Усреднение сигнала - Signal averaging
Усреднение сигнала - это метод обработки сигнала , применяемый во временной области , предназначенный для увеличения мощности сигнала по сравнению с шумом, который его затемняет. Посредством усреднения набора повторных измерений отношение сигнал / шум (SNR) будет увеличено, в идеале пропорционально квадратному корню из числа измерений.
Получение SNR для усредненных сигналов
Предполагается, что
- Сигнал некоррелировано к шуму, и шум некоррелировано: .
- Мощность сигнала при повторных измерениях постоянна.
- Шум является случайным, со средним значением, равным нулю, и постоянной дисперсией в повторных измерениях: и .
- Мы (канонически) определяем отношение сигнал / шум как .
Мощность шума дискретизированных сигналов
Предполагая, что мы сэмплируем шум, мы получаем дисперсию по выборке, равную
.
Усреднение случайной величины приводит к следующей дисперсии:
.
Поскольку дисперсия шума постоянна :
,
демонстрируя, что усреднение реализации одного и того же некоррелированного шума снижает мощность шума в раз и снижает уровень шума в раз .
Мощность сигнала для дискретизированных сигналов
Учитывая векторы отсчетов сигнала длиной :
,
мощность такого вектора просто равна
.
Опять же, усреднение векторов дает следующий усредненный вектор
.
В случае, когда мы видим, что максимальное значение
.
В этом случае отношение сигнал / шум также достигает максимума,
.
Это случай передискретизации , когда наблюдаемый сигнал коррелирован (поскольку передискретизация подразумевает, что наблюдения сигнала сильно коррелированы).
Сигналы с синхронизацией по времени
Усреднение применяется для усиления компонента сигнала с синхронизацией по времени в измерениях с шумами; временная синхронизация подразумевает, что сигнал периодичен для наблюдений, поэтому мы попадаем в приведенный выше максимальный случай.
Усреднение нечетных и четных испытаний
Конкретный способ получения реплик - усреднение всех нечетных и четных испытаний в отдельных буферах. Это дает возможность сравнивать четные и нечетные результаты испытаний с чередованием. Среднее значение нечетных и четных средних дает завершенный усредненный результат, в то время как разница между нечетными и четными средними значениями, деленная на два, составляет оценку шума.
Алгоритмическая реализация
Ниже приводится симуляция MATLAB процесса усреднения:
N=1000; % signal length
even=zeros(N,1); % even buffer
odd=even; % odd buffer
actual_noise=even;% keep track of noise level
x=sin(linspace(0,4*pi,N))'; % tracked signal
for ii=1:256 % number of replicates
n = randn(N,1); % random noise
actual_noise = actual_noise+n;
if (mod(ii,2))
even = even+n+x;
else
odd=odd+n+x;
end
end
even_avg = even/(ii/2); % even buffer average
odd_avg = odd/(ii/2); % odd buffer average
act_avg = actual_noise/ii; % actual noise level
db(rms(act_avg))
db(rms((even_avg-odd_avg)/2))
plot((odd_avg+even_avg));
hold on;
plot((even_avg-odd_avg)/2)
Вышеупомянутый процесс усреднения и в целом приводит к оценке сигнала. По сравнению с необработанной кривой, усредненная шумовая составляющая уменьшается с каждым усредненным испытанием. При усреднении реальных сигналов основной компонент не всегда может быть таким четким, что приводит к повторным усреднениям при поиске согласованных компонентов в двух или трех повторностях. Маловероятно, что два или более последовательных результата будут получены случайно.
Усреднение сигнала обычно в значительной степени основывается на предположении, что шумовая составляющая сигнала является случайной, имеет нулевое среднее значение и не связана с сигналом. Однако есть случаи, когда шум не является некоррелированным. Типичным примером коррелированного шума является шум квантования (например, шум, создаваемый при преобразовании аналогового сигнала в цифровой).