[發(fā)明專利]一種天文時序信號的噪聲估計方法

有效

• 申請?zhí)枺?/td>: 202010540771.5
• 申請日: 2020-06-15
• 公開（公告）號: CN111863016B
• 公開（公告）日: 2022-09-02
• 發(fā)明（設(shè)計）人: 于蘭;馮松;孟瑤
• 申請（專利權(quán)）人: 云南國土資源職業(yè)學(xué)院
• 主分類號: G10L21/0216
• 分類號: G10L21/0216;G10L25/21;G10L25/27;G10L25/45
• 代理公司: 昆明人從眾知識產(chǎn)權(quán)代理有限公司 53204
• 代理人: 陳波

本發(fā)明公開了一種天文時序信號的噪聲估計方法，屬于天文技術(shù)和信號處理技術(shù)領(lǐng)域。本發(fā)明用均值和標(biāo)準(zhǔn)差來對信號進(jìn)行歸一化，可以移除信號直流分量對信號功率譜的影響；選擇海明窗來有效的抑制在頻率泄露并很準(zhǔn)確的表征信號的功率譜，可以避免由于天文觀測信號中的振蕩頻率分量都是非平穩(wěn)的不足；同時由于對信號進(jìn)行了歸一化進(jìn)而保證了在定義模型參數(shù)的先驗分布均值和方差的唯一性；而基于前述所有的結(jié)合，在結(jié)合使用漢密爾頓蒙特卡洛算法后，從而提高了對天文時序信號噪聲估計的準(zhǔn)確性和收斂速率；最后通過用99％的置信水平來保證噪聲估計和振蕩頻率分量表征的準(zhǔn)確性。

技術(shù)領(lǐng)域

本發(fā)明涉及一種天文時序信號的噪聲估計方法，屬于天文技術(shù)和信號處理技術(shù)領(lǐng)域。

背景技術(shù)

幾十年來，在天文觀測時序信號中存在著各種的準(zhǔn)周期振蕩頻率分量。研究和發(fā)現(xiàn)這些準(zhǔn)周期振蕩頻率分量對于研究宇宙星系的結(jié)構(gòu)演化有著至關(guān)重要的科學(xué)意義和價值。然而，由于觀測信號中噪聲的影響使得這些準(zhǔn)周期振蕩信號難于探測和提取。觀測信號中的噪聲主要以紅噪聲和白噪聲為主。紅噪聲通常顯示為不穩(wěn)定的、非周期性的亮度波動。紅噪聲的功率譜服從冪律分布，即隨著頻率的增加而功率呈現(xiàn)衰減狀態(tài)，而白噪聲功率譜服從均勻分布，即功率譜是恒定的。這些噪聲是天文觀測信號中的固有性質(zhì)，與觀測設(shè)備和測量誤差無關(guān)。因此，為了保證準(zhǔn)周期振蕩頻率分量表征和提取的準(zhǔn)確性必須對天文觀測信號中的噪聲水平進(jìn)行估計。

通常的方式就是對時序信號的功率譜中的噪聲進(jìn)行建模，并獲取模型中參數(shù)的數(shù)值，對信號的功率譜進(jìn)行最優(yōu)擬合，并從統(tǒng)計學(xué)的角度并給出信號功率譜噪聲的置信水平。目前在對天文觀測信號進(jìn)行噪聲估計時主要用的技術(shù)馬爾科夫鏈蒙特卡羅(MCMC)方法；MCMC方法所采用的算法是Metropolis–Hastings(MH)算法以及改進(jìn)的算法。然而，該傳統(tǒng)算法在進(jìn)行參數(shù)估計時都存在算法收斂速率慢和噪聲參數(shù)估計準(zhǔn)確性差的問題。

發(fā)明內(nèi)容

本發(fā)明提供了一種天文時序信號的噪聲估計方法，以用于對天文時序信號的噪聲進(jìn)行估計。

本發(fā)明的技術(shù)方案是：一種天文時序信號的噪聲估計方法，首先獲取天文時序信號，對該時序信號進(jìn)行歸一化處理；接著，將歸一化后的信號和窗函數(shù)相乘并運用周期圖法得到該信號功率譜D；然后根據(jù)功率譜D定義該信號功率譜的噪聲模型M和模型中的參數(shù)θ；定義該功率譜D在模型M和參數(shù)θ下的似然函數(shù)，以及參數(shù)θ的先驗分布函數(shù)，根據(jù)貝葉斯公式定義參數(shù)θ在功率譜D和模型M下的后驗概率分布函數(shù)；運用漢密爾頓蒙特卡洛算法來對后驗概率分布函數(shù)進(jìn)行采樣，來獲取模型M中參數(shù)θ的值，獲得對該功率譜D的噪聲模型M的最佳擬合曲線方程；對最佳擬合曲線方程進(jìn)行卡方檢驗，計算置信水平。

所述方法具體步驟如下：

步驟1：獲取天文時序信號，并利用該信號的均值和標(biāo)準(zhǔn)差對該時序信號進(jìn)行歸一化處理；

步驟2：將歸一化后的信號和海明窗函數(shù)相乘并運用周期圖法得到該信號功率譜D；

步驟3：首先根據(jù)功率譜D設(shè)計該功率譜的噪聲模型M和模型參數(shù)θ；定義該功率譜D在模型M和參數(shù)θ下的似然函數(shù)p(D|θ,M)，以及參數(shù)θ的先驗分布函數(shù)p(θ|M)，根據(jù)貝葉斯公式定義參數(shù)θ在功率譜D和模型M下的后驗概率分布函數(shù)p(θ|D,M)＝p(D|θ,M)p(θ|M)；

步驟4：根據(jù)后驗概率分布函數(shù)p(θ|D,M)，利用漢密爾頓蒙特卡洛算法對后驗概率分布進(jìn)行采樣，來獲取模型M中參數(shù)θ的值，獲得對該功率譜D的噪聲模型M的最佳擬合曲線方程，即噪聲功率譜；

步驟5：對最佳擬合曲線方程進(jìn)行卡方檢驗，計算99％的置信水平：將位于99％置信水平之上的頻率成分認(rèn)為是真正的振蕩信號，在99％置信水平之下的認(rèn)為是噪聲。