基于能量的时频特征提取研究

有效地从含有噪声的非平稳信号中提取特征是进行非平稳信号分类等研究的基础。应用流域算法,对含有高斯白噪声的非平稳信号的时频分布图进行分割,并根据能量占优的准则对其合并,提出了一种基于能量的特征提取方法。仿真结果表明该方法能有效地提取特征量,且对高斯白噪声具有很好的抗噪性能。     

基于小波包分解的舰船辐射噪声特征提取方法研究

由于舰船辐射噪声有其自身的非高斯、非线性和非白噪声的非平稳特性,传统时域或频域的信号处理方法不能满足对这类信号的处理.而小波包变换对信号的非平稳特性有适应性.本文通过利用小波包变换分解舰船的辐射噪声,统计噪声在各个频段上的能量分布,将统计的分频段能量作为舰船的目标特征,实现舰船目分类识别标的目的.结合Matlab对舰船辐射噪声进行仿真,提取的目标一和目标二的特征,实现了舰船的分类识别的目的,验证的方法的有效性.     

非高斯非平稳背景噪声中的信号检测研究

非高斯非平稳噪声的干扰问题在通信过程中是经常出现的。在非高斯非平稳背景噪声下,以前经常使用经典信号检测理论对信号进行检测,很难取得较为理想的效果。基于小波变换以及小波去噪原理,提出一种新的阈值处理方法,该方法能有效地去除噪声,使有用信号能从非高斯非平稳噪声中检测出来。实验结果表明,新方法不但去噪效果明显,而且获得了较高的分辨率和信噪比,检测性能较为理想,是对信号检测理论的一种有效推广。     

采用EMD方法消除瞬态散射回波中的高斯白噪声干扰

本文分析了用经验模态分解(Empirical Mode Decomposition,EMD)方法处理非平稳噪声信号的基本原理,并利用EMD方法有效地消除了高斯白噪声对瞬态散射回波的干扰.文中以一人工合成瞬态回波为例,对本方法的有效性作了检验.     

随机幅度多项式相位信号的时延估计方法

研究了一类非平稳信号具有随机幅度的多项式相位信号的时延估计问题。充分利用信号的高阶循环平稳性，提出了一种基于信号高阶循环矩的时延估计方法。该方法容易实现，估计精度能有效地抑制加性平稳非高斯和任何高斯噪声。试验结果证明了提出方法的正确性。     

一种基于小波包和双谱的信号分析方法

在高斯噪声背景下,为了尽可能地消除噪声的干扰来提取有用信息,提出了一种基于小波包和双谱对加性高斯噪声信号进行处理的方法。主要利用小波包变换良好的时频分析能力和双谱对高斯噪声不敏感,不但能够抑制噪声、提高信噪比,而且可以得到信号幅度、相位、能量、非线性等丰富的特征信息。最后仿真表明了此方法分析信号的可行性和优越性。     

基于熵函数的语音端点检测算法研究

本文在分析基本谱熵端点检测算法局限的基础上,引入基于二阶累积量的门限更新方法,加入短时能量参数,提出基于加权谱熵的检测方法;此外,引入特征空间能量熵定义,建立新的门限确定准则,提出基于特征空间能量熵的检测方法.通过对平稳高斯白噪声、M109坦克噪声和F16战斗机噪声这三种典型噪声环境下信噪比(SNR)从-5dB到20dB的带噪语音信号进行的仿真实验分析表明,所提两种方法能更为准确地检测到语音的端点.     

一种基于归一化峰度的抗非高斯噪声语音VAD检测方法

在多媒体会议房间中,鼓掌、咳嗽等非高斯干扰噪声常会严重影响语音处理系统的性能.为了有效地抑制非高斯干扰噪声,本文提出了一种基于线性预测残差域高阶统计量的语音VAD检测方法.该方法利用语音信号线性预测残差的归一化峰度表征语音和非语音信号在谐波数量上的差异,构造判别准则进行VAD检测,并通过预估高斯背景噪声的能量,削弱了背景噪声对VAD算法性能的影响.仿真实验结果表明,该方法能够有效地区分高斯背景噪声下的语音和非高斯噪声.     

基于压缩感知的大功率半导体激光器1／f噪声参数估计

根据1／f噪声结构,基于压缩感知（cs）的正交匹配追踪去噪（OMPDN）算法,以小波树结构为分解条件,提取大功率半导体激光器（LDs）中的白噪声及1／f噪声。以小波基作为稀疏基,高斯随机矩阵作为测量矩阵对信号测量并进行CS的重建,滤除白噪声后准确提取1／f噪声信号进行器件参数估计。实验结果表明,本文方法对高斯白噪声混杂...     

一种基于星座图聚类的MQAM识别方法

星座图是数字调制信号MQAM的重要特征,提出了一种利用星座图减法聚类对MQAM信号进行识别的新算法。该算法通过分析接收端信号的星座图,提取描述星座图特征的参数,与标准星座图进行相关比较,实现了加性高斯白噪声下数字调制信号MQAM的识别。通过实验证明该方法可以有效地对数字调制信号MQAM进行识别,而且该算法具有复杂度低的优点。尤其当数据长度比较短时,有较好的识别效果。     

基于数学形态滤波和MP算法的脉搏信号去噪方法

脉搏信号属于一种非线性非平稳的生理信号,是临床诊断和医学研究的重要参考依据。针对其采集时易受外界噪声干扰的问题,提出了一种基于数学形态学滤波和MP算法的去噪方法。先利用数学形态滤波法滤除包含的随机分布的白噪声,然后再引入MP算法消除含有的基线漂移,从而得到去噪后的脉搏信号。仿真结果表明,与单一的去噪方法相比,该方法能够更加有效地去除脉搏信号中的白噪声和基线漂移。     

基于曲线拟合的信噪比估计方法研究

在无线通信系统中,信噪比作为衡量信道质量的重要参数,为许多自适应技术提供信道质量信息。由于周期平稳信号与高斯白噪声自相关函数的特性不同,用曲线拟合的方法,分离出自相关函数中的周期平稳信号和噪声的能量,从而计算出信噪比。最后仿真表明,该方法相对于其他方法具有较高的估计精度,并且计算复杂度较低。     

小波变换在符号率估计中的应用研究

小波变换具有局部显微特性,对信号的瞬时特性具有较强的捕获能力。文中介绍了Haar小波的基本原理,并从连续小波变换的定义出发,分析了PSK信号的小波域特征,对高斯白噪声中QPSK信号的小波变换进行了仿真实验。仿真结果表明,小波变换能够有效地检测并提取符号的跳变信息。     

对PSK信号实现角跟踪的一种设想

利用了循环平稳的概念,针对PSK信号具有循环平稳特性而高斯白噪声不具有循环平稳性的特点,提出了一种新的抑制噪声,实现PSK信号角跟踪的方法.     

多模噪声背景下信号提取算法的研究

信号检测是信号处理的一个重要的研究方向,以前的信号检测方法多数是基于在高斯噪声背景下进行讨论,对非高斯噪声研究比较少。非高斯噪声的干扰问题在通信过程中是经常出现的。背景噪声用多模（非高斯）噪声为模型,提出改进（最小均方误差牛顿）LMS Newton算法实现对多模背景噪声的抑制,并给出了多模噪声中信号的检测,达到对有用信号提取的目的。最后,进行了计算机模拟仿真,得出了结果。     

基于HHT和OSF的复杂环境语音端点检测

希尔伯特-黄变换是一种全数据驱动的自适应非平稳信号时频分析方法,但是在强噪声环境下语音信号的希尔伯特能量谱曲线波动较大,对语音端点检测造成很大的影响,该文提出了一种基于希尔伯特-黄变换和顺序统计滤波的检测方法。该方法将含噪语音信号进行经验模态分解,通过对固有模态函数进行自适应权重选取获得信号的希尔伯特能量谱,利用顺序统计滤波器对每帧的能量谱进行平滑处理作为语音/非语音的鉴别特征。实验结果表明,该方法适用于复杂噪声环境的端点检测,在低信噪比情况下仍然能够有效地检测出语音信号,降低信号误检率。     

基于AR-HMM在线能量调整的语音增强方法

针对单通道语音增强技术对非平稳噪声的跟踪不准确、噪声抑制效果较差的问题,本文提出一种基于在线能量调整的语音增强方法.该方法以归一化临界带能量为特征,采用高斯混合模型对背景噪声进行分类,利用对应类型噪声的自回归隐马尔可夫模型(Auto-Regressive Hidden Markov Model,AR-HMM)和纯净语音的AR-HMM,在最小均方误差准则下估计语音和噪声的功率谱.考虑到非平稳环境中训练集和测试集的差异性,需在线调整语音模型和噪声模型中的能量,语音模型的能量调整采用迭代的期望最大化算法;噪声模型的能量调整则利用的是模型训练过程中的能量重估方法,并以最小值控制的递归平均算法确定噪声能量调整的初始值.在ITU-T G.160标准下对算法进行性能测试,测试结果表明,本文方法对非平稳噪声的跟踪效果较好,对噪声衰减量较大,收敛时间较短.     

一种新的基于小波变换的白噪声消除方法

本文研究了空间分布不均匀信号和白噪声在小波变换下的不同特性,提出了一种新的基于小波变换的白噪声消除方法。这种方法可以对非平稳信号进行消噪处理,解决了传统信号处理方法对非平稳信号的局限性,并且有快速算法能够加以实现。仿真结果证明这种方法具有很好的去噪效果。     

超宽带无线电系统发射信号能量的优化

首次研究白高斯噪声(AWGN)信道下超宽带无线电通信系统中单个数据包单元发射信号能量的优化。对每个符号包含的脉冲数、基本脉冲波形、有效用户数量和帧持续对单个数据包单元发射信号能量的影响进行分析和评估。结果被阐述并且显示,在白高斯噪声信道下,这些参数对发射信号能量有相当的影响,而且,在固定虚假消息概率门限值的条件下,通过合理选取它们能够很好地实现单个数据包单元发射信号能量的优化。     

一种小波变换与FFT相结合的波特率估计新算法

小波变换具有局部显微特性，对信号的瞬时特性具有较强的捕获能力。从连续小波变换的定义出发，分析了PSK、FSK、QAM信号的小波域特征，并结合传统的FFT理论提出了一种波特率提取的新算法。对高斯白噪声中PSK、FSK、QAM信号的波特率提取进行了仿真试验，仿真结果表明，在信噪比大于1dB情况下该算法能有效地提取出PSK、FSK、QAM信号的波特率。