基于互四阶累积量的Pisarenko方法估计色噪声下多正弦信号频率

在互功率谱估计和高阶统计量理论基础上,提出了互高阶谱估计方法,从理论上建立了基于互四阶累积量的Yule-Walker方程,并在此基础上提出了互高阶谱估计的Pisarenko方法,仿真结果表明,在混合色噪声背景下,该方法能够有效地抑制噪声,具有良好的频率估计性能。     

混合色噪声背景下的弱信号频率估计：基于互高阶累积量的矩和最小范围—TLS方法

谱估计方法是用于噪声背景下测量微弱正弦信号的一种有效方法。但以往的谱估计都是采用互功率谱估计和高阶自谱估计的各种方法。本在互功率谱估计和高阶统计量理论基础上,提出了互高阶谱估计方法。从理论上建立了基于互四阶累积量的Yule-Walker方程,并在此基础上提出了互高阶谱估计的矩和最小范数－总体最小二乘（TLS）方法。仿真结果表明,在混合色噪声背景下,这两种方法能够有效地抑制噪声,具有良好的频率估计性能。     

微弱随机信号功率谱的互相关测量原理及性能研究

本文提出一种采用双通道前放的互功率谱估计方法。对互谱周期图估计的偏量及方差计算表明,互谱估计的期望值可以消除前放噪声及零漂等影响,从而保证了微弱信号功率谱的准确测量。文中指出,前放噪声会加大互谱估计的方差,并引起幅值估计的附加偏量,因此采用低噪声前放及平滑周期图平均法仍是十分必要的。用本方法对低于前放噪声一个数量级的小电阻热噪声及二极管PN结电流散弹噪声功率谱进行了测量,测量结果与理论值基本一致。     

有色观测噪声背景下正弦信号参量估计的互谱Levinson方法

本文从理论上证明了互相关函数的Yule-Walker方程，并在此基础上提出了互谱AR模型参数估计的Levinson递推自满，该自满可有效地克服传统互谱估计的FFT方法和周期图法存在的谱分辩率低、谱估计方差大等缺点，仿真试验表明，该方法还可有效的克服有色观测噪声对测量精度的影响。     

相关噪声背景下加权高阶累积量的时延估计方法

时延估计是双基阵被动定位中的重要问题。在非相关噪声干扰下,应用广义互相关法进行时延估计可以取得良好的估计效果,但在相关噪声干扰情况下其估计性能严重下降。使用高阶累积量进行时延估计,可以有效地去除相关高斯噪声的干扰。采用类似广义互相关加权的方法对高阶累积量进行PHAT加权,进一步抑制噪声的影响,提高了高阶累积量法的估计性能。结果表明,在相关噪声背景下加权高阶累积量时延估计效果优于广义互相关法和高阶累积量法。     

基于高阶统计的空间谱估计技术

本文给出几种在任意高斯噪声环境下，在于阵列输出信号四阶累积量的高分辨力空间信号达到方向的空间谱估计方法，计算机模拟实验证明了这些方法的有效性。     

基于高阶累积量的高精度时延估计算法

针对海洋探测中由于接收信号信噪比低并存在各种噪声干扰导致时延估计精度低的问题,提出一种基于二次相关和高阶累积量的具有多种噪声抑制能力的高精度时延估计新方法——SC-HOCS法。该方法首先对两路接收信号进行自相关和互相关处理,抑制部分高斯噪声,然后利用高阶累积量一维切片法对信号进行处理,抑制相关高斯噪声和非高斯色噪声,通过对接收信号的上述处理提高信噪比,最后结合希尔伯特变换对相关峰进行锐化处理,进一步提高时延估计精度。与广义相关法、二次相关法及高阶累积量一维切片法相比,该方法能很好地抑制相关噪声并且能在更低的信噪比下获得较好的时延估计精度,同时该算法计算量较小,可满足对数据实时处理的需求。计算机仿真和水池实验验证了该方法的有效性。该方法为海洋探测中低信噪比信号的高精度时延估计提供一种新的技术途径。     

基于时域波束信号高阶谱的目标检测技术

为解决常规时域波束形成技术抗噪声能力弱、对弱目标检测能力差的问题,利用高斯噪声的高阶累积量(三阶及三阶以上)为零、非高斯信号的高阶累积量不为零这一性质,对常规时域波束形成后输出的波束信号进行后置处理。首先,对常规时域波束形成后输出的各预成波束信号,分别求其四阶累积量切片谱值;然后,再对各四阶累积量切片谱值分别进行能量累加,得到空间谱图;最后,通过对空间谱在时间上的累积,得到方位历程图。用仿真和海试数据对算法进行了验证:在低信噪比情况下,常规算法不能有效检测到弱目标时,经后置处理后可以有效检测到弱目标。结果表明,与常规时域波束形成算法相比,波束形成后再进行切片谱后置处理的算法增强了对噪声的抑制能力,提高了对弱目标的检测能力。     

基于加权四阶累积量切片的谱线增强

本文首先介绍了加权高阶累积量切片的概念,给出了加权混合高阶累积量的更新公式,提出了其自适应谱线增强算法,并用实测运动目标辐射噪声数据,对该算法的性能进行了仿真研究。仿真结果表明:该算法具有较强的抑制高斯有色噪声能力,能抑制大约13~23dB的高斯有色噪声;调整高阶累积量切片加权系数,可改善该算法抑制高斯有色噪声的性能。     

一种增强水中目标辐射谐波信号的方法

本文研究了一种基于一维高阶累积量对角切片归一化的自适应谐波信号谱增强新方法(1-D FOCDSBAHSE),该方法在低信噪比情况下,仍具有较强的抑制高斯有色噪声能力,从而克服了传统的自适应线谱增强方法(ALE)的缺点;理论分析与仿真结果均说明了新方法的有效性。     

基于SOC规划的稳健盲波束形成算法

通过限制估计的方向向量与真实的方向向量之间的误差范数的边界,提出了一种基于二阶锥（Second Order Cone,SOC）规划的稳健四阶累积量盲自适应波束形成算法。该算法相较于采用传统对角加载技术的高阶累积量盲波束形成算法和WCPO-RCUM算法而言,进一步提高了稳健性和输出信干噪比。计算机仿真实验表明,该算法具有很好的稳健性。     

基于均匀圆阵的信号二维方向角和多普勒频率的盲估计

针对均匀圆形阵列 ,在时空旋转因子的基础上 ,推导出四阶累积量矩阵 ,采用波达方向矩阵法 ,实现了信号的方位角、俯仰角和多普勒频率的同时估计。此估计算法利用所有阵元信息估计信号波达方向 ,提高了方向估计精度 ,解决了“频率兼并”问题 ,使有效应用范围扩大。利用了四阶累积量的盲高斯性 ,有效地抑制了高斯白或有色噪声的影响 ,仿真结果表明了此算法的有效性     

A generalized shaping filter method for higher order statistics

The shaping filter method has been a valuable tool for computing the stochastic response of linear dynamical systems to Gaussian stochastic inputs that are not delta-correlated. A straightforward extension of this method to the non-Gaussian case involves determining shaping filters that “match” higher order cumulant functions of the stochastic noise input. However it is easy to find simple examples of input signals for which this will not work because their cumulant functions cannot be realized as cumulant functions of the output of a linear system with delta-correlated input. This paper proposes an alternative shaping filter and it shows that it is applicable to an entire class of input signals for which the original shaping filter method fails.

A further extension of the shaping filter method is suggested, that involves the introduction of the concept of generalized moments that includes as particular cases both the moments and the cumulants.     

改进的风力发电机组噪声音调评估方法

摘要：针对目前风力发电机组（Wind Turbine,WT）噪声音调评估方法的不足,提出了相应的改进方法。首先,采用Gabor阶比分量提取技术从WT运行状态下采集的噪声数据中,提取出与WT本身音调相关的噪声信号,消除了用停机状态下背景噪声修正开机状态下的WT噪声所造成的误差;然后,利用基于转速的最优分割法将一分钟WT噪声信号划分为尽可能平稳的子段信号,避免了由非平稳信号FFT变换引起的频率混叠现象;最后,采用基于谱平面的音调判定法代替IEC标准中基于心理声学模型的音调估计法,消除了初始音调预测的误差并简化了音调辨识的过程。新疆达坂城的试验研究表明,提出的音调改进技术能够消除IEC中音调辨识方法的不确定性和不一致性,在WT的音调噪声评估中具有良好的应用前景。     

谐波恢复的时间平均三阶累积量方法及其工程应用

为了识别在强高斯噪声背景下振动信号的谐波成分，从三阶累积量的估计算法出发，提出了基于时间平均的三阶累积量算法，进行振动信号的谐波恢复。时间平均三阶累积量是三阶累积量的一种估计值。理论推导表明，随机相位谐波过程时间平均三阶累积量为非零值，而且其一维切片仍然是谐波过程。由此提出了一种在强高斯噪声背景下识别信号的谐波成分的频谱分析方法。该方法对抑制振动信号中的高斯噪声、正确识别其中的谐波成分十分有效，工程应用实例和信号仿真都很好地验证了该方法的正确性。     

基于EMD的激光雷达信号去噪方法

针对激光雷达回波信号较弱易于被各种噪声污染的特点,本文提出利用经验模态来模态分解(EMD)这一非线性、非平稳信号处理方法,对Mie散射激光雷达信号进行多尺度分解.该方法是利用信号内部时间尺度的变化做能量与频率的解析,采用这种方法能够将噪声污染的激光雷达信号分解成若干个线性、稳态的本征函数(IMF),通过对本征函数的重构,去除包含高频噪声的IMFs,从而达到去噪目的.实验结果表明,这种方法的去噪能力强,并且具有自适应的特点,从而说明了这种方法在信号去噪中的优势.