[发明专利]一种信号合成方法及系统

说明书

本发明公开了一种信号合成方法及系统。该方法包括步骤：首先，建立与合成信号相关的目标函数，并根据目标函数确定与合成权值向量对应的待求解的特征矩阵，待求解的特征矩阵中包括待求解的逆矩阵；接着，采用迭代法对待求解的逆矩阵进行计算，并得到求解后的逆矩阵；然后，根据求解后的逆矩阵确定求解后的特征矩阵，并计算求解后的特征矩阵所对应的最优合成权值向量；再根据最优合成权值向量对多路信号进行加权相干相加操作，以确定合成信号。本发明提供的方法和系统在各路信号的噪声方差相等或者不相等的情况均可以使用，并在大幅度简化计算量的同时，保持了合成信号的性能。

技术领域

本发明涉及传感器网络技术领域，尤其涉及一种信号合成方法及系统。

背景技术

近年来，传感器网络已经广泛应用于环境监测、健康护理、智能家居、城市交通以及军事安全，但是由于传感器网络节点信号感知能力有限，对于一些微弱信号的接收处理能力不足，因此需要将多个节点所接收到的信号进行合成，进而提高接收信号的信噪比。信号合成的目标就是使合成信号的信噪比最大，除了要将多路接收信号间时延和频率等参数差异进行补偿使信号对齐之外，还需要按照最优的权值进行加权相干相加。由于对齐之后信号部分相干相加，而噪声随机相加，合成信号的有用部分的功率比噪声功率提升多，因此合成信号的信噪比得到提高。

K.M.Cheung等人发表的文章《Eigen Theory for Optical Signal Combining:AUnified Approach》中提出了以合成信号信噪比为目标函数的特征值分解算法(Signal-to-Noise Ratio EIGEN，SNR EIGEN)，其中估计噪声相关矩阵的通常做法是假设噪声是高斯白噪声，并通过记录一段纯噪声再进行相关计算获得。由于估计噪声相关矩阵较为困难，所以实际应用中，更多采用合成信号功率作为目标函数进行权值估计。C.H.Lee等人发表的文章《Large-Array Signal Processing for Deep Space Application》中指出输出功率最大准则与合成信号信噪比最大准则是等价的。最大输出信号功率准则就是以合成信号的功率作为目标函数，计算最优合成权值，使得合成信号的输出功率最大(Combined OutputPower EIGEN，COP EIGEN)。以合成信号功率为目标函数的特征值分解算法由于假设各信号的噪声方差相等，因此可以忽略噪声的影响，无需估计噪声相关矩阵，但是当各路信号噪声方差不一致时，采用最大输出信号功率准则计算合成权值将是有偏的。B.Luo等人发表的文章《On Eigen-Based Signal Combining Using the Autocorrelation Coefficient》中指出合成信号的自相关系数与合成信号信噪比最大准则是等价的(AutocorrelationCoefficient EIGEN，AC EIGEN)。

以上三种算法SNR EIGEN、COP EIGEN和AC EIGEN的最优合成权值计算过程相似，合成权值的最优值是某个矩阵最大特征值对应的特征向量。但是这些算法的主要问题在于计算量较大。特别是，SNR EIGEN和AC EIGEN算法需要分别求解接收信号和噪声的相关矩阵的逆矩阵，随着接收信号路数N的增加，求解逆矩阵部分的计算量将急剧增加，因此需要改进算法对计算量进行大幅缩减。

发明内容

本发明的目的在于，解决现有的信号合成技术中计算量大的问题，提供一种信号合成方法及系统，采用迭代法对特征矩阵中包括的逆矩阵进行求解。该方法和系统在各路信号的噪声方差相等或者不相等的情况均可以使用，并在大幅度简化计算量的同时，保持了合成信号的性能。