[发明专利]基于密度估计的数字化仪均值滤波方法

说明书

本发明公开了一种基于密度估计的数字化仪均值滤波方法，首先数字化仪进行过采样，对得到的数据样本序列进行分组得到若干子样本，然后依次将子样本添加至密度估计样本中，利用密度估计和贝叶斯信息融合方法得到数据样本序列的概率密度函数，计算得到数据样本序列的标准不确定度；按照过采样倍数对数据样本序列重新进行分组，根据标准不确定度得到重新分组后各个子样本的置信区间，进行粗大误差剔除，然后对得到的样本进行平均抽取，得到最终样本。本发明通过对采样得到的数据样本序列分组进行密度估计，基于密度估计结果设置置信区间进行粗大误差剔除，使均值滤波结果更加准确。

技术领域

本发明属于数字化仪技术领域，更为具体地讲，涉及一种基于密度估计的数字化仪均值滤波方法。

背景技术

带宽、采样率和存储深度是普遍采用的评价数字化仪性能的三大核心指标。除此之外，还有一个非常重要的指标：垂直分辨率。较高的垂直分辨率意味着更加精细的波形显示和更加精确的信号测量。数字化仪的垂直分辨率取决于模数转化器(ADC)的量化位数，以及数字化仪本身的噪声和失真水平。虽然普遍用ADC的位数来描述数字化仪的垂直分辨率，但准确的参数是数字化仪整个系统的有效位数(ENOB)。ENOB与信号和噪声失真比(SNR)密切相关，两者的数学关系为：

SNR(in dB)＝6.02×ENOB+1.76

根据以上关系式，SNR大约每增加6dB，ENOB增加1bit，所以提高信噪比就能提高分辨率。目前中高端数字化仪普遍具有这样的功能：在硬件性能定型的情况下，通过算法提高垂直分辨率。这些功能本质上都是对采样后的数据进行数字信号处理，目的是提高信噪比，从而在理论上提高垂直分辨率。

常见的数字化仪一般采用8位或12位ADC，在ADC的量化位数一定的情况下，数字滤波是常用的降噪手段。其中，平均是一种改善信噪比、提高有效位数(ENOB)的典型方法。一般具体是通过形成平均和高分辨率的捕获方式实现的。

如果信号是周期可重复的，数字化仪每采集n段重复波形，把它们按触发位置对齐，相加后除以n，得到1段平均后的波形。图1是信号平均的示意图。信号平均后，信噪比(dB)可以提高10lg(n)。例如4次平均，信噪比可以提高大约6dB，分辨率提高1bit。64次平均，信噪比提高18dB，分辨率提高3bit。平均算法是最简单的分辨率改善方法，但有以下局限和代价：

(1)只能用于周期信号；

(2)平均只能降低随机的、不相关的高斯白噪声，对于相关的噪声和干扰作用不大；

(3)平均算法会显著降低示波器波形更新率。例如欲将分辨率从8bit改善到12bit，需要每采集256次做一次平均，波形更新率降低不止256倍；

(4)平均可能引起波形失真。每段波形是按触发位置对齐，而触发点在每段波形上的相对位置并不固定。图2是触发抖动示意图。如图2所示，因为噪声会导致信号每次穿越触发电平的相对水平位置不一样，触发位置抖动的结果是每段波形被错位相加，平均后波形失真。当信号本身的噪声比较大时，失真现象更明显。

高分辨率捕获方式是广泛运用于数字化仪采集系统的另一种平均算法。这种算法的好处是可以用于非周期信号。数字化仪以最大采样率采集波形，将一段波形的每n个采样点分成1组，对1组中n个采样点取平均得到1个数据点存入采集存储器中。最终显示的波形是样点分组平均后的数据，样点数量被抽取了n倍。图3是3次高分辨率捕获平均示意图。如图3所示，高分辨率捕获本质上也是一种数字滤波。样点抽取倍数越高，分辨率提升得越多，在数字化仪中高分辨率捕获也经常用来实现可变带宽功能。同样，高分辨率捕获方式也有自身的缺陷与不足：

(1)高采样率和高垂直分辨率不可兼得；

(2)示波器带宽和垂直分辨率也不可兼得；

(3)高分辨率捕获平均算法对抑制高斯白噪声有效果，而对于示波器ADC的INL(积分非线性)引起的噪声没有抑制作用。