王李鵬 梁 琪 鄒先立 劉 嘉

?

基于優(yōu)化移動(dòng)均值濾波的頻譜降噪分析方法

王李鵬 梁 琪 鄒先立 劉 嘉

（中國酒泉衛(wèi)星發(fā)射中心，蘭州 732750）

電磁環(huán)境監(jiān)測(cè)中，背景噪聲的抑制和濾除是影響頻譜分析的最關(guān)鍵因素之一。本文針對(duì)傳統(tǒng)的移動(dòng)均值濾波算法存在的不足作了部分改進(jìn)，使傳統(tǒng)的均值濾波算法得以優(yōu)化。大量的實(shí)驗(yàn)證明，優(yōu)化后的濾波算法能夠更合理地降低噪聲對(duì)信號(hào)的影響，減小信號(hào)失真，濾波效果好，靈敏度高。

電磁環(huán)境監(jiān)測(cè)；背景噪聲；抑制；濾除；移動(dòng)均值濾波

隨著現(xiàn)代網(wǎng)絡(luò)、通信、電子技術(shù)的高速發(fā)展，越來越多的無線電信號(hào)環(huán)繞在人們周圍。在民用、商用、航天等各個(gè)領(lǐng)域，對(duì)無線信號(hào)的電磁環(huán)境監(jiān)測(cè)凸顯出越來越重要的地位。不同時(shí)間、不同地點(diǎn)、不同角度監(jiān)測(cè)得到的信號(hào)頻譜圖背景噪聲不同，背景噪聲影響數(shù)據(jù)的輸入、采集、處理等各個(gè)環(huán)節(jié)以及輸出的全過程[1]。因此，背景噪聲的提取或抑制一直是頻譜分析領(lǐng)域的基本問題，研究如何從嘈雜的噪聲信號(hào)中提取分離出有用的信號(hào)電平具有十分重要的意義。

根據(jù)噪聲幅值的不同，基本可以分為椒鹽噪聲和高斯噪聲，在電磁環(huán)境監(jiān)測(cè)中經(jīng)常遇到的屬于高斯噪聲[2-5]。針對(duì)高斯噪聲，移動(dòng)均值濾波法是國際上最常用、最基本的濾波方法，算法簡單、運(yùn)算速度快，深受廣大學(xué)者歡迎。為了達(dá)到更高的濾波準(zhǔn)確度，提升濾波效果，本文將對(duì)現(xiàn)有的移動(dòng)均值濾波算法進(jìn)行研究，并改進(jìn)優(yōu)化。

1 傳統(tǒng)的移動(dòng)均值濾波算法

假設(shè)某一信號(hào)頻譜分量()，=0, 1, 2, …,-1，包含個(gè)非平穩(wěn)數(shù)據(jù)，設(shè)濾波窗大小為奇數(shù)，即取一組長度為的數(shù)組，計(jì)算平均值

式中，0≤≤-。

特別地，在信號(hào)頻譜邊緣處，所取窗口大小無法使得該信號(hào)電平值處于窗口中心位置時(shí)，適當(dāng)減小窗口寬度直至=1。Matlab中移動(dòng)均值濾波器默認(rèn)的窗口大小為3，即濾波后的信號(hào)電平值為[10-13]：

(1)=(1);

(2)= [(1)+(2) +(3)]/3;

(3)=[(2)+(3)+(4)]/3;

(-1)=[(-2)+(-1)+()]/3;

()=().

2 移動(dòng)均值濾波的算法優(yōu)化

不難發(fā)現(xiàn)，傳統(tǒng)的均值濾波算法對(duì)單頻點(diǎn)單數(shù)值的脈沖信號(hào)的削弱效果較為明顯，此外，濾波窗口的大小具有不確定性。傳統(tǒng)均值濾波算法的濾波窗口通常在整個(gè)算法過程中人為地取定值，實(shí)際上，在計(jì)算窗口內(nèi)所有頻譜信號(hào)電平的平均值時(shí)，各個(gè)信號(hào)電平分量模值的影響和貢獻(xiàn)是不一樣的。若窗口內(nèi)的電平均值與窗口中心值差異較大，則表明該處存在噪聲的可能性較大。

針對(duì)上述問題，本文推出了一種確定濾波窗口大小的方法，并在計(jì)算窗口內(nèi)電平均值時(shí)引入了另一種求電平均值的方法，即加權(quán)平均值法[1]。

加權(quán)平均值法既可以求出窗口內(nèi)信號(hào)電平的均值，又顧及了各個(gè)信號(hào)電平分量模值對(duì)窗口內(nèi)信號(hào)電平均值的貢獻(xiàn)和影響，加權(quán)平均值的定義為

式中，為加權(quán)系數(shù)，即窗口內(nèi)某一信號(hào)電平模值占整個(gè)窗口所有電平模值之和的百分比。

假設(shè)個(gè)相鄰信號(hào)電平的方差小于1，則認(rèn)為該段區(qū)間是近似平穩(wěn)的，窗口大小確定為。反之，則適當(dāng)減小的取值，直至該段區(qū)間近似平穩(wěn)或的取值減小至1為止。個(gè)相鄰信號(hào)電平的方差為

優(yōu)化后的移動(dòng)均值濾波算法流程如圖1所示。

3 試驗(yàn)結(jié)果與分析

3.1 試驗(yàn)設(shè)置及方法

試驗(yàn)裝置選用雙脊喇叭天線、對(duì)數(shù)周期天線、低噪聲信號(hào)放大器及頻譜分析儀構(gòu)成無線電信號(hào)監(jiān)測(cè)系統(tǒng)，系統(tǒng)結(jié)構(gòu)如圖2所示。在通用頻段內(nèi)，喇叭天線主要接收頻率在1GHz以上的信號(hào)，對(duì)數(shù)天線主要接收頻率在1GHz以下的信號(hào)，通過改變天線的朝向使得各個(gè)方位的無線電信號(hào)通過頻譜分析儀顯示出來。

圖1 優(yōu)化的移動(dòng)均值濾波算法流程圖

圖2 試驗(yàn)裝置結(jié)構(gòu)圖

3.2 試驗(yàn)結(jié)果及分析

高斯噪聲是一個(gè)具有零均值的平穩(wěn)隨機(jī)過程，但在實(shí)際的電磁環(huán)境監(jiān)測(cè)中，由于監(jiān)測(cè)環(huán)境、天線、線纜、接收機(jī)等硬件系統(tǒng)性能的不同，以及監(jiān)測(cè)系統(tǒng)對(duì)無線電信號(hào)的放大、衰減、濾波、數(shù)字化等作用，使得信號(hào)頻譜圖的背景噪聲具有不同的紋理特征。

為了進(jìn)一步檢驗(yàn)改進(jìn)型移動(dòng)均值濾波算法的優(yōu)越性和準(zhǔn)確性，通過對(duì)某一相對(duì)穩(wěn)定開放的環(huán)境內(nèi)無線電信號(hào)進(jìn)行長時(shí)間大量的監(jiān)測(cè)，分別用傳統(tǒng)的均值濾波算法和優(yōu)化后的均值濾波算法對(duì)監(jiān)測(cè)得到的上百幅頻譜圖進(jìn)行降噪分析并統(tǒng)計(jì)。結(jié)果表明：優(yōu)化后的均值濾波算法，能夠在合理的抑制不同頻段不同時(shí)間的無線信號(hào)背景噪聲的同時(shí)，更好地保留原始信號(hào)真值。本文以某一頻段為例，對(duì)兩種濾波算法的降噪效果具體分析比較。

圖3所示為試驗(yàn)過程中頻段為930～1000MHz的頻譜圖，取該頻譜圖的原始數(shù)據(jù)，對(duì)原始數(shù)據(jù)分別用兩種均值濾波算法進(jìn)行降噪處理。傳統(tǒng)的均值濾波算法濾波窗口分別取=3和=15時(shí)，得到的結(jié)果分別如圖4、圖5所示，優(yōu)化后的濾波結(jié)果如圖6所示。

圖3 試驗(yàn)頻譜圖樣本

圖4 傳統(tǒng)均值濾波窗口為3的結(jié)果

圖5 傳統(tǒng)均值濾波窗口為15的結(jié)果

圖6 優(yōu)化的均值濾波結(jié)果

對(duì)比圖4至圖6可知，兩種濾波方法均能有效的抑制和濾除部分背景噪聲，使得有用信號(hào)顯現(xiàn)出來，但濾波效果有所不同。

對(duì)傳統(tǒng)的均值濾波算法而言，當(dāng)濾波窗口取值較小時(shí)，信號(hào)平滑度低但靈敏度高，信號(hào)峰值與原始數(shù)據(jù)吻合度較高；當(dāng)濾波窗口取值較大時(shí)，信號(hào)平滑度高但靈敏度低，信號(hào)峰值與原始數(shù)據(jù)相比失真較大，難以達(dá)到動(dòng)態(tài)平衡。

優(yōu)化后的均值濾波算法在整個(gè)濾波過程中，濾波窗口的大小隨著信號(hào)電平平穩(wěn)度的變化實(shí)時(shí)改變。此外，算法中還考慮了各個(gè)信號(hào)電平模值分量的影響，噪聲抑制效果好，濾波靈敏度高。與傳統(tǒng)的均值濾波算法相比，不僅使得有用信號(hào)從噪聲中清晰地分離出來，而且減小了信號(hào)失真，避免了信息元丟失。

4 結(jié)論

本文對(duì)傳統(tǒng)的均值濾波算法進(jìn)行了優(yōu)化，通過改進(jìn)窗口段數(shù)據(jù)平均值的求法并用限定方差的方法靈活限定濾波窗口的大小，以達(dá)到抑制噪聲的目的。通過大量的實(shí)驗(yàn)表明，優(yōu)化后的移動(dòng)均值濾波算法與傳統(tǒng)的均值濾波算法相比，能夠更合理地降低噪聲對(duì)信號(hào)的影響，減小信號(hào)失真，濾波效果好，靈敏度高，對(duì)以后的電磁環(huán)境監(jiān)測(cè)和頻譜信號(hào)分析具有非常重要的意義。

[1] 張書豪. 一種改進(jìn)權(quán)重的非局部均值濾波算法[J]. 信息通信, 2017(5): 12-14.

[2] 蔡斌, 劉衛(wèi), 鄭重, 等. 一種改進(jìn)的非局部均值去噪算法[J]. 模式識(shí)別與人工智能, 2016, 29(1): 1-10.

[3] 郭貝貝, 易三莉, 賀建峰, 等. 改進(jìn)的非局部均值濾波算法[J]. 計(jì)算機(jī)工程, 2016, 42(7): 227-231.

[4] 邵琪, 鄔延輝, 薛培培. 一種自適應(yīng)雙閾值模糊中值濾波算法的研究[J]. 移動(dòng)通信, 2015, 39(8): 75-79.

[5] 馮霞, 龔曉峰, 張利丹, 等. 基于紋理特征的背景噪聲提取的應(yīng)用研究[J]. 電子學(xué)報(bào), 2009, 37(9): 2092- 2095.

[6] 羅歡. 基于均值濾波器的Fryze三相有功電流檢測(cè)[J]. 電氣技術(shù), 2006, 7(11): 29-31.

[7] 許德志, 汪飛, 阮毅, 等. 并網(wǎng)接口濾波器拓?fù)浣Y(jié)構(gòu)推演與分析[J]. 電工技術(shù)學(xué)報(bào), 2015, 30(4): 15-25.

[8] 林天祥, 張寧, 胡軍. 基于優(yōu)化權(quán)重的卡爾曼濾波與無偏灰色組合模型的短期負(fù)荷預(yù)測(cè)[J]. 電氣技術(shù), 2017, 18(9): 19-23.

[9] 陳亮, 畢天姝, 李勁松, 等. 基于容積卡爾曼濾波的發(fā)電機(jī)動(dòng)態(tài)狀態(tài)估計(jì)[J]. 中國電機(jī)工程學(xué)報(bào), 2014, 31(16): 2706-2713.

[10] 朱士虎, 游春霞. 一種改進(jìn)的均值濾波算法[J]. 計(jì)算機(jī)應(yīng)用與軟件, 2013, 30(12): 97-99, 116.

[11] 何石, 潘曉璐, 李一民. 一種均值濾波的優(yōu)化算法[J]. 信息技術(shù), 2012(3): 133-134, 137.

[12] 陳曉威, 董紀(jì)清. 有源EMI濾波器研究現(xiàn)狀綜述[J]. 電氣技術(shù), 2017, 18(2): 5-9, 40.

[13] 熊連松, 卓放, 劉小康. 增強(qiáng)型滑動(dòng)平均濾波算法及其在畸變電網(wǎng)相位同步控制中的應(yīng)用[J]. 電工技術(shù)學(xué)報(bào), 2015, 30(21): 13-23.

Spectral denoising method based on modified average filtering algorithm

Wang Lipeng Liang Qi Zou Xianli Liu Jia

(Jiuquan Satellite Launch Center, Lanzhou 732750)

In electromagnetic environment monitoring,the suppression and filtering of Background noise is one of the most important factors affecting spectrum analysis. In this paper, the shortcomings of the traditional mobile average filtering algorithm are partly improved, so that it can be optimized. A large number of experiments prove that the optimized average filtering algorithm can reduce the effects of noise to the signal more reasonably, reduce the signal distortion, and have a better filtering effect and higher sensitivity.

electromagnetic environment monitoring; Background noise; suppression; filtering; mobile average filtering

2018-04-24

王李鵬（1991-），男，山西晉城人，碩士研究生，主要從事電磁兼容方面的研究工作。