第 28卷 第 7期
2012年7月
信 号 处 理
SIGNALPROCESSING
Vol.28 No.7
Jul.2012
收稿日期:2011-12-26;修回日期:2012-03-27
改进的离散 S变换快速算法与连续
小波变换算法性能分析
吴彦华
(合肥电子工程学院309室,合肥 230037;安徽省电子制约技术重点实验室,合肥 230037)
摘 要:S变换具有良好的时频结合特性,在信号处理领域受到了极大重视,在通信信号侦察处理领域具有广阔
的应用前景。本文在研究S变换基本原理的基础上,针对目前常用的离散S变换算法进行了分析,指出了其在实
现过程中存在的问
题
快递公司问题件快递公司问题件货款处理关于圆的周长面积重点题型关于解方程组的题及答案关于南海问题
,提出了改进的离散 S变换快速算法,以减少离散 S变换的运算量。为了验证算法的有效
性,本文将改进的离散S变换快速算法、传统离散S变换算法以及典型的多尺度时频分析方法—连续小波变换算
法,进行了算法性能对比分析和仿真实验。实验结果表明了改进离散S变换快速算法比传统离散S变换算法和连
续小波变换在算法的运算量方面要少一至几个数量级,证明了改进算法的有效性。结论对于通信信号快速侦察
算法的工程化具有重要的意义。
关键词:时频分析;离散S变换;连续小波变换;运算量
中图分类号:TN911 文献标识码:A 文章编号:1003-0530(2012)07-0973-07
Compareoftheperformancebetweentheimproveddiscrete
StransformfastalgorithmandCWT
WUYanhua
(309Section,ElectronicEngineeringInstitute,Hefei230037,China;
AnhuiElectronicRestrictingTechniqueKeyLaboratory,Hefei230037,China)
Abstract: Duetoitsexcellenttimefrequencycombinationproperties,Stransformhasgotgreatattentioninthefieldof
signalprocessingandhasgreatapplyingprospectinthefieldofcommunicationsignals’reconnaissance.Basedonthestudy
ofbasicprinciplesofStransform,thecommonlyusedalgorithmofdiscreteStransformanditsdisadvantagesareanalyzedin
thispaper.TheimproveddiscreteStransformfastalgorithmisproposedtoreducethecomputationofdiscreteStransformas
wellasachievethefastdiscreteStransformoperations.Toexamineandcertifytheeffectivenessoftheproposedalgorithm,
thesimulationandthecompareoftheperformanceamongtheimproveddiscreteStransform,thetraditionaldiscreteStrans
formandCWTarepreceded.TheresultshowsthattheamountcalculationoftheimproveddiscreteStransformfastalgo
rithmislessoneormoreordersofmagnitudethanthetraditionaldiscreteStransformandCWT.Simulationandperformance
analysisprovedtheeffectivenesstoimprovealgorithmofdiscreteStransform.Theimprovedalgorithmhasgreatsignificance
totheengineeringofthecommunicationsignal’sfastreconnaissance.
Keywords: timefrequencyanalysis;discreteStransform;continuouswavelettransform;amountofcalculation
1 引言
通信信号侦察处理领域,对通信信号的检测和参
数识别,人们越来越多的采用时频分析方法进行处理,
尤其是对于数字通信信号以及直接序列扩频(DS)信
号和跳频扩频(FH)信号。目前常用的时频分析方法
信 号 处 理 第28卷
主要有:短时Fourier变换(STFT)、Gabor变换、小波变
换、WignerVille时频分布(WVD)等。其中,最具代表
性的是STFT和小波变换[1]。
衡量时频分析方法优劣的重要指标就是时频分辨
率。STFT的时频分辨率固定,但是能够借助滤波器组
来快速实现;小波变换能够实现多尺度分析,具有可变
的时频分辨率,但其不存在唯一的逆变换[1][2]。对于
具有较好时频分析特性的小波变换而言,在算法实现
上,小波变换具有自己的快速算法,即 Mallat算法。然
而Mallat算法当中,相邻两个尺度的时窗以及频窗之
间具有两倍变化的特性,这在对通信信号处理的实际
应用中是不适合的,尤其是在信号密集的短波波段。
因此,在通信信号处理中,大多采用连续小波变换处
理,而连续小波变换又没有快速算法实现。
1996年,Stockwell等人通过引入宽度和频率成反
向变化的高斯窗,提出了一种新的时频变换方法-S变
换[2]。该方法将连续小波变换和STFT的优点结合,是
一种介于两者之间的时频分析方法。该方法同小波变
换一样具有多尺度分析特性[3],具体实现上与信号的
傅里叶谱有直接联系,可以通过FFT快速实现,因此在
信号处理领域受到了极大重视,并在多个领域进行了
广泛的应用[4]。
本文在研究S变换基本原理的基础上,针对目前
常用的离散 S变换算法进行了分析,指出了其在实现
过程中存在的问题,提出了改进的离散 S变换快速算
法,以减少离散S变换的运算量,并将其与传统离散 S
变换、连续小波变换算法性能进行了对比分析。
2 S变换基本原理
信号h(t)的短时Fourier变换(STFT)定义为[1]:
STFT(
"
,f)=∫
∞
-∞
h(t)w(t-
"
)e-j2!ftdt (1)
其中,w(t)为窗口函数,
"
为时移因子,j为虚数单位。
STFT就是用一固定的滑动窗口逐段对信号进行分析,
从而得到信号的时频图。STFT的窗口函数如果选为
高斯窗,即:
w(t)= 1
σ 2槡 !
e-
t2
2σ2 (2)
并令
σ=a f (3)
为尺度因子(a为常数),则信号 h(t)的 S变换定
义为[2][3][5]:
S(
"
,f)=∫
∞
-∞
h(t) f
2槡 !
e
-(t-")
2f2
2a2 e-j2!ftdt (4)
由上式可见,S变换中高斯窗口的高度和宽度随
频率而变换,这样就克服了STFT中窗口高度和宽度固
定的缺陷。
信号h(t)可以由S变换S(
"
,f)进行重构,其逆变
换为:
h(t)=∫
∞
-∞ ∫
∞
-∞
S(
"
,f)d[ ]" ej2!ftdf (5)
由上式可见,S变换的逆变换是唯一的,这一点不
同于小波变换。
3 传统离散S变换算法及其缺点
由信号h(t)的S变换和逆变换表达式,可以得到
其频谱表达式H(f)为:
H(f)=∫
∞
-∞
S(
"
,f)d
"
=∫
∞
-∞
h(t)e-j2!ftdt (6)
由式(4)、(5)和(6),信号 h(t)的 S变换结果可
以用信号的Fourier变换表示,即:
S(
"
,f)=∫
∞
-∞
H(β+f)e
-2
!
2β2a2
f2 ej2!β"dβ,(f≠0)
(7)
式中,H(f)为信号h(t)的频谱,β为频率,控制频域中
的高斯窗在频率轴上移动。
由上式可以看出,对离散信号而言,信号 h(t)的 S
变换可以采用高效的快速傅里叶变换算法和卷积定理
实现。
设对接收到的信号 h(t)以采样时间间隔 T进行
采样,采样点数为 N。在文[6]至文[9]中,令 f→n/
NT,
"→kT,则S变换的离散表示形式为:
S[k,n]=∑
N-1
m=0
H(m+nNT)e
-2!
2m2a2
n2 e
j2
!
mk
N
(k=0,1,…,N-1;n=1,…,N-1) (8)
其中,k代表时间采样点,n代表频率采样点。由式
(8),得到离散S变换的计算步骤,见文[6]~[9]。
在式(8)的 S变换离散表示式中,采用 FFT实现
了S变换的快速算法。但由于令 f→n/NT,即频率采
样点是按照Fourier变换的频率采样点选取的,而忽略
了窗函数w(t)在频率域的影响,使得表达式存在以下
三个问题:
479
第 7期 吴彦华:改进的离散S变换快速算法与连续小波变换算法性能分析
1)频率采样点n的取值不符合物理意义。n的取
值是按照Fourier变换的频率采样点选取的,即以 Fou
rier变换的频率分辨率作为频率采样点间隔。而在 S
变换中,由于窗函数 w(t)的影响,频率采样点的选取
应以w(t)频窗的宽度作为频率间隔,这样才符合频率
采样的实际物理意义。
2)n取值范围及步进不合理。公式(8)中的 n的
取值从1至(N-1),步进为1/NT,实际是 FFT变换的
频率分辨率。对S变换而言,窗函数w(t)的频窗本身
就反映了频域中的频率分辨率。为了保证各频点对应
的频窗无缝并且无冗余的覆盖分析频段,频率步进应
为各频率对应的频窗宽度。反映频率 f变化的 n的取
值,应根据所分析的频段范围和频窗宽度确定。在实
际应用中,频窗宽度比取 N点 FFT变换对应的频率分
辨率数值要大,否则窗函数w(t)在时窗包含的时域点
数要大于N。由此可以得到,离散 S变换中频率采样
点的个数应该小于(N-1)。
3)m取值范围不合理。公式(8)中的 m取值从0
至(N-1)。然而由于在频域中w(t)窗函数的存在,对
频窗以外的卷积是不必要的,因此,m的取值范围要缩
小,取值范围应该是频窗的宽度。
从以上讨论可知,公式(8)中的m和 n的取值,将
无端增大计算的运算量。将冗余的运算量去除的关键
就是必须考虑窗函数w(t)频窗的影响。
4 改进的离散S变换快速算法
对窗函数 w(x)而言,其中心 w0与半径 Δw 分
别为[10]
w0=
1
‖w‖2∫
∞
-∞
x w(x)2dx
Δw=
1
‖w‖ ∫
∞
-∞
(x-w0)
2 w(x)2{ }dx
1
2
(9)
可得信号w(t)的频窗Δw^为:
Δw^=
1
槡22!σ
= f
槡22!a
(10)
首先来看离散频率点n的取值。
由于f点的频窗宽度即为f点的频率分辨率,根据
处理信号的系统频率分辨率需求,由式(10),在处理
信号频率最大的情况下,求 Δw^等于频率分辨率的值,
得到式(10)中参数 a的值。这样,在不同的频率点均
能满足系统分辨率要求。为了满足不同频率点对应的
频窗对处理频段的无缝覆盖,则离散后各频率应满足:
fn+1=fn+2(Δw^)n=fn
1+ 1
槡2!
a (11)
设信号的采样速率为1/T,对于数字采样后的信
号频谱分布,在S变换中,选取0~1/(2T)不合适。因
为如果频率为 0,将带来窗口函数对应频窗为 0,由
Hesienberg测不准原理[10],时窗无穷大,计算将无法实
现。根据 Nyquist采样定理的折叠特性,在 1/T~3/
(2T)内的信号频谱与0~1/(2T)频段内的信号频谱
完全相同。因此,可以取处理的频段范围为1/T~3/
(2T)。由式(11),得到整个处理频段内的离散频率个
数(即n的取值范围)Nscales为:
Nscales=INT
ln32
ln
1+ 1
槡2!
a
+1 (12)
式中,INT(·)代表对数值进行向下取整。n的取值范围
为0,1,…,Nscales-1(以下无特别说明,n皆此取值范
围),其频率步进为对应频率点的频窗宽度。每个n值
(离散频率点)对应的频率为:
fn=
1
T
1+ 1
槡2!
a
n
(13)
下面来看卷积项数m的取值。
卷积项数m的取值范围,和 n值对应的频率所确
定的频窗宽度有关,由式(10)和(13)可以得到:
(Δw^)n=
1+ 1
槡2!
a
n
槡22!aT
(14)
(Δw^)n以N点FFT变换的频率分辨率转换为离散点数
widthn为:
widthn=INT
N
1+ 1
槡2!
a
n
槡22!
a
(15)
则对应于不同的n值,m取值范围为:
m=-widthn,-widthn+1,…,0,…,widthn (16)
频率fn相对于FFT变换结果对应的离散点(cen_
fft)n为:
(cen_fft)n=INTN
1+ 1
槡2!
a
n
-
N (17)
579
信 号 处 理 第28卷
综合式(12)、(16)和(17)可以得到修正后的离散S变
换公式为:
S[k,n]=∑
widthn
m=-widthn
H
m+(cen_fft)n
NT e
-2!
2m2a2
(cen_fft)2ne
j2
!
mk
N
(k=0,1,…,N-1;n=0,1,…,Nscales-1) (18)
在式(18)中,为了减少运算量,应用IFFT算法,并
且由Nyquist采样定理的折叠特性,将m的取值范围更
改为:
m=0,1,…,Mn-1 (19)
其中,
Mn=2
INT ln(2×widthn)ln2 +0.[ ]5
(20)
因此,可以得到改进的离散S变换公式为:
S[k,n]=∑
Mn-1
m=0
H
m+(cen_fft)n
NT e
-2!
2m2a2
(cen_fft)2ne
j2
!
mk
N
(k=0,1,…,N-1;n=0,1,…,Nscales-1)
(21)
由式(21),可以得到改进的离散 S变换快速算法实现
步骤如下:
1)初始化;
a)根据信号处理分辨率的要求,由式(10),确定
式(3)中尺度因子的常数a的值;
b)由式(12),计算离散 S变换中频率点的个数
Nscales,确定n的取值范围;
c)由式(15)、(16),确定不同 n值对应的 m的取
值范围;
d)由式(17),计算不同n值代表的频率fn相对于
FFT变换结果对应的离散点(cen_fft)n;
2)计算h(k)的FFT结果H(mNT);
3)计算窗函数 w(t)的 FFT结果,得到 W(m,n)
=e
-2!
2m2a2
n2 ;
4)按频率采样点(cen_fft)n,计算H
m+(cen_fft)n
NT W
(m,(cen_fft)n);
5)计算H(m+nNT)W(m,n)函数Mn个点的IFFT,得
到S变换矩阵。
为了验证算法的有效性,产生一个瞬时频率为时
间线性函数的电压控制振荡频率信号(VCO)。设信号
采样速率1/T=20MHz,采样点数 N=4096。在采样时
间内,产生的信号瞬时频率从0变化到10MHz。图1
给出了信号的时域波形显示。
图1 VCO信号时域波形
Fig.1 TimewaveoftheVCOsignal
设系统处理的频率分辨率需求为 Δf≤75kHz,采
用改进的离散S变换算法对上述产生的 VCO信号进
行处理,处理结果如图2所示。
图2 VCO信号改进离散S变换结果图形显示
Fig.2 ResultofVCOsignal’simproveddiscreteStransform
679
第 7期 吴彦华:改进的离散S变换快速算法与连续小波变换算法性能分析
从图2的变换结果图形可以看出,采用改进的离
散S变换对VCO信号进行处理,变换结果在时间和尺
度(频率)两个方面都反映了 VCO信号的特征。VCO
信号在时间和频率上含有丰富的信息,经常作为信号
处理仿真实验的典型代表,而改进的离散 S变换算法
能够将其特征全面、正确反映。从图2的变换结果和
以上分析可以得出和证明,改进离散 S变换算法的有
效性。
5 算法性能比较分析
由式(8),可以得到在1/(2T)处理频段宽度范围
内,完成传统离散S变换需要的运算量为:
6N2logN2+4N
2 次实数相乘
9N2logN2+2N
2 次实数相加 (22)
由式(21),同样可以得到在1/(2T)处理频段宽度范围
内,采用改进的离散 S变换快速算法完成运算的运算
量为:
4NlogN2 ×Nscales+∑
Nscales-1
n=0
(4Mn+2Mnlog
Mn
2)
次实数相乘
6NlogN2 ×Nscales+∑
Nscales-1
n=0
(2Mn+3Mnlog
Mn
2)
次实数相加 (23)
下面再来分析连续小波变换的离散算法的运
算量。
具有有限能量的信号h(t)[h(t)∈L2(R)]的小波
变换定义为函数
$a,b(t)=a
-1/2
$
(t-ba)为积分核的积分
变换,如下所示[10]:
W(a,b)=∫
∞
-∞
h(t)
$a,b(t)dt
= a-1/2∫
∞
-∞
h(t)
$
(t-ba)dt (24)
其中a是尺度参数,b是平移参数,函数
$a,b(t)称作小
波,
$
(t)称作基小波。其离散形式为:
W(j,k)= aj
-1/2∑
N2
i=N1
h(i)
$
(
i-bk
aj
) (25)
其中,j=0,1,2…Nscales-1;k=0,1,2…N-1;Nscales为
尺度域上a取值的数目;N为时间域上 b取值的数目,
即信号采样点数;N1,N2为窗口函数$(
i-bk
aj
)所确定的
时间窗上下限对应的信号的采样点,信号采样速率
为fs。
设基小波函数的中心频率为 f0,为了保证尺度的
选择,使得不同 j值对应的频窗能够无冗余的覆盖整
个频段,同改进 S离散变换算法一样,可得尺度个数
Nscales为:
Nscales=INT
ln32
ln
2Δ
$^
f0-Δ
$^
a
min
+1 (26)
其中,amin为最小的尺度值,它由处理频段范围和系统
频率分辨率的要求来确定。
对于每一个确定的j,k值,由窗口函数
$
(
i-bk
aj
)确
定的时间窗为:
[bk+ajt
-ajΔ
$
,bk+ajt
+ajΔ
$
]
可以得到对信号处理所需要的对应时窗内的信号采样
点数:
N1=INT[(bk+ajt
-ajΔ
$
)×fs]
N2=INT[(bk+ajt
+ajΔ
$
)×fs]
N2-N1=INT[2ajΔ
$
×fs
]
如果要完成全部采样点的小波变换运算,需进行:
4N∑
Nscales-1
j=0
INT(ajΔ
$
fs)+4N×Nscales
次实数相乘
4N∑
Nscales-1
j=0
INT(ajΔ
$
fs)
次实数相加 (27)
由于Grossmann小波良好的边缘检测特性,因此,
实验采用Grossmann小波来提取和分析信号。它的函
数形式及Fourier变换为[10]:
$
(t)=exp(-t2/2+iω0t),ω0≥5
$^
(ω)= 2槡 !exp[-(ω-ω0)
2/2]
根据式(9),可以得到 Grossmann小波的时窗及频
窗的中心与宽度分别为:
t=0, 2Δ
$
=1.414s
f0=ω0/2!, 2Δ
$^
=0.226Hz
以上节的例子,同样采样速率和频率分辨率要求,
采用传统离散 S变换、连续小波变换和改进的离散 S
变换算法对 VCO信号进行分析处理,结合式(22)、
779
信 号 处 理 第28卷
(23)和(27)可以得到三种方法的运算量对比如表1
所示。
表1 算法运算量比较
Tab.1 Compareoftheamountofcalculation
变 换
实数相乘
次数
实数相加
次数
4096点传统离散S变换 1.2751e+009 1.8455e+009
4096点连续小波变换 2.1262e+008 2.1034e+008
4096点改进离散S变换 3.2060e+007 4.8085e+007
注:采样速率20MHz,频率分辨率≤75kHz
固定系统频率分辨率要求,当不同采样点数时,采
用传统离散 S变换算法、连续小波变换算法和改进的
离散S变换算法,分别计算运算量,得到图3。为方便
显示,运算量采用对数坐标显示。
图3 运算量与采样点数对数坐标关系
Fig.3 Amountofcalculationofdifferentsamplenumbers
在图3中,表征连续小波变换实数相乘次数和相
加次数的两条曲线几乎重合在一起,这是因为连续小
波变换的实数相乘次数和实数相加次数仅相差 4N×
NScales,由式(27)可以看出这一点。
由表1和图3可以得出结论,改进的离散 S变换
算法运算量明显比传统的离散S变换和连续小波变换
算法的运算量要小,对于1024点以上的数据进行分析
时,基本上要少一至几个数量级。
改进离散S变换算法比传统算法运算量要小,是
由于考虑到了窗函数的影响,改进算法将窗函数以外
的冗余运算去除了;而改进离散 S变换算法比连续小
波变换算法运算量要小,一个很重要的原因是因为离
散S变换算法当中应用了快速傅里叶变换的蝶形算
法,提高了运算的速度。
6 结论
本文对离散S变换算法进行了研究,在对传统离
散S变换算法研究的基础上,提出了改进的离散 S变
换算法。从仿真实验结果看,改进的离散 S变换算法
对信号的处理是有效的。同时,通过对比传统离散 S
变换、连续小波变换和改进离散S变换算法的运算量,
证明了改进离散 S变换算法的运算量更少,基本上要
少一至几个数量级,证明了算法的有效性。
在算法性能方面,S变换存在唯一逆变换,而小波
变换并不存在唯一逆变换。在算法运算量方面,改进
离散 S变换算法运算量相对连续小波变换大大减少。
所有这些特性,使得改进离散 S变换算法对于通信信
号的快速侦察以及快速侦察算法工程化的实现,具有
重要的理论和现实意义。
参考文献
[1] 张贤达.现代信号处理[M].北京:清华大学出版社,2002.
[2] StockwellRG,MansinhaL,LoweRP.Localizationofthe
complexspectrum:TheStransform[J].IEEETransac
tionsonSignalProcessing,1996,44(4):9981001.
[3] SergiV,CarineS,MartinS.TheStransformfromawave
letpointofview[J].IEEETransactionsonSignalPro
cessing,2008,56(7):27712780.
[4] 陈学华,贺振华,黄德济.广义 S变换及其时频滤波
[J].信号处理,2008,24(1):2831.
ChenXuehua,HeZhenhua,HuangDeji.Generalized
Stransformanditstimefrequencyfiltering[J].Signal
Processing,2008,24(1):2831.(inChinese)
[5] TheophanisS,QueenJ.Colordisplayofthelocalized
spectrum[J].Geophysics,2000,65(4):13301340.
[6] 陈学华,贺振华.改进的 S变换及在地震信号处理中
的应用[J].数据采集与处理,2005,20(4):449453.
ChenXuehua,HeZhenhua.ImprovedSTransformand
itsapplicationinseismicsignalprocessing[J].Journal
ofDataAcquisition&Processing,2005,20(4):449453.
(inChinese)
[7] 刘传武,张智军,毕笃彦.S变换在雷达目标识别中的
应用[J].系统仿真学报,2008,20(12):32903292.
879
第 7期 吴彦华:改进的离散S变换快速算法与连续小波变换算法性能分析
LiuChuanwu,ZhangZhijun,BiDuyan.Radartargets
recognitionusingStransform[J].JournalofSystemSim
ulation.2008,20(12):32903292.(inChinese)
[8] 武开有,马绪等.基于 S变换的跳频信号参数估计
[J].军事通信技术,2009,29(3):711.
WuKaiyou,MaXu.Parameterestimationoffrequency
hoppingsignalsbasedonSTransform[J].Journalof
MilitaryCommunicationsTechnology.2009,29(3):711.
(inChinese)
[9] 陈学华,贺振华,陈震.基于能量归一化窗的 S变换及
应用[J].数据采集与处理,2009,24(4):458463.
ChenXuehua,HeZhenhua,ChenZhen.Normalized
windowbasedStransformanditsapplication[J].Jour
nalofDataAcquisition&Processing.2009,24(4):458
463.(inChinese)
[10]张贤达,保铮.非平稳信号分析与处理[M].北京:国防
工业出版社,1998.
作者简介
吴彦华(1974),男,河北藁城,博士,
副教授。研究方向:信号处理,通信信号
侦察。Email:gaoshan_yangzhi@163.com
979