信号检测系统中四种噪声背景归一化方法的性能比较

1.系统整体框图

 框图说明 ：

         如上图所示，它是通过将采样波形在时域上进行快速傅里叶变换(FFT)并将其转换到频域来实现的。然后通过计算每个频率分量的包络，从FFT输出中获得幅度谱，幅度谱的大峰值表明存在高噪声值和信号。为了便于寻找信号，必须对噪声进行归一化，通常在高度单位。定义为：

         其中 是第k个窗口(bin: 信号处理里bin一般指一个快拍点，可以是时域的也可以是频域的，类似相机对连续世界的一次快拍得到一个离散采样。)中的幅度，是第k个窗口中的噪声均值估计。 如果 表示的窗口数据集可以用来估计 ，那么 的一个可能定义是:

该定义假设感兴趣的窗口位于的中心，并且K = 2M + 1是中的窗口数量。

         一旦选择了的合适定义，就必须决定如何使用中的窗口值来获得噪声均值。最简单的估计量是样本均值

         如果只包含噪声，这实际上是最优线性估计量，因为样本均值是最小方差无偏线性估计，然而，当中存在信号时，噪声均值估计可能严重向上偏置，从而使等式(1)中的归一化输出过低。

       包络检波器输入端的噪声为零均值，高斯分布，但在每个bin中有不同的方差。方差的选择使得包络检测器输出的噪声谱是线性倾斜的，斜率是任意选择的。因此，包络检波器的输出为Rayleigh分布，在每个bin中具有不同的均值和方差。

       在信号加噪声的情况下，包络检波器的输入假设为正弦信号(振幅恒定，相位随机)，在包络检波器的输出处产生一个Rician随机变量。假定信号位于窗口的中心。两种类型的信号被考虑:(1)静态信号(频率=0)在每个时间帧横跨一个窗口，(2)静态信号(频率=0)在每个时间帧横跨三个窗口。

2.四种归一化方案

        包括两次平均（TMP）、分割三次平均（S3PM）、分割平均排除平均（SAXA）和顺序截断平均（OTA）。

2.1 两次平均（TMP）

（1）局部一次平均：

（2）与第一次均值比较：

, T为剪切阈值，其中C取2 ）

（3）使用平滑后的数据计算每个bin的噪声均值估计μk。

2.2分割三次平均（S3PM）

（1）插入5-bin的间隙，形成新的序列，用新的序列计算局部第一次均值：

（2）与第一次均值进行比较：

（T的值同第一种方案中的T）

（3）计算局部第二次均值：

（4）与第二次均值进行比较：

 

（5）计算噪声均值估计μk：

2.3顺序截断平均（OTA）

（1）将中K个窗口的值按从小到大的顺序形成一个新的序列（）,其中最小，最大。

（2）确定样本中位数，并排除所有值大于的窗口，假设排除过程结束后，还有剩余L个窗口，然后用剩余的L个窗口获得噪声均值估计

2.4分割平均排除平均（SAXA）

（1）插入5-bin的间隙，形成新的序列，用新的序列计算局部第一次均值：

（2）通过排除超过剪切阈值的窗口，并保留小于 (T的值同第一种方案中的T)的窗口来修改频谱，假设排除后还剩个窗口。用剩下的窗口计算噪声均值估计

具体代码实现后续在更新啦