一種基于鄰值比較的信噪分離方法

劉 奇， 馮冬冬， 蔡明輝， 王 玥， 劉 曄， 蘇曉明

(1.中國科學院新疆天文臺， 烏魯木齊 830011； 2.新疆微波技術重點實驗室， 烏魯木齊830011；3.新疆大學物理科學與技術學院， 烏魯木齊 830046)

射電天文觀測是被動地接收來自距離地球十幾億甚至百億光年以外宇宙空間微弱的天體信號。射電天文望遠鏡作為射電天文的主要研究工具，具有極高的系統靈敏度[1]。隨著無線電技術的快速發展以及國內射電天文臺站在升級改造過程中缺乏電磁兼容設計及屏蔽方面的考慮，導致臺站的電磁環境變得日益復雜，嚴重影響射電天文觀測[2]。在電磁環境監測過程中，監測系統接收到的無線電信號包括自然輻射、電子設備輻射、各類無線通信業務等。根據電磁環境監測的需求，首先要將頻譜噪聲和信號進行分離，進而對分離出來的信號進行識別和統計，為射電天文臺站干擾查找及消除干擾策略提供數據支持，保護射電望遠鏡的有效運行，降低望遠鏡的運行風險[3-4]。

信噪分離及信號檢測提取是信號處理領域的基本問題，傳統的信號噪聲分離方法通過確定信噪分離閾值，將頻譜中各點幅度值與對應的閾值進行比較實現，即大于閾值的頻點認為是信號，小于閾值的頻點被認為是背景噪聲[5]。閾值的確定分為兩種：全局閾值和局部閾值。全局閾值的分離方法在處理具有平坦背景噪聲的頻譜時有較好的信噪分離結果，但是對于背景噪聲起伏不定的頻譜，分離效果不佳。局域閾值依據不同頻段的實際情況選擇不同的閾值，閾值確定較為困難，若閾值選取不合適，將導致信噪分離的精確度較低。文獻[2]提出的基于數據擬合的方法提取干擾僅僅適應于窄帶頻譜的信號分離，且該方法在數據擬合過程中運行時間較長，不適應寬帶頻譜的信噪分離，更難以應用于實時頻譜監測。文獻[6]提出基于紋理特征的背景噪聲提取方法，此方法沒有給出閾值選取的方法及范圍，平滑窗口的尺寸僅僅給出了一個工程經驗值20，在實際處理數據過程中，當信號帶寬大于平滑窗口尺寸，且信號幅度較為平坦時，會將信號誤判成噪聲，降低了信噪分離的準確度。文獻[7]提出一種基于圖像形態學原理的信噪分離方法，采用形態學梯度實現信號噪聲的分離，此方法在強噪聲背景下，容易將噪聲誤判成信號，信噪分離準確度較低。國際電信聯盟(International Telecommunication Union, ITU)建議書提出一種“20%”的統計方法提取頻譜背景噪聲，但是此算法只適用于窄帶頻譜，對應寬帶頻譜的適應性較差[8]。文獻[9]提出一種基于K-均值聚類背景噪聲提取算法，該方法提取的背景噪聲為一固定值，對于起伏較大的背景噪聲適應性較差。綜上所述，現有信號提取方法受頻譜噪聲起伏、帶寬等因素影響，多在某種場合具有較好的適應性。

為提高電磁環境實時監測及數據處理效率，現針對寬帶頻譜數據樣本，研究通用型更好的高精度、快速信噪分離算法，為進一步的實時電磁環境監測信號識別與統計提供算法支撐。

1 頻譜特征分析

電磁環境監測產生大量的寬帶頻譜序列，如文獻[10]采用準實時電磁環境測量方法，單個測試方向為測量天線的3 dB帶寬，若天線3 dB波束寬度為60°，需要測試6次，覆蓋360°范圍。圖1給出了6個方向的實測頻譜，頻率范圍為1 000～2 800 MHz，頻點間隔為30 kHz，60 001個頻點數，頻譜特征如下：①頻譜噪聲動態范圍較窄，這是由于臺站電磁環境監測系統通常采用線性平均的模式進行掃描；②不同方向頻譜噪聲起伏趨勢一致，噪聲起伏主要由系統微波鏈路中器件性能決定；③頻譜噪聲隨著頻率變化存在起伏，噪聲幅度值大小不一，但相鄰噪聲幅度值變化較為平滑；④電波環境測量頻譜中干擾信號以窄帶信號為主，寬帶干擾主要為臺站外無線通信業務[11]。

圖1 電磁環境實測典型頻譜Fig.1 Measured typical spectrum of electromagnetic environment

2 信噪分離方法

2.1 方法描述

依據上述思路，信噪分離方法流程如圖2所示，采用鄰值比較的方法獲取寬帶頻譜噪聲，并對提取的頻譜噪聲進行濾波處理，計算頻譜噪聲動態范圍，確定信噪分離閾值，進而實現信號的提取。

圖2 方法總體流程圖Fig.1 Overall flow chart of the method

2.2 信噪分離方法

信噪分離方法步驟如下。

步驟1 獲取臺站的電磁環境監測系統提供的多組寬帶頻譜數據P(F[n],V[n])，其中P為二維數組，F為頻率，V為頻率點對應的幅度值，n為頻率點個數。

(1)

(2)

(3)

步驟4 計算頻譜噪聲初始點的值。

鄰值比較法中將第一個點默認為噪聲點進行鄰值判別，如果第一個點為信號點，將會造成提取的噪聲誤差較大，并且有信號損失。為避免這種情況的發生，采用國際電信聯盟建議書中“20%方法”[8]計算起始噪聲信號。將頻譜幅度值{V[1],V[2],V[3],…,V[n]}按從小到大升序排列，得到{S[1],S[2],S[3],…,S[n]}。取新序列中第20%點作為起始噪聲點V[0]。

步驟5 采用鄰值比較的方法提取頻譜噪聲，方法流程圖如圖3所示。詳細流程如下。

圖3 鄰值比較算法流程圖Fig.3 Flow chart of neighbor comparison algorithm

(1)起始噪聲點V[0]和V[1]做比較，如果|V[0]-V[1]|>deta，且V[1]>V[0]，則V[1]=V[0]。

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

(3)當i>n時，結束鄰值比較。

步驟6 對頻譜噪聲數據P1(F[n]，V1[n])進行平滑濾波處理，得到相應的噪聲濾波數據P2(F[n]，V2[n])。

按照式(4)計算頻譜P2(F[n]，V2[n])中V2[l1]的數值，即

V2[l1]=(V1[1]+V1[2]+…+V1[10])/10

(4)

式(4)中：l1=1,2,…,5。

按照式(5)計算頻譜P2(F[n]，V2[n])中V2[l1]的數值，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)計算頻譜P2(F[n]，V2[n])中V2[l3]的數值，即

V2[l3]=(V1[n-9]+V1[n-8]+…+V1[n])/10

(6)

式(6)中：l3=n-4,n-3,…,n。

3 實例分析

(1)為驗證該方法的準確性和適應性，對實測數據樣本進行信噪分離。數據樣本為某射電天文臺站0°、60°、120°、180°、240°、360°共6個方向典型寬帶頻譜數據樣本，頻率帶寬為1 000～2 800 MHz。

(3)計算鄰值比較判別值deta為0.17。此外，按照步驟4～步驟6計算頻譜噪聲的初始點的值V[0]，提取寬帶頻譜噪聲，并對提取的背景噪聲進行濾波處理。

圖4 6個方向信噪分離結果圖Fig.4 Result diagram of signal-to-noise separation in 6 directions

(5)為了進一步驗證此方法的準確性，采用本文方法、基于數據擬合的方法[2]、基于紋理特征的背景噪聲提取方法[6]、國際電信聯盟建議書中20%方法[8]、改進20%方法[13]等對相同的寬帶頻譜數據進行信噪分離，并提取分離后的信號。并通過人工識別信號個數與不同方法識別信號個數進行比對，計算不同方法信號識別準確率。算法準確率和運行時間統計結果如表1所示。結果表明，本文方法的準確率最高，且算法預算時間相對較短，能夠適用于寬帶頻譜信噪分離。

表1 不同方法準確率與運行時間Table 1 Comparison of correct recognition rates of different methods

4 結論

面向電磁環境監測寬帶頻譜序列，提出了一種高精度信噪分離方法，該方法通過應用于實測寬帶頻譜數據樣本，并與現有信噪分離方法進行比對。結果表明，該方法信噪分離準確率最高，且算法預算時間相對較短，能夠應用于射電天文臺站實時電磁環境監測，提高信號識別與統計效率。