非高斯噪声中信号的神经网络检测

本文研究了非高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高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和局部最佳检测器。     

高斯噪声中方位未知平面波的检测

比较了两种处理器对于方位未知平面波信号的检测性能。结果表明，Bayes最佳处理器比采用ML估计的次最佳处理器大约有3dB的增益。     

混合高斯-指数噪声中水中目标信号的最佳检测

提出一种最佳检测器结构,应用于水中非高斯噪声背景下目标信号的检测。根据海洋环境噪声及水中目标辐射噪声信号特点,建立了海洋环境噪声模型,并研究了该模型下水中目标信号的最佳检测,通过仿真噪声数据以及实测海洋环境数据验证了检测性能。结果表明:文中设计的最佳检测器的性能优于传统的能量检测器,且检测性能的改善随着非高斯性的增强而更加明显。     

色噪声环境下宽带非高斯信号的测向算法

针对色噪声环境下宽带非高斯信号的DOA估计问题,提出了一种去噪与高阶累积量相结合的DOA估计新方法.该方法首先估计出噪声分量,尽可能去除噪声;然后对去噪信号进行聚焦,构造出聚焦后信号的四阶累计量矩阵.对各累计量矩阵的平均值做特征分解,再进行一维谱峰搜索,即可得到来波方向的估计值.该方法不仅适用于高斯色噪声,也适用于非高斯色噪声环境,且不需要知道噪声的原始分布信息.实验结果证明了该算法的有效性.     

基于小波系数统计的非高斯噪声背景下语音流检测

在实际生活中,非高斯噪声很普遍,对信号的影响也很大,是语音信号处理中的难题.大部分强噪声信号都是非高斯的,在强噪声背景下,由于语音信号受到较大的干扰,甚至被噪声淹没,传统的基于短时的能量、过零率、相关以及平均幅度差等检测算法效果都不理想.根据小波变换的特性和语音时域信号的分布特征,提出了一种非高斯噪声背景下语音流检测算法.对含噪语音进行小波分解,观察各层小波系数的统计特征,提取它们的不同特征,从而进行了语音流检测.大量实验表明该算法具有较高的检出率和较低的误检率,可以消除噪声的影响实时处理语音信号.该算法有一定的创新性,在处理非高斯噪音方面很有实用性.     

白高斯噪声下取样PPM信号的最大似然检测

在强背景光干扰的情况下，光PPM信道可以看成AWGN信道，从理论上推导了在这种信道中任意脉冲形状的每时隙多次抽样数字PPM信号最大似然接收机的似然函数，画出了接收机的结构框图，并分析了这种接收机的误码率，最后为了验证这种接收机的可靠性并讨论各种参数对接收机性能的影响，对接收机的解调正确率进行了计算机仿真。     

非相关噪声与相关高斯噪声下正弦参数估计的互高阶谱最小范数法

在建立互高阶累积量的Ｙｕｌｅ－Ｗａｌｋｅｒ方程的基础上,通过特征分解,建立了噪声矢量空间和信号矢量空间,提出了在非相关噪声和相关高斯噪声下,正弦参数估计的互高阶谱最小范数法。通过仿真计算可知,该方法信噪比工作门限低,且具有较高的谱估计分辨率。     

Х—混合噪声情况下随机信号的Robust—M检测

就随机信号的情形对Х－混合噪声情况进行信号检测,给出了最不利密度函数及最佳的Ｒｏｂｕｓｔ－Ｍ检测器,计算机模拟结果表明,此检测器能很好地检测随机信号。     

非独立有色高斯噪声中多重信号的最佳检测

本文研究了在非独立有色高斯噪声中,K 重确知信号的最佳检测问题.指出最佳检测器仍由 K 重相关器(或匹配滤波器)组成,但其 K 个本地参考信号,不再是由求解 K 个独立的积分方程解出,而是由求解一 K 元联立积分方程组解出.     

激光脉冲信号在噪声中探测

在激光脉冲探测系统中,如何抑制噪声提高探测概率是十分重要课题.本文介绍一种典型探测电路,并论述了在白噪声中探测脉冲信号时如何确定信噪比和鉴幅阈值.     

基于神经网络的大跨度屋盖非高斯风压场模拟方法

采用径向基函数神经网络(Radical Basis Function Neutral Networks,简称RBF神经网络)来模拟大跨度结构的非高斯风压场.根据某大跨度结构的形式特点,将结构风场看成是屋面位置和时间的函数,将风压场分解为一系列径向基函数.再利用单调非线性无记忆转换映射和RBF中获得的风场函数定义向量过程,从而将非高斯场的模拟转换为互相关高斯过程的模拟.将RBF神经网络应用于一大跨度屋盖的非高斯场模拟,得到结构上非高斯风压场的分布.结果对比表明,RBF神经网络模拟非高斯风压场具有较高的准确性.该方法可直接利用RBF神经网络的输出结果,避免推导高斯过程和非高斯过程的关系式,因此具有较高的效率.RBF神经网络模拟非高斯风压场在准确性和效率上均具有显著优势.     

心电信号中50 Hz干扰的消除

提出了一种基于数字多谐振荡器及离散付里叶变换的消除心电信号中５０Ｈｚ干扰的方法，雇一上当于４点ＦＩＲ数字滤波器的计算量，通过对实测心电信号的应用，证明该方法对５０Ｈｚ干扰抑制明显。     

一种新的非线性非高斯信号分离方法

提出一种基于粒子滤波的非线性非高斯信号分离方法.该方法依据状态空间模型把信号分离问题转化为信号的状态和参数的联合估计问题,利用粒子滤波方法,结合核平滑收缩技术拟合系统未知参数后验分布,以实现非线性系统中多路信号的分离.仿真结果表明,与现有分离算法相比,该方法能有效解决非线性非高斯系统中多路信号的分离问题,并提高未知参数的估计精度.     

混沌神经网络的研究现状及应用

本文简要地介绍了人工神经网络和混沌的基本特性,并着重讲述了混沌神经网络的研究现状及混沌神经网络的应用。     

A Sensor Failure Detection Method Based on Artificial Neural Network and Signal Processing *

ＡＳｅｎｓｏｒＦａｉｌｕｒｅＤｅｔｅｃｔｉｏｎＭｅｔｈｏｄＢａｓｅｄｏｎＡｒｔｉｆｉｃｉａｌＮｅｕｒａｌＮｅｔｗｏｒｋａｎｄＳｉｇｎａｌＰｒｏｃｅｓｉｎｇＮＩＵＹｏｎｇｓｈｅｎｇＺＨＡＯＸｉｎｍｉｎ（钮永胜）（赵新民）（Ｄｅｐｔ．ｏｆＡｕｔｏｍａｔ...     

BP神经网络的模糊改进及应用

描述了人工神经网络和模糊推理系统的基本原理,分析了基于人工神经网络和模糊推理方法的故障诊断专家系统的设计思想,提出了一种人工神经网络和模糊推理技术相结合的故障诊断方法——模糊神经网络法.人工神经网络通过对部分测量数据的处理,输出故障出现的可信度,实现系统的故障诊断.模糊推理部分通过对输入输出的模糊表示,结合神经网络的推理,给出故障的程度,实现故障诊断.     

基于局部投影算法的舰船信号降噪处理研究

利用基于非线性动力学系统的局部投影降噪算法研究了舰船辐射噪声的非线性降噪问题。分析了局部投影降噪算法邻域半径参数与降噪效果的关系,研究了利用噪声强度估计邻域半径参数的方法。通过对含噪Lorenz模型和实际舰船信号进行降噪处理,得到了较为满意的结果。     

基于人工神经网络的数字图像盲取证

数字图像盲取证技术是一项通过图像本身统计特性来鉴别图像是否被篡改的技术。文章基于数码相机的成像原理,利用人工神经网络来预测成像过程中由于CFA(color filter arrays)插值算法导致图像像素点之间出现的相关性关系,由于没有篡改的图像采用的CFA插值算法是相同的,而被篡改的图像则可能存在两种以上的CFA插值算法,两种情况下图像预测误差会出现差异,本算法利用这种差异实现数字图像的盲取证。实验结果表明本算法具有一定的有效性。