基于FLOC的ARMA SαS模型α谱估计方法

分析了基于分数低阶矩（FLOM）估计ARMA SαS模型参数的不足,根据分数低阶协方差（FLOC）的概念,提出了一种基于分数低阶协方差系数估计ARMA SαS模型参数的方法。在此基础上,给出了ARMA SαS模型的α谱估计。通过对给定ARMA SαS模型的α谱估计、α稳定分布噪声中正弦信号的估计与分辨进行仿真,详细比较了基于FLOM的ARMA SαS模型α谱估计和基于FLOC的ARMA SαS模型α谱估计的性能。结果表明,α值较小时,基于FLOC的ARMA SαS模型α谱估计的性能明显优于基于FLOM的ARMA SαS模型α谱估计。     

基于分数低阶协方差的AR SαS模型α谱估计

根据自回归(AR) SαS模型的α谱,分析了基于分数低阶矩(FLOM)法估计AR SαS模型参数的不足.提出了一种基于分数低阶协方差(FLOC)的AR SαS模型参数估计方法,并给出了基于FLOC的AR SαS模型α谱方法.分别对AR SαS模型参数的估计、α稳定分布噪声中单一正弦信号的估计和两个正弦信号的分辨进行了仿真.仿真结果表明,基于FLOC的AR SαS模型α谱估计方法对于不同的α值均具有较好的韧性.特别是在α值较小,即α稳定分布噪声概率密度函数(PDF)拖尾比较严重时,本文所提出的基于FLOC的AR SαS模型α谱估计方法,其性能明显优于基于FLOM的AR SαS模型α谱估计方法.     

脉冲噪声下基于分数低阶矩的MQAM信号载频与符号率联合估计

针对传统MQAM信号载频与符号率估计算法在脉冲噪声下性能不佳甚至失效的问题,该文结合分数低阶矩与共变理论,推导了MQAM的分数低阶循环谱密度函数,并分析了升余弦脉冲成型条件下的MQAM信号循环谱特征。将分数低阶矩引入离散频域平滑谱(DFSM)估计。提出了一种基于分数低阶矩的MQAM载波频率与符号率联合参数估计算法,采用相邻谱切面求平均的方法,有效的避免了由于分辨率不足造成估计误差。仿真实验结果表明,与二阶DFSM循环谱估计算法相比,本文算法不仅能够抑制脉冲噪声的影响,而且在较为恶劣的噪声条件下均能有效的估计MQAM信号的载频与符号率,具有更好的抗干扰能力与适用性,适用于不同调制阶数的MQAM信号。      

脉冲噪声环境下基于宽带模糊函数的双基地MIMO雷达目标参数估计新方法

以Alpha稳定分布作为噪声模型,研究了脉冲噪声环境下宽带双基地MIMO雷达系统中参数估计问题.针对在脉冲噪声环境中,基于传统的信号模型和算法效果显著退化的问题,本文提出了基于分数低阶统计量的宽带模糊函数算法.首先根据分数低阶宽带模糊函数的峰值点实现对多普勒频率尺度因子和时延的联合估计.接下来基于分数低阶宽带模糊函数构造两个子阵.通过采用改进的MUSIC算法和ESPRIT算法实现了收发角的联合估计.仿真实验表明本文算法具有很好的性能.     

基于分数低阶统计模型的自适应滤波器组谱估计方法

 本文研究了一些自适应滤波器组谱估计方法(AFSE)在对称alpha-stable噪声(SαS)环境下的性能.提出了三种新的基于分数低阶统计模型(FLOS)的自适应滤波器组谱估计方法(AFSE_-FLOS).这些新方法是基于分数低阶协方差(FLOC),因此在对称alpha-stable噪声环境下比基于二阶和一阶统计模型的方法估计性能好.计算机仿真结果表明这些基于分数低阶统计模型的新方法在对称alpha-stable噪声环境下的性能比对应的基于二阶和一阶统计模型的方法性能好,在高斯噪声环境下,与其对应的方法性能相似.     

α稳定分布噪声下自适应信号处理的研究进展

口稳定分布可以更好地描述实际应用中所遇到的具有脉冲特性的随机信号和噪声。本文介绍了a稳定分布的统计特性,综述了a稳定分布噪声环境下的时间延迟估计、波束形成、噪声抵消等自适应信号处理方法。基于分数低阶统计量的方法能够有效地抑制a稳定分布噪声,具有良好的韧性。     

稳定分布的水声信号处理新方法

本文依据分数低阶统计信号处理理论和舰船辐射噪声信号特性,提出了水声信号新的噪声模型,分析了常规LMS滤波方法在非高斯稳定分布噪声下性能退化的原因,提出了基于分数低阶p-范数的LMP,NLMP水声信号自适应降噪滤波方法,并分析了参数p值的选取对LMP滤波效果的影响.理论分析和计算机仿真结果表明这种方法在高斯和非高斯稳定分布条件下都具有良好的鲁棒性.     

非平稳环境下基于人耳听觉掩蔽特性的语音增强

传统的语音增强算法往往仅对平稳噪声或缓慢变化的噪声有效,且残留的音乐噪声较大。对此,本文研究了一种非平稳环境下基于听觉掩蔽效应的语音增强算法。该算法对传统谱减法的功率谱估计算法进行改进,根据最小均方误差原则和语音信号的听觉掩蔽阈值调整功率谱估计的参数,并引入了基于最小值统计特性的噪声估计算法,使估计的噪声更好地跟踪噪声的变化。实验结果表明:该算法对平稳和非平稳的噪声都得到较好的增强效果,且较好地抑制了音乐噪声。     

脉冲噪声环境下基于分数低阶循环相关的MUSIC算法

该文以稳定分布作为噪声模型,研究了脉冲噪声环境下循环平稳信号的波达方向估计问题。针对在脉冲噪声环境中基于传统2阶循环相关的算法效果显著退化的问题,该文提出了基于分数低阶循环相关的分数低阶循环MUSIC算法(FLOCC-MUSIC)。将分数低阶循环相关与MUSIC算法相结合,可以有效抑制脉冲噪声的同频带干扰。计算机仿真表明了此算法可有效完成高斯噪声和脉冲噪声条件下的波达方向估计,其性能优于传统的基于2阶循环相关的Cyclic-MUSIC。     

一种基于非线性变换的EP潜伏期变化自适应检测方法

该文依据分数低阶矩理论和诱发电位（EP）信号及噪声的低阶α稳定分布特性，提出了一种自适应检测EP潜伏期变化的新方法。这种方法基于sigmoid函数对误差信号en(k)进行连续的非线性变换，即抑制了EP信号中的低阶α稳定分布噪声，又有效保留了信号成分，在高斯和低阶α稳定分布噪声条件下具有很好的韧性，且无须动态估计信号噪声的α参数。利用这种方法动态检测EP潜伏期的变化，比以往的DLMS，DLMP和SDA等算法具有较高的估计精度和较快的收敛速度，是一种具有较高韧性的性能优良的EP潜伏期变化动态检测方法。     

Limitations on the use of discrete linear models of continuous random processes

A continuous stationary signal possessing non-Gaussian higher order statistics cannot be correctly modelled by any discrete process based on passing independently and identically distributed noise through a linear filter. In particular, it is shown that at third order there exists no discrete skewed linear model with a discrete bispectrum that is the same as that obtained from the Nyquist samples of any continuous stationary process. The nature of the problem is elucidated and an alternative method for modelling the third order statistics of continuous stationary processes is proposed.Supported by Defense Research Agency, Portland.     

基于分数低阶ICA的混合噪声中脉冲噪声的消除方法

为了解决当信号中同时含有高斯噪声与α稳定分布脉冲噪声时,传统的基于二阶统计量的去噪方法会出现显著的性能退化的问题。通过基于负熵的分数低阶独立分量分析(ICA)算法先去除混合噪声中的脉冲噪声,然后利用SVD算法再去除混合信号中高斯噪声的方法,取得了较好的效果,且有效保护了混合信号中的纯净信号。     

基于低阶预白化与新型网络传递函数的盲源分离方法

α-稳定分布可以更好地描述实际应用中所遇到的具有显著脉冲特性的随机信号和噪声。与其它统计模型不同, α稳定分布没有统一闭式的概率密度函数,其二阶及二阶以上统计量均不存在。本文先简要介绍稳定分布统计特性,再提出了适用于盲信源分离的神经网络结构与基于分数低阶统计量与子空间技术的预白化过程,并利用一种新型传递函数修正了分离算法,提出了一种基于分数阶预白化与新型传递函数的盲信源分离方法。计算机模拟和分析表明,这种算法是一种在高斯和分数低阶α稳定分布噪声条件下具有良好韧性的盲信源分离方法,是对传统的二阶统计量基础上的盲信源分离方法的改造与推广。     

分数低阶噪声的频域处理及在通信中的应用

针对传统的信号处理中采用基于高斯分布与二阶统计量的方法会受到对信号噪声模型假设的限制,提出了非高斯分数低阶噪声理论与通信信号处理等领域的实际问题密切结合,改造现有的信号处理中的频域相关处理技术.本文介绍了α稳定分布模型与分数低阶矩理论,分析和总结了传统的信号处理方法在通信中的应用以及其极限性,对下一步的研究进行了总结与展望,分析了基于频域的分数阶噪声在通信中的应用前景.     

提取循环平稳信号特征频率的方法

低阶循环统计量应用广泛,取得了很好的研究成果,但对噪声的抑制效果较差;高阶循环统计量虽能完全抑制高斯噪声的影响,能处理循环平稳、非线性、非高斯过程,但计算量大;循环自相关函数切片谱图能够提取出调制频率,但在较大噪声干扰时效果不明显。为在更低信噪比情况下,采用更快速方法提取出循环平稳信号的特征频率,采用循环双谱的载波频率切片谱提取所需频率。通过Matlab仿真和实验对比研究,发现在信噪比为-15 dB时,循环双谱的载波频率切片谱能直观表达出分析结果。     

Parameter estimation based on fractional power spectrum under alpha-stable distribution noise environment in wideband bistatic MIMO radar system

This paper takes the alpha-stable distribution as the noise model and works on the parameter estimation problem of wideband bistatic Multiple-Input Multiple-Output (MIMO) radar system in the impulsive noise environment. In many applications, it is not appropriate to approximate the wideband signal by the narrowband model. Furthermore, the echo signal may be corrupted by the non-Gaussian noise. The conventional algorithms degenerate severely in the impulsive noise environment. Thus, this paper proposes a new wideband signal model and a novel method in wideband bistatic MIMO radar system. It combines the fractional lower order statistics and fractional power spectrum, for suppressing the impulse noise and estimating parameters of the target. Firstly, a new signal array model is proposed under the alpha-stable distribution noise model. Secondly, Doppler stretch and time delay are jointly estimated by peak searching of the FLOS-FPSD. Furthermore, two modified algorithms are proposed for the estimation of the direction-of-departure and direction-of-arrival, including the fractional power spectrum density based on MUSIC algorithm (FLOS-FPSD-MUSIC) and the fractional lower-order ambiguity function based on ESPRIT algorithm (FLOS-FPSD-ESPRIT). Simulation results are presented to verity the effectiveness of the proposed method.     

冲激噪声背景下基于幅度预处理的测向新方法

冲激噪声环境下的测向算法大多基于分数低阶统计量提出的,其计算复杂度相对传统的二阶矩测向算法大大增加.通过对冲激噪声幅值特征进行分析,分别提出基于阵列接收数据幅度均值和中值进行幅度预处理的测向新方法.两种方法都是利用了冲激噪声分布的统计特性,首先根据阵列接收数据估计出幅值门限,然后对阵列接收数据进行幅度预处理,可以有效抑制噪声的冲激特性,从而可以利用传统的二阶矩类测向算法进行波达方向估计.理论分析和实验仿真结果表明,两种方法均处理简便,计算复杂度低,无需估计先验参数;基于中值的幅度预处理方法更是具有估计精度优良,对低信噪比时的测向性能有较大改善,且适用于强冲激噪声环境等优点.     

一种基于分数低阶协方差矩阵的波束形成新方法

利用稳定分布对具有脉冲特性的噪声进行建模，提出了一种新的分数低阶协方差概念，推导了一种基于分数低阶协方差矩阵的波束形成方法，并分析了其旁瓣特性。模拟表明新方法具有更高的信号干扰噪声比及更强的波束形成与旁瓣抑制能力。新算法在高斯和分数低阶稳定分布环境下比传统的算法具有更好的韧性。     

A novel phase parameter estimation method of quadratic FM signal based on Sigmoid fractional ambiguity function in impulsive noise environment

To overcome the limitations that the second-order statistics based methods rely heavily on gaussianity assumption and the fractional lower-order statistics based methods depend on the priori knowledge of non-Gaussian noise, two novel concepts, the Sigmoid transform based instantaneous correlation function and Sigmoid transform based fractional ambiguity function, are defined firstly. Based on these definitions, a novel phase parameters estimation method of the quadratic FM signal is proposed in impulsive noise environment. Furthermore, the property of the Sigmoid transform is presented and proved. Simulations have verified its superior performances over existing methods based on fractional ambiguity function or fractional ambiguity function based on fractional lower order statistic, especially under impulsive noise. Meanwhile, it does not depend on the priori knowledge of noise.     

Detection of non-Gaussian signals using integrated polyspectrum

We consider the problem of detecting an unknown, random, stationary, non-Gaussian signal in Gaussian noise of unknown correlation structure. The same framework applies if one desires to determine whether the given random signal is non-Gaussian. The most commonly used method for detection of random signals is the so-called energy detector, which cannot distinguish between Gaussian and non-Gaussian signals and requires the knowledge of the noise power. Recently, the use of bispectrum and/or trispectrum of the signal has been suggested for detection of non-Gaussian signals. The higher order spectra-based detectors do not require the knowledge of the noise statistics if the noise is Gaussian. In this paper, we suggest the use of an integrated polyspectrum (bispectrum of trispectrum) to improve computational efficiency of the detectors based on polyspectrum and to possibly further enhance their detection performance. We investigate conditions under which use of the integrated polyspectrum is appropriate. The detector structure is derived, acid its performance is evaluated via simulations and comparisons with several other existing approaches