高斯混合分布杂波下ARM的Wald检测方法

提出一种在高斯混合分布杂波下检测反辐射导弹(ARM)的Wald检测方法.针对基于期望最大化(EM)算法估计杂波参数时,由于初始化不当使迭代运算落入初值陷阱、导致估计错误的问题,提出基于矩-EM算法估计杂波参数的方法,导出了高斯混合分布杂波下ARM目标的Wald检测统计量.不同参数条件下的仿真表明,矩-EM算法能够更准确地估计杂波参数;基于高斯混合分布杂波假设的Wald检测性能明显优于基于高斯分布杂波假设的Wald检测性能.     

一种非高斯噪声中未知参数的信号的检测方法

研究了非高斯噪声中具有未知参数的信号的渐进最优检测，应用非高斯噪声中线性模型信号以及随机信号的Rao检验，导出了Rao检测的解析式，并与广义似然比检验的性能做比较。仿真结果表明，该检测器性能大大优于传统的能量检测器和高斯噪声假设下的广义似然比检测器。     

非高斯噪声中信号的神经网络检测

了非主斯噪声中信号的检测，采用多层感知器神经网络作为检测器。介绍了工作原理、网络结构和训练算法。计算机仿真证明在非主斯噪声条件下神经网络检测器性能优于线性最佳匹配滤波器检测器的局部最佳检测器。     

非高斯噪声中信号的神经网络检测

论述了用多层感知器神经网络检测非高斯噪声中确知信号与随机信号的工作原理，网络结构和训练算法，讨论了几种非高斯噪声中信号的神经网络检测器性能。计算机仿真证明，在非高斯噪声条件下神经网络检测性能优于线性最佳匹配滤波器检测器和局部最佳检测器。     

对称-stable与高斯的混合噪声中信号检测的几种新方法

文章首先对现有-stable噪声中信号检测的几种方法进行概述、分析。在将背景噪声拓展为对称-stable分布噪声和高斯噪声的混合噪声(一种更接近实际工程的噪声模型)时,基于一种可逼近于对称-stable分布的表达式,提出了几种基于低阶矩理论的信号检测新方法。它们分别是:改进的矩方法、局部次最优新方法。它们有简单的表达式,容易实现。蒙特卡罗仿真试验结果表明,这几种新方法是行之有效的,检测性能优于现有的一些方法。     

噪声中弱信号的检测与估计

综述了从噪声干扰中提取信号的方法及其适用条件。     

复合高斯杂波加热噪声中基于Rao检验的分布式目标检测

随着雷达分辨率的不断提高,每个距离单元中分布的杂波能量逐渐减少,当杂噪比低于10dB时,热噪声对检测性能的影响是不可以忽略的。针对低杂噪比的情况,在复合高斯杂波加热噪声的背景中研究了分布式目标的检测问题。首先假设内部热噪声和外部杂波统计独立,在给定杂波纹理分量τ的前提下,将白高斯热噪声加上由球不变随机向量表示的复合高斯杂波之后的总干扰近似等效处理成一个新的复合高斯杂波,只是将其参数做了适当调整。然后将分布式目标建模为在距离维和Doppler频率维同时扩展的子空间模型,基于Rao检验构造了N-Rao检测器。通过对N-Rao检测器虚警概率的计算表明,在不存在目标的假设下,虚警概率只由脉冲重复数N、分布式目标占据的实际距离单元数H、每个距离单元内目标散射点总数目Nt来决定,即N-RAO检测器具有恒虚警率特性。最后通过Monte Carlo仿真实验表明,杂波形状参数v的减少与CNR的增加都会使N-RAO检测器的检测性能有所提高,且在低杂噪比的情况下,N-RAO检测器有很好的检测性能。      

有色非高斯背景下微弱信号的Rao有效绩检验

混合高斯Rao有效绩检验是实现有色非高斯背景下微弱信号检测的渐近最佳检测器,预白化和高斯化技术的应用使得它的检测性优于传统的匹配滤波器.在使用混合高斯自回归模型描述检测问题之后,基于功率谱密度和概率密度参数估计,引入预白化和高斯化滤波器,构建起模块化的、实用的混合高斯Rao有效绩检测器.然后对其检测性能进行了深入分析,揭示了预白化和高斯化技术改善检测性能的机理所在.最后给出了一组湖试数据检测实例.     

基于EM算法的非高斯噪声参数估计

EM算法是一种从＂不完全数据＂中求解模型参数的极大似然估计的方法,在非高斯噪声的参数估计问题中是一种比较优秀的算法。非高斯噪声的参数估计问题的主要困难是充分统计量是不存在的,这意味着从观测空间到估计空间的映射依赖于这里试图估计的参数。在未知噪声概率密度的情况下,EM算法可以更准确地对非高斯噪声参数进行估计,估计方差接近C-R下界。     

数字图像中混合噪声的滤波

中值滤波法主要用来抑制椒盐噪声,均值滤波法主要用来抑制高斯噪声.当数字图像中即有椒盐噪声又有高斯噪声时,两种方法均无法达到令人满意的效果.提出了一种混合噪声的滤波方法.首先通过设定阈值,将椒盐噪声和高斯噪声加以区分.然后先对椒盐噪声使用改进了的中值滤波方法进行滤波,之后使用近邻域均值滤波法对高斯噪声进行滤波.仿真结果表明,文中提出的混合去噪声算法计算简单,对数字图像中存在的混合噪声有较好的滤波效果.     

Nonlinear Sum Statistic to Improve Signal Detection in Gaussian Mixture Noise

This paper discusses the binary decision problem in Gaussian mixture noise by the nonlinear sum statistic （nonlinear detector） based on a Maximum a posteriori probability （MAP） criterion. When the signal is suprathreshold, the nonlinear detector can obtain a smaller the probability of error Per compared to the standard lin- ear detector which can minimize Per in Gaussian noise. When the signal is subthreshold, the nonlinear detector can also obtain a smaller Per compared to the standard linear detector for Gaussian mixture noise with stronger noise intensity. Noise can improve signal detection, i.e., Stochastic resonance （SR） exists. According to the variation of the Probability density function （PDF）, we discuss how the noise parameters affect the detection performance, and why SR occurs for the subthreshold signal. These results confirm further that there are some simple nonlinear statistics that can improve signal detection in non-Gaussian noise, and also show the robustness of SR to noise.     

强噪声背景下的弱信号检测仿真

针对被噪声淹没的弱信号的检测提出一种基于数字锁定放大器（LIA）的实现方案,该方案将弱信号检测中的数字式平均原理应用于锁定放大器中的滤波器设计,传统的滤波器相比,该滤波器具有结构简单、通带易于调整控制的优点。以检测传感器电路中的弱电压信号为基础建立检测仿真系统,并以Matlab为平台,对方案抑制宽带噪声和单频噪声的性能进行了仿真分析,可以看到,本方案取得了较好的抑制噪声的能力,对于两种不同的噪声污染,当输入信噪比分别为-23dB和-60dB时仍可较精确地检测出淹没在噪声中的弱信号幅度。     

噪声在"光电微弱信号检测"课程中的应用

对于噪声中存在的微弱信号检测,需要采用专门的方法和仪器来抑制噪声。通过在课堂教学中有意识地介绍如何利用噪声来提取微弱信号,对丰富课堂教学内容,培养研究生正确的思维方法和创新意识起到了良好的作用。本文介绍了噪声在激光陀螺与开环光纤陀螺信号处理中的成功应用。     

微弱信号混沌检测方法的抗噪性能研究

针对混沌检测算法中临界状态不易准确判定,相变判别可能受到噪声影响的问题,首先阐述了基于Duffing方程的微弱信号检测原理,然后对混沌检测算法中噪声对系统输出的影响进行了推导和理论分析,设计仿真实验对复杂噪声条件下混沌系统的检测性能进行了分析。理论分析和仿真实验都表明,混沌系统对各种噪声都具有良好的免疫力,可以应用于强噪声背景下微弱信号的检测。     

湮没在色噪声背景下 微弱方波信号的混沌检测方法

 建立一个其动力学行为对微弱方波信号极其敏感的混沌系统,根据该系统相轨迹的变化实现了任意色噪声背景下的微弱方波信号的测量.文中论证了方波信号的检测方法;分析了噪声对混沌检测的影响,仿真实验表明该混沌检测系统对方波信号非常敏感,对任何零均值色噪声均具有极强的抑制能力.     

弱暂态正弦信号的检测

将Duffing振子用于弱暂态正弦信号的检测,发现可被检测的暂态正弦信号的持续时间下限为12个周期,对相位随机分布并淹没在噪声中的弱暂态正弦信号可以用一组(16个)Duffing方程检测到,对到达时间的定位可以精确到一个周期。     

相位噪声中弱信号检测的信噪比计算与分析

考虑有用信号建模于复数相位,研究在相位噪声影响下弱信号检测的信噪比问题.首先,给出零均值复高斯噪声下复数相位中噪声的分布和特征,提出针对弱信号的噪声特征近似计算方法.然后,考虑平坦衰落信道即信号幅度一定时,推导基于多样本的信号检测信噪比公式及其近似计算方法.之后,考虑瑞利衰落信道,以二进制相位调制为例,推导平均检测信噪...     

噪声中弱信号的检测与估计

综述了从噪声干扰中提取信号的方法及其适用条件。     

高斯尺度混合大气噪声模型的参数估计

非高斯大气噪声的参数估计对甚低频、超低频信号的最佳接收有重要意义。对大气噪声采用基于逆高斯分布的高斯尺度混合分布模型建模,研究了基于逆高斯分布的高斯尺度混合分布模型参数的性质,设计了高斯尺度混合大气噪声模型参数的马尔可夫链蒙特卡罗（ MCMC）算法。算法在贝叶斯层次模型下,采用Gibbs抽样和M-H抽样更新参数。仿真结果表明,该模型对大气噪声有很好的适用性,MCMC算法迭代效率和精度高,具有实际的应用价值。