基于Hilbert谱的心率变异信号时频分析方法

心率变异性(heart rate variability,HRV)信号的频域分析方法是用来表征自主神经调控信息的基本方法。为了评估自主神经系统功能及对心血管活动的影响,提出一种基于Hilbert时频谱的HRV信号的时频特征提取和分析的新方法。对HRV信号进行希尔伯特-黄变换(Hilbert-Huang transform,HHT)以获得HRV信号Hilbert时频谱,依据短时程HRV信号的线性频域分析指标,得到不同生理频带的Hilbert能量棒形图,提取总能量、各生理频带的能量和其归一化能量以及生理频段的能量比值作为评价心率变异性的时频特征。对MIT-BIH数据库的年轻人、老年人样本和健康人、心衰病人样本的HRV信号分析表明,基于Hilbert谱的时频特征的区分性能好,有较清晰的生理意义,能反映人的生理病理变化,为短时程HRV信号分析提供了一种有效方法。     

基于辅助源和相关熵的ADS-B信息时延估计新算法

提出了一种基于辅助源和相关熵的ADS-B信息时延估计新算法。首先,对报文信息时延产生机制进行了研究,提出新的时延模型;其次,以辅助源信号所包含的多普勒频移特征为研究对象,在信号相似性比较时引入相关熵提出时延估计算法;然后,分别研究了扫描步长与高斯核长对本时延估计精度的影响;最后,通过仿真实验验证了在不同噪声条件下本算法的时延估计性能。与已有方法相比,本算法不需要更改报文格式,在脉冲噪声条件下具有更高的时延估计精度,故具有更好的实际应用价值。     

无源雷达目标信号时延与多普勒频率联合估计

提出一种基于STFRFT的无源雷达目标时延与多普勒联合估计新方法。首先,给出了一种STFRFT时频分辨率量化方法及其数学表达式;其次,利用STFRFT的投影包络对回波信号时延与Doppler频移进行了联合估计;最后,讨论分析了脉内信噪比、高斯窗参数等对所提方法估计性能的影响。仿真结果表明,与CAF方法相比,所提方法更容易获得高精度的时延与Doppler频移的联合估计,具有更高的可靠性。     

非平稳确定性信号与非平稳随机信号统一分类法的探讨

根据信号通过线性系统可产生新信号的理论,对非平稳确定性信号与非平稳随机信号的统一分类方法进行了深入研究,分别给出格林函数描述的线性时变系统法、调制函数作用于边界稳定线性系统的自激振荡正弦波法、随机输入线性时不变系统与边界稳定的与不稳定的线性系统组合法。这3种分类法便于对非平稳确定性信号与非平稳随机信号进行统一分类研究,并具有比较全面与系统性好的优点。     

基于二阶广义全变差的多帧图像超分辨率重建

图像超分辨率重建是图像处理领域的重要问题.本文将二阶广义全变差用于基于正则化的多帧图像超分辨率重建问题,构建了基于二阶广义全变差正则项的图像超分辨率模型.为了更好地保持重建图像的边缘和细节,采用图像空域自适应正则化参数,并针对该重建模型的非光滑性,给出了基于半二次正则化和交替方向法的求解算法.实验结果表明该模型和数值算法能够较好地提高图像的分辨率,同时可以较好地保持图像的细节信息.     

MAP算法在Turbo码译码中的应用和研究进展

对Turbo码译码算法进行了综述,包括SOVA、MAP、LOG-MAP、MAX-LOG-MAP等算法,并对这几种算法进行了比较。同时根据近年来对Turbo码译码算法的研究,对几种新的译码算法进行了介绍和讨论。     

分数低阶α稳定分布下DLMP算法的收敛特性分析

DLMP算法是一种在高斯和分数低阶α稳定分布噪声环境下均具有良好韧性的EP信号潜伏期变化检测算法.本文基于分数低阶统计量的原理,根据确定性平均方法,结合文中给出并证明的两个引理,对DLMP算法的收敛性能进行了理论分析和证明.结果表明,若EP潜伏期变化为EP信号采样间隔的整数倍,则DLMP算法对这种变化的估计是无偏估计.若整数倍的条件不满足,则DLMP算法的估计偏差不大于半个采样间隔.     

α稳定分布噪声环境下基于神经网络的信号检测方法

本文给出了一种在分数低阶α稳定分布噪声环境下利用多层前向BP神经网络对确定性信号进行检测的方法。此方法只需在特定虚警概率以及噪声条件下对神经网络进行训练,再通过调整偏移节点的连接权值,就可以得到不同虚警概率条件下的检验统计量。计算机模拟结果表明,利用该神经网络可以实现对分数低阶α稳定分布噪声环境下信号的有效检测,且检测性能明显优于传统的局部最优(LO)检测器。