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。     

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。     

双模非高斯噪声背景下级联双稳态随机共振信号检测

针对随机共振(SR)以高斯噪声为研究背景的局限性,为了分析非高斯噪声对级联随机共振的影响且验证在双模非高斯噪声中级联随机共振的降噪及波形整形特性的可靠性,提出了级联双稳随机共振系统在双模非高斯情况下的微弱信号检测方法。输入信号在进行信号检测过程中,首先把概率密度函数作为随机共振现象的衡量指标,然后当系统处于最佳随机共振状态时,分析了非高斯参数、相关时间及噪声强度之间的关系。最后通过仿真证实,与一级SR相比,二级SR的噪声强度和相关时间的可用范围随着非高斯参数的减少不仅会得到增大,而且滤波特性、信号检测效果得到明显提高。     

基于小波包变换的非高斯噪声信号结构分析

该文利用小波包变换的时频局部分析能力,研究了非高斯分布平稳随机噪声的统计特性,揭示了 非高斯噪声信号的信号结构。在此基础上,将经典最优检测器的结论推广到背景噪声为非高斯分布的情况, 提出了一种基于小波包变换的非高斯噪声下的信号检测方法。仿真实验验证了该方法是正确的。     

水声信号的非高斯特性分析与检测方法的研究

本文研究了海洋环境噪声和船舶噪声的高斯性,通过实验研究发现,纯净的海洋环境噪声(夜晚无行船时)呈现出高斯性,反之是非高斯;船舶噪声是服从非高斯的,另外无论海洋环境噪声,还是船舶噪声,在相等样本长度下,在不同频段的高斯性上也有差异,分析频段越低,统计量越大,反之统计量越小.基于高阶累积量T2在船舶由远及近的过程中的变化规律,研究了非高斯背景下非高斯信号的一种检测方法,即在海洋环境噪声下检测船舶噪声的方法.通过实船实验得到了满意的结果.     

非高斯噪声下的信号检测算法与性能分析

为改善非高斯背景噪声下的信号检测性能,提出了采用非线性阈值系统的信号检测算法.该算法首先利用阈值系统对接收信号进行预处理,其次采用最小平均错误概率准则对预处理后的信号进行检测,最后推导了所提检测算法的误码率解析表达式并给出仿真验证.理论分析和仿真结果表明:在高斯背景噪声下,线性最佳检测算法的检测性能优于所提检测算法;在非高斯背景噪声下,所提检测算法的检测性能较线性最佳检测算法有显著提升.     

非高斯背景下基于信号相关性的频谱感知算法

本文研究了一类Laplace非高斯背景噪声下的频谱检测问题,提出一种基于采样信号相关性的多用户协作频谱感知算法.此算法利用接收信号的统计相关性,设计了一种将协作用户统计协方差之和作为检测统计量的频谱检测算法,推导了该检测算法的统计门限、检测概率和虚警概率的闭式表达式.通过蒙特卡罗仿真,分析比较了Laplace非高斯噪声...     

强噪声背景下的信号检测方法研究

提出了一种利用高阶统计量对强噪声背景下的弱信号进行检测的方法。这种检测方法对加性噪声中的确定性信号以及非高斯信号均有效 ,且可以弥补似然比检测的不足。     

复合高斯杂波下抑制失配信号的自适应检测器

随着雷达分辨率的提高及擦地角的减小,海杂波幅度分布明显偏离瑞利分布,表现出很强的非高斯特性,复合高斯模型得到广泛应用。因此该文以复合高斯杂波为背景,研究当信号发生失配时的雷达目标检测问题。该文基于两步广义似然比(GLRT)检验,设计了复合高斯杂波下对失配信号具有选择性的自适应检测器。为了设计选择性检测器,在零假设下引入虚假干扰以修正原始二元假设,并假设该虚假干扰与实际目标信号在白化空间正交。该文提出的检测器对海杂波纹理分量及协方差矩阵恒虚警(CFAR)。最后利用仿真及实测海杂波数据,通过蒙特卡洛实验验证该检测器的有效性。实验表明,该文所提检测器有效提高了对失配信号的选择性,同时对距离扩展目标匹配信号的检测性能也有1～3 dB的提升。      

利用逆正态得分函数修正秩的非参量检测器

提出了2种新型基于修正秩检验的非参量检测器:广义符号修正秩检测器和Mann-Whitney修正秩检测器.通过Monte-Carlo仿真分析了这2种检测器对起伏雷达目标的检测性能,并分别与4种经典的非参量检测器:广义符号检测器、Mann-Whitney检测器、修正秩方检测器和Savage检测器的检测性能进行了比较.广义符号修正秩和Mann-Whitney修正秩检测器是通过设计秩统计量的逆正态得分函数来获得检验统计量,通过Monte-Carlo仿真实验得出比修正前的非参量检测器有更好的检测性能.这2种新型修正秩检测器对积累分布函数连续且概率密度函数服从对称分布的数据具有恒虚警性能.     

非高斯噪声下基于有界非线性函数的快速盲均衡方法

盲均衡技术广泛应用于通信系统中以消除符号间干扰。支持非高斯噪声环境下的盲均衡方法仍然是一个挑战。为了提高它的收敛速度和鲁棒性,提出了一种利用有界非线性函数(Bounded Nonlinear Function,BNF)和拟牛顿法的快速盲均衡方法。首先,提出一种基于BNF的代价函数,有效消除非高斯噪声,实现均衡。其次,采用拟牛顿法作为迭代方法,加快收敛速度。理论分析表明,该算法具有较强的收敛性能。仿真结果也表明,该方法在非高斯噪声下收敛速度快,鲁棒性好。     

非高斯非平稳背景的红外弱小目标检测

文中利用最小二乘估计对每一像素邻域的相关长度取最优值,并依据相关长度对相关 矩阵采取了一种新的处理方法,解决了非平稳图像像素邻域矢量间的相关矩阵不可逆的问题,改进了Chapp le和Bertilone构造的基于高斯模型的弱小目标检测方法,从而得出了一种新的红外目标检测算法,适用于非高斯非平稳背景的红外弱小目标检测.该目标检测算法首先采用一个转化函数将图像高斯化,然后求得可逆的相关矩阵,接着求像素邻域矢量的概率密度,最后依据概率密度确定阈值,提取弱小目标。实验结果证实了文中算法的可靠性和可行性。     

非高斯背景下的自适应限幅检测研究

针对非高斯背景下局部最优检测（Locally Optimal Detector,LOD）结构复杂、稳健性弱的问题,对传统的限幅器进行改进,提出了一种自适应限幅检测器（Adaptive Limiter Detector,ALMD）.首先对弱信号的检测性能进行了系统研究,然后依据混合高斯模型对非高斯背景建模,在此基础上得到了限幅阈值与限幅检测性能之间的解析表达式,最后通过推导确定了最佳限幅阈值,明显提高了检测性能.仿真结果表明ALMD与LOD性能接近,但结构简单,性能稳健,适应性更强.     

基于分数阶矩估计的非参量CFAR检测

该文针对杂波背景中的CFAR(恒虚警率)检测问题,提出了一种新的CFAR检测器Blind-CFAR检测器。该检测器通过估计杂波的分数阶矩,获得杂波的最大熵概率密度函数估计,进而确定CFAR检测门限。以Weibull杂波为例,仿真验证了Blind-CFAR检测器的有效性。由于采用了非参数估计方法,Blind-CFAR检测器具有结构简单、通用性好等优点,并可应用于未知杂波背景中的目标检测。     

非高斯相关杂波背景下雷达目标统计检测方法

在非高斯相关杂波背景、参数随机或未知的情况下,通常难以甚至无法建立统计检测模型。针对此问题,基于粒子滤波方法,根据未知参数的概率分布函数抽取粒子,将复杂积分运算转化为求和运算求取似然函数,给出了一种雷达目标似然比检测的通用模型,较好地解决了非高斯相关杂波条件下无法得到检测统计量的问题。此外,以复SG-Alpha稳定分布作为非高斯相关杂波分布模型,给出了基于粒子滤波的检测统计模型,并对本文方法与传统的检测方法在高斯相关杂波和非高斯相关杂波背景下的检测性能进行了仿真比较,验证了算法的有效性。     

基于Sigmoid框架的非负最小均方算法

脉冲噪声会导致非负算法在迭代过程中存在过大的误差值,进而破坏算法的稳定性使其性能严重下降,对此该文提出一种基于Sigmoid框架的非负最小均方算法(SNNLMS)。该算法将传统的非负代价函数嵌入Sigmoid框架中得到新的代价函数,新的代价函数具有抑制脉冲噪声影响的特性。此外,为了增强SNNLMS算法在稀疏系统识别问题上的鲁棒性,该文还提出基于反比例函数的反比例Sigmoid非负最小均方算法(IP-SNNLMS)。仿真结果表明SNNLMS算法有效地解决了脉冲噪声造成的失调问题;IP-SNNLMS增强了算法鲁棒性,改进了算法在稀疏系统识别问题中收敛速率上的缺陷。

     

短波环境下跳频信号检测

短波电磁环境复杂,定频信号、扫频信号、突发信号等大量干扰信号存在,使得跳频信号的检测存在困难,首先利用短时傅里叶变换将信号变换到二维时频平面上,用功率谱对消的方法来清除大部分定频、扫频等信号;其次根据跳频信号不同于定频信号的特性,提出了一种单元平均选小的恒虚警概率准则(CASO-CFAR),将其扩展到二维并应用到时频平面;最后利用形态学图像处理方法中的开和闭运算及中值滤波器对判决后的二值图像进行处理,进一步解决了判决后残留的星点噪声和信号空洞问题。实验表明,该方法能够抑制定频干扰,凸现跳频信号,为跳频信号的分选、解调等后续工作提供了良好的基础。     

基于Sigmoid框架的非负最小均方算法

脉冲噪声会导致非负算法在迭代过程中存在过大的误差值,进而破坏算法的稳定性使其性能严重下降,对此该文提出一种基于Sigmoid框架的非负最小均方算法(SNNLMS).该算法将传统的非负代价函数嵌入Sigmoid框架中得到新的代价函数,新的代价函数具有抑制脉冲噪声影响的特性.此外,为了增强SNNLMS算法在稀疏系统识别问题上的鲁棒性,该文还提出基于反比例函数的反比例Sigmoid非负最小均方算法(IP-SNNLMS).仿真结果表明SNNLMS算法有效地解决了脉冲噪声造成的失调问题;IP-SNNLMS增强了算法鲁棒性,改进了算法在稀疏系统识别问题中收敛速率上的缺陷.     

一种新阈值函数的小波信号去噪研究

详述了小波变换去噪的基本原理及方法,其中阈值的选取将直接影响信号去噪的质量。由于传统的阈值处理方法对非高斯噪声的抑制效果不明显,因此,在非高斯噪声存在的情况下,该方法受到了限制。在传统的小波阈值去噪方法的基础上,提出了一种新的阈值函数。仿真结果表明,新方法在去除非高斯噪声方面表现出了较好的特性,信噪比和均方根误差等性能指标较传统方法有明显提高,同时它具有传统阈值函数不可比拟的灵活性。