过公式(15)求出。
通过上面的步骤即能获得位置和振幅利用FRI理论处理信号的流程 图如图3所示。
步骤五、根据FRI的恢复算法得到的ak与tk恢复信号的频域部分与时域部分。在 频域中,FRI恢复的tk,可以由tk先计算出反归一化的频率值flog,
flog=tk×fmax (16)
再由flog计算出较高频率分量的频点fk,计算公式如式(17):
FRI中恢复的ak即为较高频率分量的幅值。在时域中,FRI恢复的tk即为线段起点 的时刻,ak即为直线的斜率。因此,通过时域中的tk与ak可以恢复出信号的较低频率 部分的时域波形图。
步骤六、将频域部分的信号通过IFFT变换(离散傅里叶反变换)到时域,
并与时域中低频成分的信号叠加,恢复出原始信号的波形图。
具体实施例:
本采样方案适用于任意连续信号。为了验证本发明中采样方案的高效性与恢复信 号的精确性,我们举出一个比较复杂的信号作为例子。
这里,选取原始信号:
y(t)=t3-1.6t2+2.5t+1.4sin(2πt)+2.2sin(2×2πt)
+cos(5×2πt)+1.2sin(10×2πt)+3.2cos(20×2πt)
+sin(50×2πt)+1.8(100×2πt)+cos(1000×2πt) (19)
+3.6cos(2000×2πt)+2.4cos(5000×2πt)
+2.7sin(10000×2πt)
可以画出原始信号的波形图如图4所示。
对原始信号做FFT变换,将时域信号转化为频域,可以得到的频谱图如图5所 示。通过频谱图,可以信号的最大频率为10000Hz,如果利用奈奎斯特采样定律,则 采样频率必须大于20000Hz。
为了更清楚地表现低频的频谱,做出0~100Hz的频谱图如图6所示。为了比较准确 的描述信号,我们选取频谱图中幅度大于0.01的谱线,这样的谱线共有71条。因此,仅 仅从频域进行分析需要71个点的信息。
如果将谱线中幅度不大的低频成分在时域进行分析,可以进一步降低采样的点数。可 以利用谱线信息来记录较高的频率成分,并将频率较高的分量滤除。较高频率的频谱线共 有9条,这样频域需要记录的信息点数为9个。把频谱线所在的频率记为fk,幅度记为ak。 并将fk取对数并归一化,这样可以进一步对频域进行压缩,由此可以得到频域中的FRI 信号如图7所示。
FRI频域信号通过辛格核滤波器得到的信号如图8所示。
利用FRI理论的恢复算法重构的频域FRI信号如图9所示。为了展示恢复的精确 性,也将初始的FRI频域信号画在图9中。
较高频率的信息已在频域中记录,因此可以将这部分信号从原始信号中剔除。将 信号中的较高频率成分滤除后,得到较低频成分信号的波形图如图10所示。
通过线段拟合算法对较低频成分信号进行处理,确定时域中需要采样的点数。利用线 段拟合算法,可以由30条线段近似描述低频成分的波形图。把线段的起始时刻记为tk, 斜率记为ak。可以得到时域中的FRI信号如图11所示。
FRI时域信号通过辛格核滤波器得到的信号如图12所示。
利用FRI理论的恢复算法重构的时域FRI信号如图13所示;为了展示恢复的精 确性,也将初始的FRI时域信号画在图13中。
根据恢复的时刻tk,幅度ak确定线段的起点与斜率,把这些线段首尾相连恢复出信 号的低频部分,由此,得到低频成分信号的波形图如图14所示。
在频域中,将恢复的FRI频域信号的做IFFT变换,将高频部分从频域转换到时域。 并与恢复的FRI时域信号进行叠加,得到恢复信号的波形图如图15所示。
通过图15,可以看出本发明中采样方案恢复信号的精确性。
本发明具有以下特点和显著进步:
1、本发明中的采样方案具有高效性。本发明的采样方案对于上面例子中的信号,需 要采样的点数仅仅为39个点,其中9个点在频域记录信号的高频信息,30个点在时域记 录信号的低频信息。而单单从时域分析,利用奈奎斯特采样定律需要采集20000个点的信 息。单单从频域进行分析,需要记录71个谱线的位置。由此可见,本发明的时频域综合 分析的方法可以大大地降低所需要的采样点数,具有采样的高效性。
2、本发明在时域信号分析中提出了线段拟合算法,可以比较精确地利用直线来 描述较低频率信号的波形曲线,这样可以高效地从时域中提取出较低频率成分的有效 信息。
3、本发明虽然采样的点数非常少,但是可以很精确地恢复信号。通过图15和图 4,可以比较恢复信号与原始信号,二者几乎是一模一样,因此验证了本发明中采样 恢复算法的精确性。
4、本发明巧妙地利用FRI理论,并拓展了FRI理论能处理的信号种类。本发明利 用fk和ak记录频域信息,利用tk和ak记录时域信息。而FRI理论能处理的是离散的信 号,如狄拉克流。这些信号的信息可以用时延tk和幅度ak来表示。把频域中的fk看成 FRI理论中的tk,把频域中的ak看成FRI理论中的ak。因此,频域部分可以利用FRI 理论进行处理。如果把时域中的tk看成FRI理论中的tk,把时域中的ak看成FRI理论 中的ak,这样时域部分的信号也可以用FRI理论进行处理。因此,可以利用FRI理论 对时域和频域记录的信息进行进一步的处理。同时,也将FRI理论能处理的信号种类 从离散的狄拉克流扩展到高频连续信号。
机译: 非均匀采样的多通道SAR系统时域SAR改进方位角信号重构方法
机译: 非均匀采样的多通道SAR系统时域SAR改进方位角信号重构方法
机译: 非等采样模拟信号重构方法,涉及使用重构滤波器函数对权重值序列进行滤波,以形成重构值序列