專(zhuān)利名稱(chēng)：基于邏輯運(yùn)算消除魏格納分布交叉項(xiàng)的信號(hào)處理方法
技術(shù)領(lǐng)域：
本發(fā)明涉及信號(hào)處理技術(shù)領(lǐng)域，具體涉及一種消除魏格納分布交叉項(xiàng)的信號(hào)處理方法。
背景技術(shù)：
魏格納(Wigner)分布是分析非平穩(wěn)和時(shí)變信號(hào)的一種有效手段，因其時(shí)間_帶
寬積達(dá)到了海森伯(Heisenberg)不確定性原理給出的下界，所以具有很高的分辨率、能量
集中性和滿足時(shí)頻邊緣等特性，但是魏格納分布是一種二次型變換，其變換不可避免的具
有交叉項(xiàng)，而且當(dāng)信號(hào)項(xiàng)變多時(shí)，交叉項(xiàng)會(huì)嚴(yán)重到無(wú)法區(qū)分信號(hào)項(xiàng)和交叉項(xiàng)。因而，人們提
出了很多去掉交叉項(xiàng)的方法，例如偽魏格納分布、平滑魏格納分布、平滑偽魏格納分布、喬
伊-威廉斯(Choi-Williams)分布等等。這些變換都是從核函數(shù)的設(shè)計(jì)出發(fā)來(lái)減小交叉項(xiàng)
的，它們均為科恩(Cohen)類(lèi)時(shí)頻分布，其它還有線性時(shí)頻分布、仿射類(lèi)雙線性時(shí)頻分布、
重排類(lèi)雙線性時(shí)頻分布、自適應(yīng)核函數(shù)類(lèi)時(shí)頻分布，以及參數(shù)化時(shí)頻分布等，這些分布各具
千秋，但基本上是在自項(xiàng)成分保留與交叉項(xiàng)成分抑制方面取得某種折衷，并且窗函數(shù)設(shè)計(jì)
麻煩，運(yùn)算量較大，有時(shí)需要數(shù)倍的運(yùn)算量，消除交叉項(xiàng)后得到的結(jié)果精度不高。 而不含交叉項(xiàng)的時(shí)頻分析方法就要數(shù)線性時(shí)頻分布了，其中譜圖時(shí)頻分析方法應(yīng)
用較廣，它是基于短時(shí)傅立葉變換的方法，它的定義是短時(shí)傅里葉變換模的平方，而短時(shí)傅
立葉變換是一種線性變換，因此對(duì)于多分量信號(hào)來(lái)說(shuō)，它不具有交叉項(xiàng)。但由不確定原理可
知，短時(shí)傅立葉變換的時(shí)間分辨率和頻率分辨率不可能同時(shí)變小，它們時(shí)寬-帶寬積存在
一個(gè)下限，這使得短時(shí)傅里葉變換的時(shí)頻聚集性就受到了限制。

發(fā)明內(nèi)容
有鑒于此，為了解決上述問(wèn)題，本發(fā)明提出了一種基于邏輯運(yùn)算消除魏格納分布交叉項(xiàng)的信號(hào)處理方法，使其立足于基于數(shù)據(jù)處理角度的邏輯處理分析，更好地實(shí)現(xiàn)了交叉項(xiàng)的消除和有用信息的保留，獲得了良好的交叉項(xiàng)消除效果。 本發(fā)明的目的是這樣實(shí)現(xiàn)的基于邏輯運(yùn)算消除魏格納分布交叉項(xiàng)的信號(hào)處理方法，包括如下步驟 1)接收原始信號(hào)數(shù)據(jù)并進(jìn)行預(yù)處理，獲得原始信號(hào)數(shù)據(jù)的初始矩陣； 2)對(duì)步驟1)所得的初始矩陣進(jìn)行魏格納分布處理，得到原始信號(hào)所對(duì)應(yīng)的魏格
納分布數(shù)據(jù)矩陣； 3)對(duì)步驟2)所得的魏格納分布數(shù)據(jù)矩陣進(jìn)行自適應(yīng)閾值降維處理； 4)對(duì)步驟1)所得的初始矩陣進(jìn)行譜圖時(shí)頻分析，得到譜圖對(duì)應(yīng)的數(shù)據(jù)矩陣； 5)對(duì)步驟4)所得的譜圖對(duì)應(yīng)的數(shù)據(jù)矩陣進(jìn)行自適應(yīng)閾值降維處理； 6)對(duì)步驟3)和步驟5)所得的經(jīng)過(guò)降維處理的矩陣進(jìn)行邏輯運(yùn)算，獲得消除魏格
納分布交叉項(xiàng)的信號(hào)數(shù)據(jù)。 進(jìn)一步，所述步驟1)中，采用最優(yōu)莫奈特小波消噪方法，對(duì)原始信號(hào)進(jìn)行連續(xù)小波變換處理，實(shí)現(xiàn)小波消噪，得到消噪后的初始矩陣X。； 進(jìn)一步，所述步驟2)中的魏格納分布處理，是指以初始矩陣X。為函數(shù)，對(duì)其進(jìn)行 如下的變換 w =* JV(f+)x(,+)n 式中，t為時(shí)間，"為角頻率，t為變量，x*(t)為x(t)的共軛，Wx(t，")為得到 的魏格納分布數(shù)據(jù)矩陣。 進(jìn)一步，所述步驟3)中的自適應(yīng)閾值降維處理是對(duì)魏格納分布數(shù)據(jù)矩陣W,(t，") 進(jìn)行如下運(yùn)算 thl = a *max(|Wx(t， w)|2); 式中，thl為閾值，a為參數(shù)，且a G
， ||為求模運(yùn)算，Wx, th(t，")為降維 處理后的數(shù)據(jù)矩陣。 進(jìn)一步，所述步驟4)中的譜圖時(shí)頻分析，是指以初始矩陣X。為函數(shù)，對(duì)其進(jìn)行如 下的變換 =| — 戸^ I2 . 式中，x(t)為初始矩陣函數(shù)，h(t)為分析窗，h*(t)為求共軛運(yùn)算，默認(rèn)值為 Hamming(N/4)， Sx(t，")為譜圖對(duì)應(yīng)的數(shù)據(jù)矩陣。 進(jìn)一步，所述步驟5)中的自適應(yīng)閾值降維處理是對(duì)譜圖對(duì)應(yīng)的數(shù)據(jù)矩陣S,(t，") 進(jìn)行如下運(yùn)算 th2 = P *max(|Sx(t， w)|2); 式中，th2為閾值，13為參數(shù)且，|3 G [O，l]， Sx,th(t，")為對(duì)譜圖對(duì)應(yīng)的數(shù)據(jù)矩
陣進(jìn)行自適應(yīng)閾值降維處理后得到的矩陣數(shù)據(jù)； 進(jìn)一步，所述步驟6)中的邏輯運(yùn)算為邏輯與運(yùn)算。 從魏格納分布本身的自項(xiàng)和交叉項(xiàng)來(lái)考慮，交叉項(xiàng)是分布于相鄰的兩個(gè)自項(xiàng)中間 的，因此我們可以通過(guò)數(shù)據(jù)分離把自項(xiàng)和交叉項(xiàng)分開(kāi)，從而實(shí)現(xiàn)交叉項(xiàng)的移除。從時(shí)頻分析 的角度來(lái)看，魏格納分布的結(jié)果實(shí)際上是一個(gè)矩陣數(shù)據(jù)，因此，我們可以從數(shù)據(jù)處理的角度 出發(fā)進(jìn)行分析，通過(guò)處理譜圖時(shí)頻分析結(jié)果得到一種包含自項(xiàng)的數(shù)據(jù)矩陣，和處理后的魏 格納分布矩陣進(jìn)行邏輯運(yùn)算，移除交叉項(xiàng)的干擾。本發(fā)明從不包含交叉項(xiàng)的譜圖時(shí)頻分析 方法入手考慮含有交叉項(xiàng)的魏格納分布交叉項(xiàng)的消除問(wèn)題，通過(guò)從數(shù)據(jù)處理的角度對(duì)矩陣 數(shù)據(jù)的閾值降維、邏輯分析處理，實(shí)現(xiàn)了魏格納分布交叉項(xiàng)的消除和有用信息的保留，完全 移除了遠(yuǎn)離自項(xiàng)的交叉項(xiàng)干擾，提高了魏格納分布分析效果，獲得了良好的消除交叉項(xiàng)效 果。 本發(fā)明的其他優(yōu)點(diǎn)、目標(biāo)，和特征在某種程度上將在隨后的說(shuō)明書(shū)中進(jìn)行闡述，并 且在某種程度上，基于對(duì)下文的考察研究對(duì)本領(lǐng)域技術(shù)人員而言將是顯而易見(jiàn)的，或者可以從本發(fā)明的實(shí)踐中得到教導(dǎo)。本發(fā)明的目標(biāo)和其他優(yōu)點(diǎn)可以通過(guò)下面的說(shuō)明書(shū)，權(quán)利要 求書(shū)，以及附圖中所特別指出的結(jié)構(gòu)來(lái)實(shí)現(xiàn)和獲得。


為了使本發(fā)明的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚，下面將結(jié)合附圖對(duì)本發(fā)明作進(jìn) 一步的詳細(xì)描述 圖1示出了本發(fā)明基于邏輯運(yùn)算消除魏格納分布交叉項(xiàng)的信號(hào)處理方法的流程 示意圖； 圖2示出了本發(fā)明實(shí)施例的仿真信號(hào)的魏格納分布等高線圖； 圖3示出了本發(fā)明實(shí)施例的仿真信號(hào)的譜圖時(shí)頻分布等高線圖； 圖4示出了本發(fā)明實(shí)施例的仿真信號(hào)通過(guò)Choi-Wi 11 iams分布消除交叉項(xiàng)后的等
高線圖； 圖5示出了本發(fā)明實(shí)施例的仿真信號(hào)通過(guò)偽魏格納分布消除交叉項(xiàng)后的等高線 圖； 圖6示出了本發(fā)明實(shí)施例的仿真信號(hào)通過(guò)重排類(lèi)雙線性時(shí)頻分布消除交叉項(xiàng)后 的等高線圖； 圖7示出了本發(fā)明實(shí)施例中仿真信號(hào)通過(guò)基于邏輯運(yùn)算消除魏格納分布交叉項(xiàng) 的信號(hào)處理方法消除交叉項(xiàng)后的等高線圖； 圖8示出了本發(fā)明實(shí)施例中使用較小閾值參數(shù)時(shí)對(duì)應(yīng)的消除交叉項(xiàng)后的等高線 圖； 圖9示出了本發(fā)明實(shí)施例中使用較大閾值參數(shù)時(shí)對(duì)應(yīng)的消除交叉項(xiàng)后的等高線 圖。
具體實(shí)施例方式
以下將對(duì)本發(fā)明的優(yōu)選實(shí)施例進(jìn)行詳細(xì)的描述。 參見(jiàn)圖l，本實(shí)施例的基于邏輯運(yùn)算消除魏格納分布交叉項(xiàng)的信號(hào)處理方法包括 如下步驟 1)接收某原始信號(hào)數(shù)據(jù)并進(jìn)行預(yù)處理，獲得該原始信號(hào)數(shù)據(jù)的初始矩陣；例如， 采用最優(yōu)莫奈特小波消噪方法，對(duì)原始信號(hào)進(jìn)行連續(xù)小波變換處理，實(shí)現(xiàn)小波消噪，得到消 噪后的初始矩陣X。；本實(shí)施例中，以一仿真信號(hào)作為原始信號(hào)為例，對(duì)該仿真信號(hào)進(jìn)行預(yù)處 理，得到初始序列X。(i)， i = 1，2， ...256.，此處為1X256序列。 2)對(duì)步驟1)所得的初始序列進(jìn)行魏格納分布處理，得到原始信號(hào)所對(duì)應(yīng)的魏格 納分布數(shù)據(jù)矩陣；所述魏格納分布處理，是指以初始序列X。(i)為函數(shù)，對(duì)其進(jìn)行如下的變 換 w力,+: JV(,-. 式中，t為時(shí)間，"為角頻率，為變量，Z(t)為x(t)的共軛，Wjt，")為魏格納 分布處理結(jié)果。對(duì)初始序列X。(i)處理得到的數(shù)據(jù)體現(xiàn)為256X256矩陣的形式，將得到的 魏格納分布數(shù)據(jù)矩陣Wx(t，")記為Xji， j)，i， j = 1，2，...256;
根據(jù)該魏格納分布數(shù)據(jù)矩陣Xji， j)繪制的魏格納分布等高線圖如附圖2所示，
圖2中頻率經(jīng)過(guò)歸一化處理，橫坐標(biāo)是時(shí)間，長(zhǎng)度為ls。從圖2中可以看出該仿真信號(hào)由兩
個(gè)線性調(diào)頻分量組成，這兩個(gè)分量的頻率變化分別是從0 0. 3和0. 2 0. 4，即圖中的兩
條線段，這兩條線段即魏格納分布的自項(xiàng)，而中間的0. 1 0. 35部分則是明顯的交叉項(xiàng)干
擾。本發(fā)明的優(yōu)越之處就在于消除了該交叉項(xiàng)的干擾，同時(shí)保留了魏格納分布良好的時(shí)間
頻率分辨率，從圖中表現(xiàn)為線條較細(xì)、占用時(shí)間頻率面積較小，沒(méi)有時(shí)頻發(fā)散。 3)選取合適的閾值，對(duì)步驟2)所得的魏格納分布數(shù)據(jù)矩陣進(jìn)行自適應(yīng)閾值降維
處理，將其轉(zhuǎn)化為數(shù)據(jù)簡(jiǎn)單易于分析的矩陣數(shù)據(jù)；所述對(duì)魏格納分布數(shù)據(jù)矩陣的自適應(yīng)閾
值降維處理，可分為硬閾值和軟閾值，這里，為了提高運(yùn)算效率，選擇采用硬閾值方法，不僅
可以保證運(yùn)算精度，還可以提高運(yùn)算效率。閾值處理的公式為 thl = a max(IXji， j) |2); 式中，thl為閾值，a為參數(shù)，且a G
， | |為求模運(yùn)算，X2 (i， j)為降維處理后的數(shù)據(jù)矩陣。這里a的取值直接影響閾值處理的效果，a取值越大，閾值后數(shù)據(jù)矩陣保留的數(shù)據(jù)越少，后續(xù)的分析效果越差；a取值越小，閾值后數(shù)據(jù)矩陣保留的數(shù)據(jù)越多，越能反映魏格納分布的優(yōu)良性能，即保持良好的能量聚集性和時(shí)頻分辨率。此處確定參數(shù)a =0. 2，計(jì)算得到thl = 25. 569。 閾值處理后，數(shù)據(jù)矩陣就變成了簡(jiǎn)單的表示形式，即全部為1或者0表示，這樣在三維空間，數(shù)據(jù)被壓縮到二維，而在二維坐標(biāo)內(nèi)，數(shù)據(jù)被壓縮到一維坐標(biāo)系，實(shí)現(xiàn)了數(shù)據(jù)的降維分析。 4)對(duì)步驟1)所得的初始矩陣進(jìn)行譜圖時(shí)頻分析，得到譜圖對(duì)應(yīng)的數(shù)據(jù)矩陣；所述譜圖時(shí)頻分析，是指以初始序列X。(i)為函數(shù)，對(duì)其進(jìn)行如下的變換 —,&|2 . 式中，x(t)為初始矩陣函數(shù)，h(t)為分析窗，h*(t)為求共軛運(yùn)算，默認(rèn)值為Hamming(N/4) ， Sx(t，")為譜圖分析結(jié)果。Sx(t，")對(duì)應(yīng)的數(shù)據(jù)矩陣記為X3(i， j) ， i， j =1，2， . 256.。 根據(jù)該數(shù)據(jù)矩陣X3(i， j)繪制的魏格納分布等高線圖如圖4所示，圖1中頻率經(jīng)過(guò)歸一化處理，橫坐標(biāo)是時(shí)間，長(zhǎng)度為ls。從圖4中可以看出譜圖可以有效地顯示出信號(hào)中兩線性調(diào)頻分量成分，其頻率分布范圍也很明顯，分別是從0 0. 3和0. 2 0. 4，這對(duì)應(yīng)著魏格納分布中的自項(xiàng)成分，但是，和魏格納分布相比，譜圖時(shí)頻分布時(shí)間頻率分辨率較低，從圖中表現(xiàn)為時(shí)頻面占用面積較大，范圍較寬，因此通過(guò)譜圖不能精確確定信號(hào)分量成分的參數(shù)。 5)對(duì)步驟4)所得的譜圖對(duì)應(yīng)的數(shù)據(jù)矩陣進(jìn)行自適應(yīng)閾值降維處理；所述自適應(yīng)閾值降維處理是對(duì)譜圖對(duì)應(yīng)的數(shù)據(jù)矩陣X3(i， j)進(jìn)行如下運(yùn)算
th2 = P max(|X3(i， j) |2);[OO59] 式中，th2為閾值，13為參數(shù)且，13 G
，X4(i， j)為對(duì)X3(i， j)進(jìn)行自適應(yīng)閾 值降維處理后得到的矩陣數(shù)據(jù)。這里13的取值直接影響閾值處理的效果，和步驟三的閾值 調(diào)整參數(shù)不同，13取值越小，閾值后數(shù)據(jù)矩陣保留的數(shù)據(jù)越多，后續(xù)分析得到的時(shí)頻分析結(jié) 果分辨率越差；P取值越大，閾值后數(shù)據(jù)矩陣保留的數(shù)據(jù)越少，后續(xù)的分析效果越好，越能 反映魏格納分布的優(yōu)良性能，即保持良好的能量聚集性和時(shí)頻分辨率。此處確定參數(shù)13 = 0. 7，計(jì)算得到th2 = 28. 516。 閾值處理后，數(shù)據(jù)矩陣就變成了簡(jiǎn)單的表示形式，即全部為1或者0表示，這樣在 三維空間，數(shù)據(jù)被壓縮到二維，而在二維坐標(biāo)內(nèi)，數(shù)據(jù)被壓縮到一維坐標(biāo)系，實(shí)現(xiàn)了數(shù)據(jù)的 降維分析。 6)對(duì)步驟3)和步驟5)所得的經(jīng)過(guò)降維處理的矩陣進(jìn)行邏輯與運(yùn)算，獲得消除魏 格納分布交叉項(xiàng)的信號(hào)數(shù)據(jù)。 所述的兩個(gè)矩陣進(jìn)行的邏輯運(yùn)算，是指根據(jù)邏輯運(yùn)算規(guī)律對(duì)兩個(gè)矩陣X2(i， j)和 X4(i， j)的數(shù)據(jù)進(jìn)行處理，其中"與運(yùn)算"規(guī)則為0&0 = 0，0&1 = 0，1&0 = 0，1&1 = 1。運(yùn) 算后得到矩陣數(shù)據(jù)，記做記為X5(i， j) ， i， j = 1，2， . . . 256.。 根據(jù)&(i， j)繪制其等高線圖，如圖7所示，不僅去除了交叉項(xiàng)的干擾，而且保留 了魏格納分布自項(xiàng)的高時(shí)頻分辨率的特點(diǎn)，同時(shí)，在運(yùn)算過(guò)程中運(yùn)算速度加快，效率明顯提高。 本實(shí)施例同時(shí)對(duì)比了現(xiàn)有的其他三種消除交叉項(xiàng)的技術(shù)，其中圖4為該信號(hào) Choi-Williams分布結(jié)果，該方法雖然可以消除交叉項(xiàng)的干擾，但是時(shí)頻分辨率和魏格納分 布相比降低很多，同時(shí)時(shí)頻圖中有很多突起和毛剌，沒(méi)有起到好的平滑的效果；圖5為該信 號(hào)偽魏格納分布處理的結(jié)果，該方法不僅沒(méi)有很好地消除交叉項(xiàng)的干擾，而且降低了時(shí)頻 分辨率，效果不太理想；圖6為該信號(hào)重排類(lèi)雙線性時(shí)頻分布結(jié)果，該方法可以很好地保留 魏格納分布較高的時(shí)頻分辨率，但是交叉項(xiàng)的干擾消除并不理想。 本實(shí)施例在確定兩個(gè)閾值參數(shù)thl和th2時(shí)，對(duì)比了兩種不同的閾值對(duì)結(jié)果的影 響，如圖8、9所示，圖8是th2選取一個(gè)較小值1. 901時(shí)的結(jié)果，交叉項(xiàng)消去效果不理想，但 是魏格納分布的較高時(shí)頻分辨率可以很好地保持；圖9是th2選取一個(gè)較大值30. 417時(shí)的 結(jié)果，交叉項(xiàng)完全被消除，但是有用的自項(xiàng)成分同時(shí)被消除，效果同樣不理想。這兩種極端 情況都是需要避免的，其中的關(guān)鍵就是閾值的選取，因此閾值的自適應(yīng)選取也是本方法的 另一個(gè)創(chuàng)新之處。 本實(shí)施例基于邏輯處理和閾值降維技術(shù)，通過(guò)從數(shù)據(jù)處理的角度對(duì)矩陣數(shù)據(jù)的分
析處理，實(shí)現(xiàn)了魏格納分布交叉項(xiàng)的消除和有用信息的保留，完全移除了遠(yuǎn)離自項(xiàng)的交叉
項(xiàng)干擾，提高了運(yùn)算效率，提高了魏格納分布分析效果，獲得了良好的消除交叉項(xiàng)效果。 以上所述僅為本發(fā)明的優(yōu)選實(shí)施例，并不用于限制本發(fā)明，顯然，本領(lǐng)域的技術(shù)人
員可以對(duì)本發(fā)明進(jìn)行各種改動(dòng)和變型而不脫離本發(fā)明的精神和范圍。這樣，倘若本發(fā)明的
這些修改和變型屬于本發(fā)明權(quán)利要求及其等同技術(shù)的范圍之內(nèi)，則本發(fā)明也意圖包含這些
改動(dòng)和變型在內(nèi)。
權(quán)利要求
基于邏輯運(yùn)算消除魏格納分布交叉項(xiàng)的信號(hào)處理方法，其特征在于包括如下步驟1)接收原始信號(hào)數(shù)據(jù)并進(jìn)行預(yù)處理，獲得原始信號(hào)數(shù)據(jù)的初始矩陣；2)對(duì)步驟1)所得的初始矩陣進(jìn)行魏格納分布處理，得到原始信號(hào)所對(duì)應(yīng)的魏格納分布數(shù)據(jù)矩陣；3)對(duì)步驟2)所得的魏格納分布數(shù)據(jù)矩陣進(jìn)行自適應(yīng)閾值降維處理；4)對(duì)步驟1)所得的初始矩陣進(jìn)行譜圖時(shí)頻分析，得到譜圖對(duì)應(yīng)的數(shù)據(jù)矩陣；5)對(duì)步驟4)所得的譜圖對(duì)應(yīng)的數(shù)據(jù)矩陣進(jìn)行自適應(yīng)閾值降維處理；6)對(duì)步驟3)和步驟5)所得的經(jīng)過(guò)降維處理的矩陣進(jìn)行邏輯運(yùn)算，獲得消除魏格納分布交叉項(xiàng)的信號(hào)數(shù)據(jù)。
2. 如權(quán)利要求1所述的基于邏輯運(yùn)算消除魏格納分布交叉項(xiàng)的信號(hào)處理方法，其特征在于所述步驟1)中，采用最優(yōu)莫奈特小波消噪方法，對(duì)原始信號(hào)進(jìn)行連續(xù)小波變換處理，實(shí)現(xiàn)小波消噪，得到消噪后的初始矩陣x。。
3. 如權(quán)利要求2所述的基于邏輯運(yùn)算消除魏格納分布交叉項(xiàng)的信號(hào)處理方法，其特征在于所述步驟2)中的魏格納分布處理，是指以初始矩陣X。為函數(shù)，對(duì)其進(jìn)行如下的變換式中，t為時(shí)間，"為角頻率，T為變量，Z(t)為x(t)的共軛，Wx(t，")為得到的魏格納分布數(shù)據(jù)矩陣。
4.如權(quán)利要求1、2或3中任一項(xiàng)所述的基于邏輯運(yùn)算消除魏格納分布交叉項(xiàng)的信號(hào)處理方法，其特征在于所述步驟3)中的自適應(yīng)閾值降維處理是對(duì)魏格納分布數(shù)據(jù)矩陣 Wx(t，")進(jìn)行如下運(yùn)算: <formula>formula see original document page 2</formula>式中，thl為閾值，a為參數(shù)，且a G [O，l]， II為求模運(yùn)算，W^h(t，")為降維處理 后的數(shù)據(jù)矩陣。
5.如權(quán)利要求1所述的基于邏輯運(yùn)算消除魏格納分布交叉項(xiàng)的信號(hào)處理方法，其特征 在于所述步驟4)中的譜圖時(shí)頻分析，是指以初始矩陣X。為函數(shù)，對(duì)其進(jìn)行如下的變換式中，X(t)為初始矩陣函數(shù)，h(t)為分析窗，h*(t)為求共軛運(yùn)算，默認(rèn)值為 Hamming(N/4)， Sx(t，")為譜圖對(duì)應(yīng)的數(shù)據(jù)矩陣。
6.如權(quán)利要求5所述的基于邏輯運(yùn)算消除魏格納分布交叉項(xiàng)的信號(hào)處理方法，其特征 在于所述步驟5)中的自適應(yīng)閾值降維處理是對(duì)譜圖對(duì)應(yīng)的數(shù)據(jù)矩陣Sx(t， co)進(jìn)行如下 運(yùn)算 <formula>formula see original document page 2</formula>式中，th2為閾值，13為參數(shù)，且13 G [O，l]， Sx,th(t，")為對(duì)譜圖對(duì)應(yīng)的數(shù)據(jù)矩陣進(jìn) 行自適應(yīng)閾值降維處理后得到的矩陣數(shù)據(jù)。
7.如權(quán)利要求5所述的基于邏輯運(yùn)算消除魏格納分布交叉項(xiàng)的信號(hào)處理方法，其特征 在于所述步驟6)中的邏輯運(yùn)算為邏輯與運(yùn)算。
全文摘要
本發(fā)明提出了一種基于邏輯運(yùn)算消除魏格納分布交叉項(xiàng)的信號(hào)處理方法，使其立足于基于數(shù)據(jù)處理角度的邏輯處理分析，更好地實(shí)現(xiàn)了交叉項(xiàng)的消除和有用信息的保留，獲得了良好的交叉項(xiàng)消除效果；本發(fā)明的方法包括如下步驟1)接收原始信號(hào)數(shù)據(jù)并進(jìn)行預(yù)處理，獲得原始信號(hào)數(shù)據(jù)的初始矩陣；2)對(duì)初始矩陣進(jìn)行魏格納分布處理，得到原始信號(hào)所對(duì)應(yīng)的魏格納分布數(shù)據(jù)矩陣；3)對(duì)魏格納分布數(shù)據(jù)矩陣進(jìn)行自適應(yīng)閾值降維處理；4)對(duì)步驟1)所得的初始矩陣進(jìn)行譜圖時(shí)頻分析，得到譜圖對(duì)應(yīng)的數(shù)據(jù)矩陣；5)對(duì)譜圖對(duì)應(yīng)的數(shù)據(jù)矩陣進(jìn)行自適應(yīng)閾值降維處理；6)對(duì)經(jīng)過(guò)降維處理的矩陣進(jìn)行邏輯運(yùn)算，獲得消除魏格納分布交叉項(xiàng)的信號(hào)數(shù)據(jù)。
文檔編號(hào)G06F17/14GK101739386SQ20091019164
公開(kāi)日2010年6月16日 申請(qǐng)日期2009年11月27日 優(yōu)先權(quán)日2009年11月27日
發(fā)明者劉文藝, 湯寶平, 鄧?yán)?申請(qǐng)人:重慶大學(xué)