Alpha稳定分布噪声背景下MPSK信号参数估计

针对基于二阶循环统计量的参数估计算法在Alpha稳定分布噪声中严重退化的问题,提出了一种基于分数低阶循环谱的多进制相移键控(m-ary phase shift keying,MPSK)信号参数估计算法.研究了MPSK信号的分数低阶循环谱,对于不同M值下的相移键控(phase shift keying,PSK)信号,分析了其参数(载波频率和码元速率)和相应分数低阶循环谱中参数(频率和循环频率)的关系,在此基础上给出了适合所有PSK信号的载波频率和码元速率估计算法.实验结果表明,在Alpha稳定分布噪声背景下,基于分数低阶循环谱的算法明显优于基于二阶循环谱的算法,高斯噪声背景下两种算法性能相当.     

脉冲噪声环境下基于循环频率截面 累加量的码元速率估计

为了提高非高斯α稳定分布噪声环境下MPSK信号码元速率的估计准确率,提出了一种基于循环频率截面累加量的MPSK信号新的码元速率估计算法。算法采用一种新的归一化压缩函数,对含有α稳定分布噪声的MPSK信号进行非线性压缩,有效抑制了脉冲噪声对于循环谱密度的影响,并保留了码元变换时的跳变信息;通过在循环谱密度的f=0截面搜寻最大值,确定在循环频率截面的搜索范围,利用在该范围内进行循环谱密度的累加量,实现了MPSK信号的码元速率估计。仿真实验结果表明,该算法比现有的码元速率估计算法具有更好的稳定性和准确性。     

基于广义功率谱密度的分布压缩宽带频谱感知

为实现在Alpha稳定分布噪声下宽带频谱感知,扩展了传统功率谱密度概念,提出广义功率谱密度的概念,在此基础上提出基于广义功率谱密度的分布压缩宽带频谱感知。此方法能有效地抑制Alpha稳定分布噪声。首先,将接收的宽带信号进行分数低阶处理,计算自相关函数,再结合压缩感知原理将分数低阶自相关向量压缩和融合重构,最后经傅立叶变换得到广义功率谱密度。仿真结果表明,该方法具有良好的宽带功率谱密度估计性能,在Alpha稳定分布噪声下能较好地完成宽带频谱感知。     

冰下脉冲噪声特性及信号检测性能分析

针对冰下噪声的显著脉冲特征及其对冰下的探测声呐的干扰的问题,本文采用第8次北极科考声学实验和松花江实验获得的冰下噪声数据,研究其统计特性及对匹配滤波器检测性能的影响。分析了冰下噪声数据的统计特性,采用Alpha稳定分布作为统计模型,通过分数低阶矩法估计噪声数据获得的Alpha稳定分布参数并对噪声数据进行拟合并同高斯分布拟合情况进行对比,采用蒙特卡罗(Monte-Carlo)方法,利用实际冰下噪声数据及仿真数据分析匹配滤波检测性能,结果表明:冰下噪声具有非高斯性,拖尾较重;相比高斯分布,Alpha稳定分布更符合实际冰下噪声统计特性;相同信噪比下,宽带脉冲信号抑制冰下脉冲噪声性能优于窄带脉冲信号,并且不同特征指数α对检测性能有一定的影响。本文的研究结果可为在冰下工作的主动声呐设计及性能预报提供一定的理论依据。     

基于DT-CWT统计模型的舰船噪声信号中线谱信号检测研究

双树复解析小波变换(DT-CWT)在信号去噪方面的性能优于实小波变换,且计算量远小于后者.文章基于DT-CWT小波理论,通过对海洋环境噪声中舰船噪声中低频线谱信号小波系数的层间联合分布的分析,提出一种DT-CWT统计模型并推导出最大后验概率估计子(MAP),用于检测海洋噪声背景中的舰船噪声中的低频线谱信号.对实测舰船噪声信号和海洋环境噪声的分析表明,所提出的DT-CWT统计模型算法明显优于VisuShrink、SureShrink和BayesShrink算法对舰船噪声中线谱信号的检测效果.     

α噪声背景下基于标准归一化相关函数的谐波信号频率估计的MUSIC方法

首先,针对噪声不存在有限方差的问题,对标准归一化相关函数的定义域进行了扩展,实现了背景噪声的抑制。在此基础上,利用谐波信号频率与噪声子空间的正交性,提出了谐波信号频率估计的MUSIC方法。仿真结果表明,与分数低阶类方法相比,由于标准归一化相关函数是一个线性算子,极大地简化了稳定分布信号处理的计算和分析过程。     

多分量压缩感知信号调制参数估计算法

基于压缩感知的模拟信号采集系统可以解决宽带信号采集困难以及数据量过大的问题,已经成为目前信号采集的重要发展方向。在将该技术应用于通信侦查或频谱监测等接收任务时,接收机所截获的信号实际是处于宽带范围内的多个时域重叠窄带信号的混合,如何快速精确地从压缩信息中估计出各分量的调制参数便成为后续解调的必要条件。针对该问题提出一种基于循环累积量的调制参数估计方法,算法不需要先验信息,在不重构原始信号的前提下,由压缩测量值直接推导出混合信号的循环累积量,利用信号调制参数和循环频率之间的关系,实现对每个信号分量载波频率和码元速率的精确盲估计。实验证明算法针对MPSK、MQAM两种类型的混合信号切实有效,且计算复杂度小、精确度高、抗噪声性能好。     

标准参数系下Alpha稳定分布随机变量的产生及仿真

在实际应用中所遇到的大量非高斯信号或噪声具有显著的尖峰脉冲特性,由于这种脉冲特性,使得这类非高斯过程的统计特性显著偏离高斯分布.而Alpha稳定分布为这类过程提供了非常有用的理论工具.本文重点研究了标准参数系下的Alpha稳定随机变量的产生算法并进行仿真验证.首先基于Alpha稳定分布的基本理论对常用参数系及相关的参数转换关系进行分析,作为本文研究的理论基础,然后给出了标准参数系下Alpha稳定随机变量的生成算法并使用MATLAB进行仿真实现,最后根据仿真实验结果分析来验证该算法的可行性.     

基于最小冗余四阶循环累积量阵的DOA估计新方法

利用实际通信信号的循环平稳特性,提出了一种基于最小冗余四阶循环累积量阵的DOA估计新方法。与传统的MUSIC算法相比,新算法能抑制任意分布的平稳噪声或不具有目标信号循环频率的非平稳干扰或噪声,以及所有的高斯噪声,使该高斯噪声具有和目标信号相同的循环频率。新方法计算量较小,具有很强的信号选择性和很高的空间分辨率,并且具有很好的阵列扩展能力。     

α和高斯噪声背景下线性极化阵列波达方向和极化参数联合估计的FLOCC-SMN方法

针对α和高斯混合噪声背景下的线性极化阵列波达方向和极化参数估计问题,提出了一种基于分数低阶循环相关的子空间-最小范数方法。该方法针对α稳定分布过程的特点,利用信号的循环平稳特性,克服了传统的基于二阶矩或高阶累积量无法用于α噪声背景的缺点,弥补了分数低阶矩对循环平稳干扰信号抑制能力的不足。所采用的子空间-最小范数方法不仅减少了传统MUSIC方法的计算量,而且有效地抑制了分数低阶循环相关函数的估计误差。仿真结果表明,本文算法对α和高斯混合噪声及循环平稳干扰信号的抑制能力明显优于分数低阶矩方法。     

随机共振应用于大频率周期性弱信号检测

研究了利用随机共振检测强噪声背景下的大频率周期性弱信号.利用时序步进采样将大频率待测周期性弱信号的频率降低,再利用非线性双稳态系统的随机共振强烈压制伴随大频率信号的噪声,同时信号由于其稳定的周期振荡行为从噪声背景下凸现出来.研究结果表明该技术在检测强噪声背景下的大频率周期性弱信号方面具有明显的优势,且能够大幅度地提高利用随机共振检测弱信号的频率.     

Alpha稳定分布参数评估及应用研究

随着信号处理技术的发展,非高斯信号处理是近年来发展起来的一个信号处理的新领域.针对现实生活中所遇到的大量非高斯信号或噪声具有显著的尖峰脉冲特性,而这种脉冲特性使得这类非高斯过程的统计特性显著偏离高斯分布的实际问题.重点研究了基于广义中心极限定理的Alpha稳定分布,它能够很好地描述信号统计分布的非高斯性和重拖尾性.本文首先讨论Alpha稳定分布的定义和基本理论,然后求解出该分布的概率密度函数,以便于样本分位数法和基于分数低阶矩法的实现.最终,把研究结果应用于上证指数和道琼斯工业指数,求解出其服从的分布模型.     

基于分数低阶统计量的时延估计算法性能分析

传统的时延估计算法大多建立在高斯模型的基础上,利用信号的二阶、高阶估计量,可以得到理想的结果.然而,现实中的信号往往都处在非高斯环境下,如通信线路瞬间尖峰和环境噪声等,这一类信号的时域波形中存在一个明显的峰值,这时利用α稳定分布模型可以较好地表述非高斯脉冲信号和噪声.因此有必要对α稳定分布模型下的,基于分数低阶统计量（FLOS）的时延估计算法进行研究.通过调整参数取值得到的仿真结果,证明了在非高斯情况下,基于FLOS的时延估计算法相对于传统算法估计效果更好.     

基于四阶累积量的波束域MUSIC方法

在非白噪声背景下,基于二阶统计量的高分辨方法性能较差.基于四阶累积量的高分辨方法能较好地抑制空间高斯噪声,但其运算量较大.为了解决这一矛盾,文章提出了一种基于四阶累积量的波束域MUSIC方法.仿真分析和实验结果表明,与阵元域四阶累积量MUSIC方法相比,论文所提方法降低了分辨门限,减小了估计偏差和均方根误差,同时减小了运算量.     

基于小波变换的舰船辐射噪声检测

分析了舰船辐射噪声（简称舰船噪声）与1／f信号的关系，提出了一种基于小波变换的信号检测方法，对白噪声背景下的舰船辐射噪声进行了检测；推导了相应的检测统计量及其统计分布特性，并与传统的匹配滤波器、能量检测器进行了比较，计算机仿真结果证明了本方法是有效的，在较低的信噪比下得到较好的检测效果。     

改进的基于循环平稳分析的OFDM关键参数估计方法

提出了一种利用OFDM信号自相关特性和循环平稳特性进行多径信道下关键参数盲估计的算法.该算法首先利用OFDM信号的自相关特性估计信号的有效符号长度,接着利用多径信道下的OFDM信号具有二阶循环平稳特性来估计符号长度,并且在此过程中引入平均的思想,通过对信号的一组循环频率求均值的方法得到最终估计值.信号的二阶循环平稳特性使得该算法可抑制多径干扰,平均的处理方法提高了算法的抑制高斯噪声能力.计算机仿真结果表明:该算法在设定的多径信道下,当信噪比SNR=-2 dB时参数盲估计的正确率可以达到90%以上,在信噪比SNR=2 dB时正确率可以达到100%.     

一种基于波束域最大非冗余矩阵的四阶高分辨DOA估计算法

在非白噪声背景下,基于二阶统计量的高分辨方法性能较差。基于四阶累积量的高分辨方法能较好地抑制空间高斯噪声,但其运算量较大。文献[9]提出了一种基于四阶累积量的波束域MUSIC方法,降低了运算量,但其四阶累积量矩阵仍存在较多的冗余元素。为了进一步降低运算量,提出了一种波束域最大非冗余四阶累积量矩阵。仿真分析和实验结果表明,与波束域四阶累积量MUSIC方法相比,论文所提方法在保证估计性能的同时减小了运算量。     

基于P范数的变尺度扩散公平代价算法

为了进一步提高扩散式自适应滤波算法在不同噪声环境下的性能,提出了一种新的基于P范数的变尺度扩散公平代价函数算法。该算法在公平代价函数的基础上,对误差绝对值项加入了P范数,同时利用类箕舌线函数构造了一个随误差变化的尺度因子来共同控制算法的陡峭程度,进而使算法拥有更快的收敛速度和更小的稳态误差。在高斯噪声环境以及Alpha稳定分布和伯努利-高斯分布的非高斯噪声环境中的仿真结果表明,所提算法拥有更强的鲁棒性和更低的稳态误差,在不同噪声环境下的性能均优于对比算法。     

基于小波变换的复杂噪声背景中谐波恢复方法

对于被乘性和加性噪声污染的谐波信号,现有的循环统计量方法是基于Fourier变换实现的,但其频率分辨率不高.本文从确定性的信号模型出发,利用小波在时频分析中精细和灵活的特点,提出了谐波信号小波变换的规范化量图的方法,并建立了该规范化量图与信号参数之间联系.以此为基础,我们提出了基于小波变换的复杂噪声背景中的谐波恢复方法,并通过仿真实验对所提方法的性能进行了验证.     

α稳定分布噪声下信号的分数低阶协方差谱估计

针对在分布参数α值较小时α稳定分布噪声下基于共变的α谱估计性能较差这一问题，提出了一种分数低阶协方差（FLOC）谱估计方法．仿真通过对α稳定分布噪声下的正弦信号进行谱估计，结果表明，该方法对于不同的α值，在α稳定分布噪声下均具有较好的谱估计性能．