首页 理论教育应用W-O谱分析技术进行信号检测优化

应用W-O谱分析技术进行信号检测优化

【摘要】:为了检测W-O算法对信号检测能力的提高,要对含有噪声的双频正弦波做谱分析。W-O谱提升了信号能量,使邻近噪声谱得到很大程度的压抑。表6-2 二维信号W-O谱检测对比统计结果上面的实验结果验证了频率相近的两个信号通过W-O谱分析后分离度得到增加,便于提取。表6-2 二维信号W-O谱检测对比统计结果图6-13 二维信号W-O谱检测对比图图6-13 二维信号W-O谱检测对比图

为了检测W-O算法对信号检测能力的提高,要对含有噪声的双频正弦波做谱分析。设信号由频率分别为240Hz和248.8Hz,幅值为0.3的正弦波组成,并受均值为0,方差为1的高斯白噪声nt)干扰,信噪比为-10dB,信号被噪声淹没,即

st)=0.3sin(2π·240t)+0.3sin(2π·248.8t)+nt) (6-32)

采样频率fs=2048Hz,进行长度为512点的FFT仿真结果如图6-12所示(取半边谱图)。

978-7-111-48233-8-Chapter06-58.jpg

图6-12 一维信号W-O谱检测对比图

传统加矩形窗、三角窗和汉宁窗与apnsd W-O谱检测结果中两个正弦相对幅值及噪声谱统计结果见表6-1。

6-1 一维信号W-O谱检测对比统计结果

978-7-111-48233-8-Chapter06-59.jpg

上面的实验结果验证了频率相近的两个信号通过W-O谱分析后分离度得到增加,便于提取。W-O谱提升了信号能量,使邻近噪声谱得到很大程度的压抑。无论从谱均值还是方差来对比,W-O效果均优于传统直接分析法。MATLAB实现代码与上述spWO函数基本相同,不再列出。需要注意是,MATLAB中噪声通过随机函数来生成,其中rand产生的噪声满足均匀分布,randn则是产生满足均值为0和方差为1的正态分布即高斯白噪声。

二维信号W-O谱分析进行信号检测的过程与一维信号类似,假设二维信号s成分中信噪比为-10dB,构成如下:

s=0.3sin(480πtr+497.6πtc)+ntrtc) (6-33)

式中,ntrtc)是均值为0,方差为1的二维高斯白噪声。采样频率fs=1024Hz,进行长度为64点的二维FFT谱分析,W-O方法与传统加窗方法得到结果对比图如图6-13所示。

统计结果见表6-2。

6-2 二维信号W-O谱检测对比统计结果

978-7-111-48233-8-Chapter06-60.jpg

978-7-111-48233-8-Chapter06-61.jpg

图6-13 二维信号W-O谱检测对比图