多滞后时刻四阶累积量的正弦信号频率估计

在含噪正弦信号频率估计方法中，通过开发高斯色噪声中正弦信号的四阶累积量切片结构、以及由这些累积量构成的Hankel矩阵性质，提出了多滞后时刻累积量的高分辨正弦信号频率估计方法。现有的基于高阶统计的算法中没有充分利用多滞后时刻的四阶累计量。本文提出了一种基于多滞后时刻四阶累计量的正弦信号频率估计的ESPRIT和MUSIC算法。理论分析表明，这种算法有助于提高参数估计的性能。     

再生切削颤振系统动态响应谐参数辨识

考虑多重再生切削效应,建立了切削系统在随机噪声激励下的时滞动力学模型及递推求解算法。利用基于互四阶累积量的谐参数联合估计TLS-ESPRIT方法,讨论了再生型切削系统动态响应的频率、相邻两转切削间相移和互功率的辨识,揭示了在动态失稳切削中这些谐参数的演变特征以及多频再生型切削颤振现象。研究结果表明,基于互四阶累积量的谐参数估计TLS-ESPRIT方法可抑制噪声,具有优越的参数估计性能,能够在动态失稳切削中抽取再生型切削不稳定性的演变特征。     

用四阶累积量实现谐波信号频率与功率谱估计

针对一般谐波表达式导出在四阶累积量下的相应Y-W方程模型和频率估计方法。利用四阶累积量对高斯噪声具有不敏感性的特点,实现了高斯白噪声或色噪声污染下谐波信号频率与功率谱的正确估计。仿真实验证明了该方法即使在色噪声中仍具有较高的估计精度。     

基于互高阶累计量的混合色噪声中的谐波恢复

采用状态空间模型描述时间序列,将其与互高阶累计量相结合,首次提出状态空间模型谐波恢复的互高阶累计量SLS.Hankel矩阵分解法.该方法用于谐波恢复,突破了高阶累积量方法对噪声的限制.降低了互谱方法对硬件隔离的要求.仿真结果表明,该方法在混合色噪声和很低信噪比条件下谱估计的分辨率、稳定性及对混合色噪声的抑制等方面均明显优于自高阶谱估计方法.     

四元数和超复数在加性高斯噪声背景下二维谐波频率估计中的应用

针对二维谐波频率估计中的分维配对问题,首先对一般二维谐波信号模型进行变换,构造了符合四元数结构的新的信号模型.并根据该模型利用特殊的四阶累积量切片分析了加性高斯有色噪声中二维谐波频率估计及联合Hamilton四元数和超复数在二维谐波频率估计中的应用前景.此方法避免了在复数模型的二维谐波频率估计中构造复杂的增广矩阵问题,并从根本上解决了通过分维求取频率之后,频率配对中所有可能产生的错误频率对以及有可能产生的两维频率估计精度的不平衡性这两大难题.仿真实验验证了该算法的有效性.     

互高阶累积量对离散系统辨识的应用原理

采用互高阶累积量（互四阶累积量）的一维对角切片为统计量,证明了互高阶累积量可以有效地抑制非相关噪声和高斯噪声,并在建立互高阶累积量的Ｙｕｌｅ－Ｗａｌｋｅｒ方程的基础上,对离散系统（ＡＲ过程）的结构进行了分析。结果表明,该方法具有良好的谱估计的分辨率和谱估计的稳定性。与其它方法比较,该方法抗干扰性更强,其信噪比工作辩 限更低,有很好的应用前景。     

基于四阶累积量的多参数联合估计算法

研究了利用四阶累积量方法估计信号的到达角、极化角和频率．在高斯色噪声情况下四阶累积量参数估计方法可以获得较高的估计精度，但现有的估计方法只利用了四阶累积量矩阵特征分解的特征值，需要多次特征分解和配对运算。计算量很大．提出利用一次特征分解的特征值和特征矢量，这种方法减少了所需的四阶累积量矩阵，且信号参数自动配对,降低了计算量．     

单矢量水听器ESPRIT波达方向估计算法

针对自相关算法的局限性,提出了一种基于高阶累积量的单矢量水听器ESPRIT算法.该算法首先对单个矢量水听器接收数据作-任意的时间延迟,以时间变元为旋转因子,构造了2个具有相同阵形的子阵,然后将高分辨信号子空间类方法的正交化原理及旋转子空间不变原理引入累积量域,得到基于高阶累积量切片的ESPRIT方法.仿真结果表明,借助高阶累积量的方法,在高斯白噪声下,ESPRIT算法能完全抑制高斯白噪声的影响,在高斯色噪声条件下,信噪比6dB以上该方法还是能获得高精度、高分辨率的渐近无偏估计.     

累量域二维波达方向估计方法

提出了一种新的适合任意高斯噪声环境的高分辨二维波达方向(DOA)估计方法——联合对角化4阶累积量-DOA矩阵方法。该方法以阵列的特殊结构为基础,利用四阶累积量构建3个子阵,采用联合对角化技术获得信号的二维角估计,适用于存在一维角度兼并的情况,且无需二维谱峰搜索和参数配对,从而避免了配对算法在低信噪比、小角间距或者复杂的信号传播环境下所带来的弊端。仿真结果证明了该方法的有效性。     

基于单电磁矢量传感器的ESPRIT算法改进

为了充分利用非圆信号共轭相关不为零的特性,提高空间到达角(direction of arrival,DOA)和极化参数估计精度,提出了一种信号DOA和极化参数估计的稳健算法.即构造2个非圆信号的4阶累积量矩阵,引入旋转不变子空间(estimation of signal parameters via rotational invariance techniques,ESPRIT)算法思想,利用这2个矩阵之间的旋转不变特性求出旋转因子,实现信号DOA和极化参数更精确估计.与2阶相域ESPRIT相比,改进的算法适用于任意极化状态的信号,提高估计信号的利用率,同时利用4阶累积量对高斯噪声的抑制性处理相关噪声,使估计信号的精度有了明显提升,并通过仿真结果验证了改进算法的有效性.     

空间相关高斯噪声中基于四阶累积量的自适应时延估计方法

针对高斯色噪声中零均值、具有非零三谱信号,提出了一种基于四阶(互)累积量的自适应时延估计方法,并分析了算法的收敛性。该方法不仅具有抑制空间相关(或不相关)高斯色噪声的能力,而且可估计正弦信号的时延,理论和仿真实验均证明了该方法在空间相关高斯色噪声背景下,具有优越于互相关方法的时延估计性能。     

虚拟阵列的四阶MUSIC算法研究

研究一种基于四阶累积量的虚拟阵列扩展技术,以扩大阵列的处理孔径和空间自由度,提高方位估计性能.由于累积量域导向矢量的冗余项可等效为特定位置处假想阵元(虚拟阵元)的响应,因而利用高阶累积量可虚拟扩展阵列孔径,利用四阶累积量与二阶统计量的转换关系,对具有等效阵元互相关的累积量作合并平均处理,可得到虚拟扩展阵列的协方差矩阵,对虚拟协方差矩阵采用MUSIC算法作方位估计.数值分析和湖试处理结果表明,虚拟阵MUSIC算法能有效提高分辨率,减小方位估计方差,并能提高空间有色高斯噪声下的性能和稳健性.     

基于四阶累积量的时延估计新方法

针对无线电定位中的时延估计问题,考虑接收信号为窄带信号以及背景噪声为高斯分布的情况下,将四阶累积量的一维切片作为高阶统计量,结合希尔伯特变换,给出一种新的时延估计方法.该方法对相关峰值进行了锐化处理,提高了估计精度.与广义互相关法相比,该算法可有效抑制空间相关高斯噪声的影响,计算量小,易于实现.仿真结果表明了该方法的有效性.     

基于谐波恢复的状态空间模型的互高阶累计量Ls-Hankel矩阵分解法

将状态空间模型与互高阶累计量结合在一起,首次提出基于谐波恢复状态空间模型的互高阶累计量的Ls-Hankel矩阵分解法。仿真结果表明,该方法在混合色噪声和很低信噪比条件下谱估计的分辨率、稳定性及对混合色噪声的抑制等方面均明显优于自高阶谱估计方法。     

基于互高阶谱的ESPRIT法的间/次谐波参数估计

电力系统中,准确有效地确定信号中的间/次谐波分量,对于改善电能质量有重要意义。提出了基于互高阶累积量的子空间旋转法(Esprit)来估计间/次谐波幅值和频率。最大优点是无需谱峰搜索,计算量很小。     

Basic research in the field of thermal infrared remote sensing

A new on-line blind equalization approach is proposed. The approach combines over-sampling technique with independent component analysis (ICA) neural network and can give equalized output on-line employing only the received signal. Based on the fourth-order cumulants and the characteristic of the linear system, the parameters of original channel are also estimated using evolutionary computation (EC). Compared to traditional equalization methods, the proposed algorithm is of simple architecture, does not need learning sequences apart from the observation, and can achieve both blind equalization and system identification. Computer simulations show good performance.     

一种新的近场源参数估计的子空间方法

提出了一种新的近场源到达方向和距离的联合估计算法．基于阵列接收数据的高阶累积量,构造了两个适当的矩阵束,它们的广义特征值的相位给出到达方向和距离的估计,同时其特征值的幅度实现二维参数配对．该算法的参数估计有闭式解,不需要复杂的谱峰搜索和参数配对算法．由于算法使用了四阶累积量,所以适用于任意结构的加性高斯噪声环境．计算机仿真实验证实了所给算法的有效性．     

一种近场源参数估计新方法

提出了一种基于子空间的近场窄带信源频率、到达角及距离三维参数联合估计新方法．该方法选择特定序号阵元输出计算的4阶累积量构造4个高维矩阵,然后结合这些矩阵结构特点构造3个新的矩阵,利用新构造矩阵的特征值联合估计信源参数．与现有基于高阶累积量的方法相比,这种方法有效地减小了阵列孔径损失,从而具有较高的估计精度．     

基于高阶累积量的参数化双谱分析的肺音特征提取

用高阶谱分析方法,对肺音信号进行了特征提取.以非高斯白噪声激励的AR(AutoRegressive)参数模型对肺音信号进行建模,导出了基于三阶累积量的三阶递推方法的非高斯参数化双谱的计算方法,用双谱的互相关估计模型阶次,并对肺音数据进行了参数化的双谱估计,给出了在双频域内从双谱及其切片谱提取肺音特征信息的方法,并利用该方法对正常、哮喘和细罗音3种肺音目标进行了神经网络的识别实验.结果表明:所提出的特征提取方法大大降低了输入特征的维数,具有较高的识别率