本發(fā)明涉及傳感器網(wǎng)絡(luò)技術(shù)領(lǐng)域，尤其涉及一種信號合成方法及系統(tǒng)。

背景技術(shù)：

隨著傳感器技術(shù)的不斷發(fā)展，利用傳感器網(wǎng)絡(luò)對來自多個(gè)傳感器的接收信號進(jìn)行合成，成為提高信噪比的最有效方法之一。傳感器網(wǎng)絡(luò)利用多個(gè)傳感器節(jié)點(diǎn)接收同一信號，利用信號的相干性和噪聲的不相干性，將接收信號進(jìn)行加權(quán)合成，從而提高接收信號質(zhì)量。

d.h.rogstad等人發(fā)表的文章《thesumplealgorithmforaligningarraysofreceivingradioantennas:coherenceachievedwithlesshardwareandlowercombiningloss》中提出一種sumple算法。c.h.lee等人發(fā)表的文章《fasteigen-basedsignalcombiningalgorithmforlargeantennaarrays》中提出一種proposedmatrix-freesignalcombiningmethod(pmfm)算法。y.shang發(fā)表的文章《mlc-sumplealgorithmforaligningantennaarraysindeepspacecommunication》中比較sumple算法和pmfm算法，通過實(shí)驗(yàn)結(jié)果發(fā)現(xiàn)sumple算法收斂速度較快，但pmfm算法的合成信號的信噪比更高，并提出一種modifiedloadingcoefficientsumple(mlc-sumple)算法。

現(xiàn)有技術(shù)中，sumple算法收斂速度較快，但是收斂后的合成信噪比較低。pmfm算法收斂速度較慢，但是收斂后的合成信噪比較高。mlc-sumple算法不能準(zhǔn)確的均衡收斂速度和合成信噪比。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的在于，解決現(xiàn)有的信號合成技術(shù)中不能同時(shí)優(yōu)化收斂速度和合成損耗的問題，提供一種信號合成方法及系統(tǒng)，通過建立合成信號的目標(biāo)函數(shù)和合成權(quán)值的迭代函數(shù)，對迭代函數(shù)中的計(jì)算因子進(jìn)行計(jì)算，能夠在快速收斂的同時(shí)，減小合成損耗以得到性能良好的合成信號。

為了實(shí)現(xiàn)上述目的，一方面，本發(fā)明提供了一種信號合成方法。該方法包括步驟：建立合成信號的目標(biāo)函數(shù)和合成權(quán)值的迭代函數(shù)，合成權(quán)值的迭代函數(shù)包含計(jì)算因子；基于合成信號的目標(biāo)函數(shù)和合成權(quán)值的迭代函數(shù)，對計(jì)算因子進(jìn)行計(jì)算；根據(jù)對計(jì)算因子進(jìn)行計(jì)算的結(jié)果，確定合成信號。

優(yōu)選地，合成信號的目標(biāo)函數(shù)為：

其中，snr為合成信號的信噪比，n為傳感器總路數(shù)，α為傳感器信號的信噪比，γ為合成權(quán)值的信噪比。

優(yōu)選地，合成權(quán)值的迭代函數(shù)為：

其中，ncor為相關(guān)時(shí)間間隔，k為以相關(guān)時(shí)間間隔ncor為單位的時(shí)間變量，rk+1為歸一化系數(shù)，k為采樣點(diǎn)時(shí)間變量，和分別為第i個(gè)和第j個(gè)傳感器在第k時(shí)刻接收的信號，i,j＝1,2,…,n，n為傳感器總路數(shù)，和分別為第i個(gè)和第j個(gè)傳感器在第k段相關(guān)時(shí)間間隔接收的信號的合成權(quán)值，符號*表示復(fù)數(shù)共軛運(yùn)算，μ為計(jì)算因子。

優(yōu)選地，基于合成信號的目標(biāo)函數(shù)和合成權(quán)值的迭代函數(shù)，對計(jì)算因子進(jìn)行計(jì)算，具體包括：基于合成信號的目標(biāo)函數(shù)和合成權(quán)值的迭代函數(shù)，采用粒子群優(yōu)化pso算法對計(jì)算因子進(jìn)行計(jì)算。

優(yōu)選地，采用pso算法對計(jì)算因子進(jìn)行計(jì)算，具體包括：

其中，和分別表示pso算法的第q個(gè)粒子第m次和第m+1次迭代時(shí)粒子的速度，m＝1,2,…,m，m為迭代總次數(shù)，q＝1,2,…,q，q表示粒子種群總數(shù)，a表示慣性權(quán)重，pbest表示當(dāng)前粒子本身所找到的最優(yōu)解，gbest表示整個(gè)粒子群所找到的最優(yōu)解，c1表示粒子跟蹤當(dāng)前粒子本身最優(yōu)值的權(quán)重系數(shù)，c2表示粒子跟蹤整個(gè)粒子群最優(yōu)值的權(quán)重系數(shù)，rand1和rand2是在[0,1]區(qū)間內(nèi)均勻分布的隨機(jī)數(shù)，和分別表示第m次和第m+1次迭代時(shí)的計(jì)算因子。

另一方面，本發(fā)明提供了一種信號合成系統(tǒng)。該合成系統(tǒng)包括：第一計(jì)算模塊、第二計(jì)算模塊和合成模塊。第一計(jì)算模塊用于建立合成信號的目標(biāo)函數(shù)和合成權(quán)值的迭代函數(shù)，合成權(quán)值的迭代函數(shù)包含計(jì)算因子；第二計(jì)算模塊用于基于合成信號的目標(biāo)函數(shù)和合成權(quán)值的迭代函數(shù)，對計(jì)算因子進(jìn)行計(jì)算；合成模塊用于根據(jù)對計(jì)算因子進(jìn)行計(jì)算的結(jié)果，確定合成信號。

優(yōu)選地，第一計(jì)算模塊，用于建立合成信號的目標(biāo)函數(shù)，具體包括：

其中，snr為合成信號的信噪比，n為傳感器總路數(shù)，α為傳感器信號的信噪比，γ為合成權(quán)值的信噪比。

優(yōu)選地，第一計(jì)算模塊，用于建立合成權(quán)值的迭代函數(shù)，具體包括：

其中，ncor為相關(guān)時(shí)間間隔，k為以相關(guān)時(shí)間間隔ncor為單位的時(shí)間變量，rk+1為歸一化系數(shù)，k為采樣點(diǎn)時(shí)間變量，和分別為第i個(gè)和第j個(gè)傳感器在第k時(shí)刻接收的信號，i,j＝1,2,…,n，n為傳感器總路數(shù)，和分別為第i個(gè)和第j個(gè)傳感器在第k段相關(guān)時(shí)間間隔接收的信號的合成權(quán)值，符號*表示復(fù)數(shù)共軛運(yùn)算，μ為計(jì)算因子。

優(yōu)選地，第二計(jì)算模塊具體用于：基于合成信號的目標(biāo)函數(shù)和合成權(quán)值的迭代函數(shù)，采用粒子群優(yōu)化pso算法對計(jì)算因子進(jìn)行計(jì)算。

優(yōu)選地，第二計(jì)算模塊，用于采用pso算法對計(jì)算因子進(jìn)行計(jì)算，具體包括：

其中，和分別表示pso算法的第q個(gè)粒子第m次和第m+1次迭代時(shí)粒子的速度，m＝1,2,…,m，m為迭代總次數(shù)，q＝1,2,…,q，q表示粒子種群總數(shù)，a表示慣性權(quán)重，pbest表示當(dāng)前粒子本身所找到的最優(yōu)解，gbest表示整個(gè)粒子群所找到的最優(yōu)解，c1表示粒子跟蹤當(dāng)前粒子本身最優(yōu)值的權(quán)重系數(shù)，c2表示粒子跟蹤整個(gè)粒子群最優(yōu)值的權(quán)重系數(shù)，rand1和rand2是在[0,1]區(qū)間內(nèi)均勻分布的隨機(jī)數(shù)，和分別表示第m次和第m+1次迭代時(shí)的計(jì)算因子。

本發(fā)明提供的一種信號合成方法及系統(tǒng)，通過建立合成信號的目標(biāo)函數(shù)和合成權(quán)值的迭代函數(shù)，對迭代函數(shù)中的計(jì)算因子進(jìn)行計(jì)算，能夠在快速收斂的同時(shí)，減小合成損耗以得到性能良好的合成信號。

附圖說明

圖1為本發(fā)明實(shí)施例提供的一種信號合成方法的流程示意圖；

圖2為本發(fā)明實(shí)施例中變量k與k之間取值的關(guān)系示意圖；

圖3為本發(fā)明實(shí)施例中仿真實(shí)驗(yàn)一的r系數(shù)對比曲線圖；

圖4為本發(fā)明實(shí)施例中仿真實(shí)驗(yàn)一的合成損失對比曲線圖；

圖5為本發(fā)明實(shí)施例中仿真實(shí)驗(yàn)二的合成損失對比曲線圖；

圖6為本發(fā)明實(shí)施例中仿真實(shí)驗(yàn)三的合成損失對比曲線圖；

圖7為本發(fā)明實(shí)施例提供的一種信號合成系統(tǒng)的結(jié)構(gòu)示意圖。

具體實(shí)施方式

下面通過附圖和實(shí)施例，對本發(fā)明的技術(shù)方案作進(jìn)一步的詳細(xì)描述。

圖1為本發(fā)明實(shí)施例提供的一種信號合成方法的流程示意圖。如圖1所示，該方法包括步驟101-103：

步驟101，建立合成信號的目標(biāo)函數(shù)和合成權(quán)值的迭代函數(shù)。

首先，先將接收信號建模為：

其中，表示第i個(gè)傳感器在第k時(shí)刻接收的信號，i＝1,2,…,n，n為傳感器總路數(shù)，k為采樣點(diǎn)時(shí)間變量；表示第i個(gè)傳感器在第k時(shí)刻接收的源信號；為表示第i個(gè)傳感器在第k時(shí)刻接收的噪聲，上標(biāo)s表示與存在對應(yīng)關(guān)系且上三角標(biāo)號^表示該變量為復(fù)數(shù)。

將信號的合成權(quán)值表示為：

其中，表示第i個(gè)傳感器在第k段相關(guān)時(shí)間間隔接收的信號的合成權(quán)值；表示第i個(gè)傳感器在第k段相關(guān)時(shí)間間隔接收的源信號的理想合成權(quán)值，可稱為信號權(quán)值；表示第i個(gè)傳感器在第k段相關(guān)時(shí)間間隔由噪聲引起的權(quán)值估計(jì)誤差，可稱為噪聲權(quán)值。k與k之間的關(guān)系如圖2所示，ncor為相關(guān)時(shí)間間隔，k為以相關(guān)時(shí)間間隔ncor為單位的時(shí)間變量。

根據(jù)公式(1)和(2)，合成信號可以表示為：

其中，符號*表示復(fù)數(shù)共軛運(yùn)算，合成信號的信號項(xiàng)和噪聲項(xiàng)分別為：

假設(shè)各個(gè)傳感器接收性能相同，各個(gè)接收信號已經(jīng)對齊，且各傳感器接收的噪聲的合成權(quán)值互不相關(guān)時(shí)，根據(jù)公式(4)可以計(jì)算合成后信號項(xiàng)的平均功率

其中，表示合成前信號項(xiàng)的平均功率，表示合成噪聲權(quán)值的平均功率。

根據(jù)公式(5)可以計(jì)算合成后噪聲項(xiàng)的平均功率

其中，表示合成前噪聲項(xiàng)的平均功率，表示合成信號權(quán)值的平均功率。

根據(jù)公式(6)和公式(7)，可以得到合成信號的信噪比snr:

假設(shè)各個(gè)傳感器信號的信噪比為合成權(quán)值的信噪比為則上式可以化簡為：

其中ρ等于：

由于假設(shè)各個(gè)傳感器接收性能相同，因此ρ≈1。據(jù)此，建立合成信號的目標(biāo)函數(shù)為：

當(dāng)合成權(quán)值的信噪比γ＞＞1時(shí)，根據(jù)公式(11)，則合成信號的信噪比能夠基本達(dá)到理論最佳性能值snropt：

snropt＝nα(12)

實(shí)際上，由于合成噪聲權(quán)值的影響，合成性能無法達(dá)到理論最佳性能。因此，可以定義合成權(quán)值估計(jì)誤差造成的合成信噪比修正因子δsnr(γ)：

根據(jù)公式(13)，公式(11)可以改寫為：

snr＝snroptδsnr(γ)(14)

由公式(13)可知，合成后的信噪比修正因子δsnr(γ)與合成權(quán)值信噪比γ密切相關(guān)，且合成權(quán)值信噪比越大，修正因子趨近于1，合成信號的信噪比趨近于理論最佳性能值，合成損失越小。

需要說明的是，合成信號的目標(biāo)函數(shù)除了可以為公式(11)中所示合成信號的信噪比函數(shù)外，還可以為如公式(13)所示的合成信噪比修正因子函數(shù)和合成權(quán)值的信噪比γ的函數(shù)等。在此，僅給出一種目標(biāo)函數(shù)的可能形式，并不對此作出限定。

采用遞推迭代的算法，建立合成權(quán)值的迭代函數(shù)，即根據(jù)推導(dǎo)出第i個(gè)傳感器在第k+1時(shí)刻接收的信號的合成權(quán)值

其中，表示除第i個(gè)傳感器之外所有傳感器接收信號的合成信號作為第i個(gè)傳感器接收信號的參考信號，μ為計(jì)算因子。rk+1是歸一化系數(shù)，其作用在于通過保證各傳感器的權(quán)值平方和等于傳感器個(gè)數(shù)，如公式(17)所示，以防止權(quán)值幅度因連續(xù)累加變得不穩(wěn)定。

步驟102，基于合成信號的目標(biāo)函數(shù)和合成權(quán)值的迭代函數(shù)，對計(jì)算因子進(jìn)行計(jì)算。

首先，對合成信號的信噪比性能和計(jì)算因子之間的關(guān)系進(jìn)行分析。

根據(jù)公式(1)-(3)，將公式(15)展開為：

假設(shè)在相關(guān)時(shí)間間隔ncor內(nèi)，信號功率和噪聲功率是相對穩(wěn)定的，且信號和噪聲是相對獨(dú)立的，因此可以在噪聲分量取k＝0。公式(18)經(jīng)過積分后，可以表示為：

其中，表示經(jīng)過積分后合成前的信號分量，表示經(jīng)過積分后合成后的信號分量，而表示經(jīng)過積分后合成前的噪聲分量，表示經(jīng)過積分后合成后的噪聲分量。結(jié)合公式(2)將合成權(quán)值分成信號分量和噪聲分量，則公式(19)可以分解為：

根據(jù)公式(20)和(21)可以分別得到信號權(quán)值的平均功率和噪聲權(quán)值的平均功率

在以下分析過程中，同樣假設(shè)各個(gè)傳感器接收性能相同，而且接收信號功率保持不變。因此第k段相關(guān)時(shí)間間隔的平均功率可以由第0段代替，即而且各個(gè)傳感器的合成權(quán)值平均功率相等，即

令第i個(gè)傳感器的合成權(quán)值的信噪比為根據(jù)公式(24)可以得到：

則噪聲權(quán)值與信號權(quán)值的平均功率比為：

因此合成權(quán)值信噪比為：

由公式(13)已知，合成權(quán)值的信噪比γi越大，合成信噪比損失越小。

觀察公式(27)可以看出，當(dāng)n、ncor以及α等環(huán)境參數(shù)不變時(shí)，γi受到歸一化系數(shù)rk+1和計(jì)算因子μ的影響。其中，0≤μ≤1，因此當(dāng)傳感器總路數(shù)n＞＞1時(shí)，γi主要受到歸一化系數(shù)rk+1的影響，當(dāng)歸一化系數(shù)rk+1越小時(shí)，合成權(quán)值信噪比γi越大，進(jìn)而可以得到更小的合成損失，反之亦然。由公式(16)可知，rk+1也是隨μ的不同取值而變化。

下面通過仿真實(shí)驗(yàn)一來進(jìn)一步說明計(jì)算因子μ的不同取值對歸一化系數(shù)rk+1和合成損失的影響。在仿真實(shí)驗(yàn)一中，將sumple(μ＝0)算法、pmfm(μ＝1)算法、mlc-sumple(μ＝0.1)算法和mlc-sumple(μ＝0.2)算法進(jìn)行仿真比較，源信號為正交相移鍵控(quadraturephaseshiftkeyin,qpsk)，噪聲均設(shè)為不相關(guān)零均值高斯白噪聲，參數(shù)n＝40，ncor＝400，α＝-20db，進(jìn)行100次獨(dú)立測試。實(shí)驗(yàn)結(jié)果如圖3和圖4所示，圖3中r系數(shù)在μ不同取值情況下，由公式(16)計(jì)算得到。從圖3中可以看出，μ越大，各算法r系數(shù)的穩(wěn)態(tài)值越小。而根據(jù)之前的理論性能分析可知算法中r系數(shù)的穩(wěn)態(tài)值越小，可以得到更小的合成損失。由圖4可知，一方面，μ越大，各算法的合成損失越小，這和理論性能分析一致。另一方面，sumple算法只需要大約10次迭代就能收斂，而pmfm算法需要大約20次迭代才能收斂，即sumple算法的收斂速度快于pmfm算法。

因此在信號合成算法每次迭代過程中，以合成信號的信噪比snr最大作為目標(biāo)函數(shù)，通過自動(dòng)調(diào)節(jié)μ的取值可以同時(shí)得到較快的收斂速度和較小的穩(wěn)態(tài)合成損失。

本發(fā)明的實(shí)施例中采用粒子群優(yōu)化(particleswarmoptimization，pso)算法尋找μ的最優(yōu)值。其速度和位置的迭代公式如下：

其中，和分別表示pso算法的第q個(gè)粒子第m次和第m+1次迭代時(shí)粒子的速度，m＝1,2,…,m，m為迭代總次數(shù)，q＝1,2,…,q，q表示粒子種群總數(shù)，a表示慣性權(quán)重，pbest表示當(dāng)前粒子本身所找到的最優(yōu)解，gbest表示整個(gè)粒子群所找到的最優(yōu)解，c1表示粒子跟蹤當(dāng)前粒子本身最優(yōu)值的權(quán)重系數(shù)，c2表示粒子跟蹤整個(gè)粒子群最優(yōu)值的權(quán)重系數(shù)，rand1和rand2是在[0,1]區(qū)間內(nèi)均勻分布的隨機(jī)數(shù)，和分別表示第m次和第m+1次迭代時(shí)的計(jì)算因子。

通過采用pso算法，在每一次迭代過程中，將每一個(gè)粒子計(jì)算出的依次代入到合成權(quán)值的迭代函數(shù)和合成信號的目標(biāo)函數(shù)，即公式(15)和公式(11)中，計(jì)算出snr，并選取使snr取最大值的計(jì)算因子為最終的μ值。

需要說明的是，除了采用pso算法尋找μ的最優(yōu)值外，還可以采用其他的尋優(yōu)算法。在此，僅給出一種尋優(yōu)算法的可能形式，并不對此作出限定。

步驟103，根據(jù)對計(jì)算因子進(jìn)行計(jì)算的結(jié)果，確定合成信號。

根據(jù)上述使snr取最大值的計(jì)算因子為最終的μ值，代入公式(15)和公式(3)中進(jìn)行計(jì)算，以確定相應(yīng)的合成信號。

將本發(fā)明實(shí)施例提出的信號合成方法命名為automaticmlc-sumple(amlc-sumple)算法。下面通過仿真實(shí)驗(yàn)二來進(jìn)一步說明amlc-sumple算法的有益效果。在仿真實(shí)驗(yàn)二中將粒子種群總數(shù)設(shè)置為2，和的取值范圍設(shè)置為[0,1]，迭代總次數(shù)m＝5，慣性權(quán)重a＝0.78，c1和c2設(shè)置為2，將amlc-sumple算法與sumple(μ＝0)算法、pmfm(μ＝1)算法、mlc-sumple(迭代前7次μ＝0.2而后μ＝1)算法進(jìn)行仿真比較。源信號為正交相移鍵控qpsk，噪聲均設(shè)為不相關(guān)零均值高斯白噪聲，參數(shù)n＝40，ncor＝400，α＝-20db，進(jìn)行100次獨(dú)立測試。實(shí)驗(yàn)結(jié)果如圖5所示，sumple算法收斂后的穩(wěn)態(tài)合成損失最大，其他三種算法收斂后的穩(wěn)態(tài)合成損失基本相同，均優(yōu)于sumple算法。此外，本發(fā)明實(shí)施例提出的amlc-sumple算法和sumple算法的收斂速度最快，只需要大約10次迭代就能收斂。而pmfm算法和mlc-sumple算法則需要大約15次迭代才能收斂。

在仿真實(shí)驗(yàn)三中對相比于仿真實(shí)驗(yàn)二信噪比更高情況下的合成損失進(jìn)行分析，將粒子種群總數(shù)設(shè)置為2，和的取值范圍設(shè)置為[0,1]，迭代總次數(shù)m＝5，慣性權(quán)重a＝0.78，c1和c2設(shè)置為2，將amlc-sumple算法與sumple(μ＝0)算法、pmfm(μ＝1)算法、mlc-sumple(迭代前7次μ＝0.2而后μ＝1)算法進(jìn)行仿真比較。源信號為正交相移鍵控qpsk，噪聲均設(shè)為不相關(guān)零均值高斯白噪聲，n＝15，ncor＝150，α＝-15db，進(jìn)行100次獨(dú)立測試。實(shí)驗(yàn)結(jié)果如圖6所示，本發(fā)明實(shí)施例中提出的amlc-sumple算法的收斂速度最快，只需要大約8次迭代就能收斂。而pmfm算法和mlc-sumple算法收斂速度明顯低于amlc-sumple，pmfm算法和mlc-sumple算法則需要大約15次迭代才能收斂。

本發(fā)明實(shí)施例提供的一種信號合成方法，通過建立合成信號的目標(biāo)函數(shù)和合成權(quán)值的迭代函數(shù)，對迭代函數(shù)中的計(jì)算因子進(jìn)行計(jì)算，能夠在快速收斂的同時(shí)，減小合成損耗以得到性能良好的合成信號。

另一方面，本發(fā)明提供了一種信號合成系統(tǒng)。該信號合成系統(tǒng)200包括：

第一計(jì)算模塊201，用于建立合成信號的目標(biāo)函數(shù)和合成權(quán)值的迭代函數(shù)，合成權(quán)值的迭代函數(shù)包含計(jì)算因子。

可選的，合成信號的目標(biāo)函數(shù)為：

其中，snr為合成信號的信噪比，n為傳感器總路數(shù)，α為傳感器信號的信噪比，γ為合成權(quán)值的信噪比。

可選的，合成權(quán)值的迭代函數(shù)為：

其中，ncor為相關(guān)時(shí)間間隔，k為以相關(guān)時(shí)間間隔ncor為單位的時(shí)間變量，rk+1為歸一化系數(shù)，k為采樣點(diǎn)時(shí)間變量，和分別為第i個(gè)和第j個(gè)傳感器在第k時(shí)刻接收的信號，i,j＝1,2,…,n，n為傳感器總路數(shù)，和分別為第i個(gè)和第j個(gè)傳感器在第k段相關(guān)時(shí)間間隔接收的信號的合成權(quán)值，符號*表示復(fù)數(shù)共軛運(yùn)算，μ為計(jì)算因子。

第二計(jì)算模塊202，用于基于合成信號的目標(biāo)函數(shù)和合成權(quán)值的迭代函數(shù)，對計(jì)算因子進(jìn)行計(jì)算。

具體的，第二計(jì)算模塊202用于基于合成信號的目標(biāo)函數(shù)和合成權(quán)值的迭代函數(shù)，采用粒子群優(yōu)化pso算法對計(jì)算因子進(jìn)行計(jì)算。

可選的，采用粒子群優(yōu)化pso算法對計(jì)算因子進(jìn)行計(jì)算具體包括：

其中，和分別表示pso算法的第q個(gè)粒子第m次和第m+1次迭代時(shí)粒子的速度，m＝1,2,…,m，m為迭代總次數(shù)，q＝1,2,…,q，q表示粒子種群總數(shù)，a表示慣性權(quán)重，pbest表示當(dāng)前粒子本身所找到的最優(yōu)解，gbest表示整個(gè)粒子群所找到的最優(yōu)解，c1表示粒子跟蹤當(dāng)前粒子本身最優(yōu)值的權(quán)重系數(shù)，c2表示粒子跟蹤整個(gè)粒子群最優(yōu)值的權(quán)重系數(shù)，rand1和rand2是在[0,1]區(qū)間內(nèi)均勻分布的隨機(jī)數(shù)，和分別表示第m次和第m+1次迭代時(shí)的計(jì)算因子。

合成模塊203，用于根據(jù)對計(jì)算因子進(jìn)行計(jì)算的結(jié)果，確定合成信號。

具體內(nèi)容在前述的信號合成方法中已詳細(xì)闡述，在此不做贅述。

本發(fā)明實(shí)施例提供的一種信號合成系統(tǒng)，通過建立合成信號的目標(biāo)函數(shù)和合成權(quán)值的迭代函數(shù)，對迭代函數(shù)中的計(jì)算因子進(jìn)行計(jì)算，能夠在快速收斂的同時(shí)，減小合成損耗以得到性能良好的合成信號。

以上的具體實(shí)施方式，對本發(fā)明的目的、技術(shù)方案和有益效果進(jìn)行了進(jìn)一步詳細(xì)說明，所應(yīng)理解的是，以上僅為本發(fā)明的具體實(shí)施方式而已，并不用于限定本發(fā)明的保護(hù)范圍，凡在本發(fā)明的精神和原則之內(nèi)，所做的任何修改、等同替換、改進(jìn)等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。