一种基于边缘检测的时频谱曲线提取方法

摘要

本发明公开了一种基于边缘检测的时频谱曲线提取方法，首先计算信号时频分布的k阶原点矩，然后通过边缘检测的方法获得含有时频谱边缘信息的矩阵，根据对该矩阵进行判断和对边缘信息进行合并处理，进而获得时频谱曲线，在根据已有的曲线模型建立参数空间对曲线的参数进行估计，完成对时频谱曲线的提取。与传统的检测方法相比，本发明充分利用了信号时频分布的结构属性，提高了曲线提取的准确性，尤其在低信噪比和有多条时频谱带的情况下，传统提取方法的性能有所下降甚至失效，但本方法仍可以提取出与时频谱曲线。对于时频谱曲线的提取，本发明的方法性能更优。

主权项

一种基于边缘检测的时频谱曲线提取方法,其特征在于按照以下步骤进行：步骤1：计算信号的时频分布X×Y维矩阵W_s(n,f_m)中各元素的k次方(即增大矩阵各元素之间的差值，有利于边缘检测剔除噪声影响)，得到一个新的X×Y维矩阵W(x,y)＝W_s(n,f_m)^k，其中n表示时间点序列，f_m表示频率点序列，x，y分别表示新矩阵W_X×Y的行和列；步骤2：对步骤1中的矩阵W(x，y)使用Roberts算子进行边缘检测：$G(x,y)=\sqrt{{|W(x,y)-W(x+1y+1)|}^2-{|W(x+1,y)-W(x,y+1)|}^2}$得到时频谱分布W_s(n,f_m)的梯度幅值G_X×Y，选取梯度幅值G_X×Y的平均值做为阈值，与G_X×Y进行比较，将G_X×Y化为二值边缘矩阵：$H(x,y)=\left\{\begin{array}{cc}0& G(x,y)<T_g\\ 1& G(x,y)\ge T_g\end{array}\right.$得到只含有0和1的二值边缘矩阵H_X×Y；步骤3：对步骤2中的边缘矩阵H_X×Y处理，计算边缘矩阵H_X×Y中每列的边缘点个数(X为矩阵H_X×Y的行数，每列为1的点为边缘点，为0的不是边缘点)，逐个选出r(y)为奇数的列，再记录这些列中第一个边缘点的位置，将二值边缘矩阵H_X×Y这些位置元素置0，即删去矩阵中这个边缘点，将每列都检索完毕之后，可以保证矩阵H_X×Y中每列含有的边缘点均为偶数，再按照列优先顺序，即矩阵中各元素按照其在矩阵H_X×Y中行数和列数按照如下公式排序((列数‑1)×X+行数)，(这里X为矩阵行的维度)，将矩阵H_X×Y中每个边缘点排序后的位置记录在向量d_N中,其中N为边缘点的总个数，最后将边缘矩阵H_X×Y边缘点两两合并，得到矩阵Z_X×Y；步骤4，根据已有的曲线模型y＝f(x,T,θ,A,…)，如正弦曲线模型其中T为曲线周期，θ为曲线的相位，A为曲线幅度，建立I×J维参数空间(T,θ)，I，J分别为参数空间中周期时间点数和相位角度点数，将参数空间中每个点带入曲线模型中对Z_X×Y中的所有曲线点进行计算，即对每个参数空间点(T_i,θ_j)带入曲线模型中，得到再将Z_X×Y中所有边缘点位置的行和列带入参数点的模型中，若边缘点行和列(x,y)满足带入参数的模型，则累加器Σg(T,θ)累加在参数空间(T,θ)的每个点上加1，如此取遍所有参数空间的点，每次均对Z_X×Y中边缘点进行计算，最后得出各参数点的累加结果，找出参数累加器_g中局部最大值点，得到曲线的条数以及各条时频谱曲线的参数。