基于高阶统计量的心电信号R波检测

心电信号的检测对于临床心脏疾病的检验和确诊有很重要的作用,所以目前有关心电信号榆测方法的研究很多.本文针对心电信号R波的检测,采用了一种基于高阶统计量的检测方法.使用MATLAB编程软件实现了心电信号R波检测,采用非参数直接法心电信号R波进行双谱估计.并将实验运行结果作以比较.实验结果表明高阶统计量是一种十分有效的信号检测和系统分析方法.     

基于高阶统计量的心电信号R波检测

心电信号的检测对于临床心脏疾病的检验和确诊有很重要的作用,所以目前有关心电信号检测方法的研究很多。本文针对心电信号R波的检测,采用了一种基于高阶统计量的检测方法。使用MATLAB编程软件实现了心电信号R波检测,采用非参数直接法心电信号R波进行双谱估计,并将实验运行结果作以比较。实验结果表明高阶统计量是一种十分有效的信号检测和系统分析方法。     

基于高阶统计量的多模噪声中的信号检测

按照概率密度函数形状,给出了一种比较通用的非高斯噪声模型——多模噪声。多模噪声总体上属于非高斯噪声,但兼容了高斯噪声。改进了高阶统计量的双谱算法,给出一种基于双谱的多模噪声中信号的检测方法,并在此基础上结合无惯性非线性变换器和双谱技术,改进了传统的自适应幅频干扰抑制器,可以精确估计或检测信号。仿真表明该方法可以抑制高斯噪声,同时在强噪声和复杂背景下可以以较高的检测概率检测出信号,优于传统的似然比检测。     

高阶统计量在检测中的应用

本文提出了一种利用高阶统计量对加性噪声中的确定性信号及非高斯随机信号进行检测的方法。这种检测方法对加性噪声是否有色或是否为高斯分布并不敏感，而只要求噪声具有对称的概率密度函数，在信号波形未知而造成匹配滤波器性能恶化时，利用这种方法对确定性信号进行检测的性能与已知彼形时匹配滤波器的检测性能相近。在色噪声话密度未知且噪声港与信号谱重叠程度最大时，这种方法的性能优于匹配滤波器。利用这种方法还非常易于实现非高斯随机信号的检测。因此，这种检测方法弥补了匹配滤波器必须有先验知识才能达到良好检测效果的不足。     

基于高阶统计量的图像降噪

提出了一种基于高阶统计量的图像降噪方法.该方法的理论依据足:高斯噪声的高阶累积最为零.即,对被告斯噪声污染的噪声图像计算其高阶统计量,得到的数据同原始清晰图象相同,不会受到高斯噪声的影响,根据这一特点,我们设计了基于高阶统计量的窗口对角平滑方法.实验结果证明,该方法可以有效地去除噪声,并且能够保留好的图像细节.     

一种基于高阶统计量调制的传输码

提出了一种基于高阶统计量调制的数字传输技术。利用信号和信道噪声统计独立的特性和高阶统计量对高斯噪声或其它有色噪声不敏感垢特殊性质,该技术将发送信息调制到一组时域信号的高阶统计量上传输。在发送信号周期足够长的情况下,该系统可望获得较高的传输性能。     

一种基于三阶统计量的基音周期检测新方法

本文利用小波变换和三阶统计量的基本特性,提出了一种小波变换与三阶统计量结合的基音周期检测新方法;在低信噪比的基音周期检测中,本方法可以获得比其它基音周期检测法更精确的结果文中还分析了压扩因子和门限因子K的选择,实验表明,K在一定范围内取值时对基音周期检测结果影响不大.     

基于LPC高阶统计量语音活动检测算法的设计与实现

论文提出了一种基于LPC残差信号高阶统计量对加性噪声中的确定性信号及非高斯随机信号进行检测的方法,通过理论分析与实验结果表明,高阶统计量能有效地解决客观存在的非高斯及非线性问题,是现代信号分析与处理研究的重要内容,这种检测方法对加性噪声是否有色或是否为高斯分布并不敏感,而只要求噪声具有对称的概率密度函数。利用这种方法对确定性LPC残差信号进行检测的性能与已知波形时匹配滤波器的检测性能要好。利用这种方法还非常易于实现非高斯随机信号的检测。     

基于高阶累积量的突发信号检测技术

突发信号检测是非合作通信中的一项重要工作,是后续处理的前提。针对由高阶累积量作为判决统计量的信号检测方法,分析了高阶累积量法在实际信号检测中存在的问题,提出了相应的改进算法,该算法只用2个符号进行累积量估计,通过在高阶累积量的基础上增加滑动窗,对累积量值进行平滑处理,并通过窗内累积量值的变化自适应调整窗长,减小或消除了因数据过短引起高阶累积量估计值的抖动。仿真结果表明该算法可以提高信号检测性能。     

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.     

基于高阶累积量的盲自适应多用户检测

基于高阶累积量,讨论一种新的盲多用户检测方法,首先,分析一种新的优化准则,证明该优化准则在满足规范约束条件下具有全局最小值,且极值点满足解相关条件。由此,得到一种新的盲多用户接收方案,然后,利用约束优化问题的一个无约束条件的等价形式,给出盲多用户检测的自适应算法,仿真结果表明,本文给出的检测器具有较强的多址干扰抑制性能。     

基于分数低阶统计量的双谱及其估计方法

稳定分布可更好地描述实际中所遇到的具有显著脉冲特性的随机噪声.为了更好地抑制信号背景中的非高斯噪声,本文提出了基于分数低阶的双谱定义,并给出在分数低阶有色噪声背景下双谱非参数和参数模型的估计方法.仿真结果表明,同传统的双谱估计相比较,非参数法分数低阶双谱估计能有效的识别信号,保留了信号的幅度和相位信息,但存在较大的估计方差.基于AR模型的分数低阶双谱估计具有最大的谱平坦度,能够有效地抑制噪声,具有良好的韧性.     

DCT域图像水印的局部优化检测性能研究

水印检测是数字水印技术最关键的步骤之一.水印检测的传统方法是采用线性相关的方法,但是该方法存在问题.本文根据数字图像离散余弦变换(DCT)域交流系数的广义高斯分布模型,对图像水印的局部优化检测方法进行了推导,并给出了水印检测器检测性能的理论分析结果.实验结果验证了图像水印局部优化检测方法检测性能理论分析的有效性,以及实际检测性能的优越性.     

分布式检测系统的模糊有序统计融合算法

为提高基于二元局部判决的分布式检测系统的检测性能，研究了基于模糊隶属度函数的分布式检测系统融合算法，提出了模糊有序统计融合准则。通过对肼传感器进行分布式检测系统仿真，结果表明：模糊有序统计融合准则在均匀环境中能获得比基于二元判决准则更好的检测性能，也好于同样采用模糊隶属度函数的求和准则的检测性能，且在多目标环境下获得了较强的适应性。     

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。     

基于时间-调频斜率分布的多线性调频信号检测与参数估计

该文提出并分析了多线性调频信号的时间-调频斜率分布,并提出了一种基于该分布的多线性调频信号检测和参数估计方法。性能分析和仿真表明该方法是一种渐进最优的估计方法,具有高的参数估计精度和检测性能,且能用于低信噪比的场合。     

基于二阶统计量盲源分离算法的无源雷达同频干扰抑制研究

针对基于长期演进(LTE)信号的无源雷达存在同频基站干扰的问题,该文提出一种基于2阶统计量的盲源分离算法,该算法是在卷积混合模型下,通过多通道最小均方(LMS)算法实现分离信号之间的相关性最小。由于各发射基站信号之间统计不相关,当分离信号之间的相关性达到最小时,完成观测信号的分离。在此基础上,改进了传统无源雷达信号处理的流程,增加了分离同频干扰基站直达波和多径杂波的步骤,实现了对同频干扰基站杂波的抑制。通过仿真分析,验证了算法的有效性,为基于LTE信号的无源雷达数据处理提供了参考。

     

基于广义Gamma分布的高分辨率SAR图像海岸线检测

本文针对高分辨率SAR图像,采用广义Gamma分布（GΓD）对杂波进行建模,在此基础上提出一种基于水平集分割的海岸线检测方法.GΓD是一种高度灵活的经验分布模型,能够对SAR图像不同类型的地物进行有效建模,其参数可由对数累量法估计得到.基于该分布建立能量泛函,并通过水平集方法最小化能量泛函进行海陆分割,得到海岸线检测结果.利用两幅TerraSAR-X实测SAR图像实验证明,该方法可以实现更精确的海岸线检测.     

基于二阶统计量的多径混合语音分离算法

介绍了一种实用的语音分离算法CoBliSS,他是一种基于二阶统计量的多通道盲反卷积算法.但是源信号自相关函数的序列长度必须足够大,而大多数语音信号不满足这一要求.但是针对非平稳的语音信号,非严格的理论分析显示二阶统计量可以用于语音分离,将CoBliSS算法与回声消除相结合,给出了ECoBliSS算法.结果表明当ECoBliSS算法用于远程会议系统时,分离出了较高质量的语音信号,而且速度也比较快.