脉冲噪声下基于 NAT 函数的 LFM 信号多径时延估计

针对脉冲噪声环境下无法准确估计线性调频(LFM)信号多径时延的问题,分析非线性幅值变换法抑制脉冲噪声的原 理,设计了一种新的非线性幅值变换函数 P-NAT(piecewise-NAT)函数,证明了任意随机变量经该函数变换后存在有限二阶矩, 提出了基于 P-NAT 函数的 LFM 信号多径时延估计方法。 分别对发射信号和 P-NAT 函数变换后的含噪多径接收信号进行最佳 阶次 FRFT,根据 FRFT 域的峰值位置偏移量和时延的关系,实现 LFM 信号的多径时延估计。 仿真结果表明,该方法在广义信噪 比为 0 dB、噪声特征指数大于 0. 2 的情况下,时延估计归一化均方根误差小于 10 -4 ,适用于低信噪比和强脉冲噪声环境下的 LFM 信号多径时延估计。     

广义S变换多分量LFM信号检测及参数估计

针对多分量线性调频信号(LFM)信号在低信噪比状况下信号检测出现漏检、参数估计精度不高等问题,提出在广义S变换(GST)基础上,进行奇异值分解(SVD)滤波的方法。在S变换基础上,导出了广义S变换及逆变换公式,对离散后得到的广义S变换矩阵进行奇异值求解,通过选取合适的奇异值个数,实现多分量信号时频滤波。仿真结果表明,该方法在低信噪比状况下能有效滤除噪声,避免因噪声或者各分量信号强弱相差较大而出现漏检现象,同时信号参数估计精度也得到了提高。     

基于共变谱和旋转不变技术的多径时延估计

针对脉冲噪声环境下多径时延估计的分辨率问题,提出了一种基于共变谱(CS)和信号估计参数旋转不变技术(ESPRIT)的多径时延估计方法。采用α稳定分布建模脉冲噪声,依据分数低阶统计量理论,将两接收信号的共变序列进行傅里叶变换得到共变谱。CS看作等效的时间序列,把时域的多径时延估计问题转化为频域的多个正弦信号频率估计问题。利用ESPRIT对等效时间序列进行频率估计,得到高分辨率的多径时延估计。仿真实验表明:多径时延估计方法(CS_ESPRIT)在高斯和脉冲噪声环境中均具有较好的估计性能。     

基于非线性变换的自适应时间延迟估计

含有脉冲性噪声的信号常使经典的时间延迟估计算法效果变差。给出了一种基于Sigmoid 变换的自适应时间延迟估计算法（SATDE）,采用 Sigmoid 函数,对含有脉冲性噪声的信号进行非线性变换;利用自适应滤波器对信号的时间延迟参量进行估计。计算机数值仿真实验结果表明,该算法在对信号的时间延迟进行估计时,不仅可以适用于符合高斯模型的信号噪声,更适用于含有脉冲噪声的信号。该算法是一种具有较好鲁棒性的时间延迟估计算法。     

基于改进S变换估计电能质量信号的噪声水平

提出了基于改进S变换估计电能质量信号噪声水平的方法。该方法根据能量聚集度的概念确定了改进S变换的时频分辨率。同时定义了与白噪声改进S变换功率谱相关的统计量,利用其分布特性检测电能质量信号能量在改进S变换时频面的分布区域,并采用迭代算法消除电能质量信号能量对噪声估计的影响,根据改进S变换时频面只含噪声区域的功率谱实现了对噪声方差的估计。仿真结果表明,当采样率达到一定程度时,采用该方法估计噪声方差有很高的可信度。     

基于Metropolis-Hastings算法的α稳定分布参数估计

针对α稳定分布参数估计问题,提出了一种基于MCMC动态模拟的参数估计方法。该方法根据贝叶斯理论建立在α稳定分布层次模型的基础上,利用Metropolis-Hastings抽样方法生成Mark-ov链,在贝叶斯框架下将所有待估计参数视为随机变量,利用后验分布实现稳定分布参数的同时估计,给出了新方法的迭代更新过程,并推导了接受概率的计算公式。理论分析和仿真结果表明,该方法能准确地估计出α稳定分布的4个参数,实现了任意对称或非对称α稳定分布的参数估计。     

脉冲噪声环境下机械故障信号的盲分离

针对振动传感器在采集故障信号时,在α稳定分布脉冲噪声的干扰下,使得传统机械故障信号时频盲源分离算法性能退化的问题,提出了一种基于分数低阶和S时频变换的盲源分离新方法。该方法先对传感器测试信号进行分数低阶子空间预白化,再计算低阶化信号的S变换时频分布,最后通过联合近似对角化恢复各个部分的故障源信号。通过计算机仿真实例分析表明,该算法能有效抑制脉冲噪声影响,避免了二阶矩或高阶矩无穷大的缺限,盲源分离效果较好,具有良好的鲁棒性。     

基于Chirp-Fourier 变换的LFM信号的参数估计

本文从匹配Fourier变换的角度给出了chirp-Fourier变换的定义、意义和离散实现。分析表明，LFM信号的Chirp-Fourier变换的峰值对应的坐标即为其初始频率和调频斜率，所以应用Chip-Fourier变换可以估计LFM信号的参数。仿真试验表明，应用Chirp-Fourier变换不但可以有效地估计LFM信号的参数，而且有很好的抗噪声干扰能力。     

一种低信噪比线性调频脉冲信号参数提取方法

本文提出了一种低信噪比条件下的线性调频(LFM)脉冲信号参数提取的新方法.该方法通过自相关滤波提取出LFM脉冲信号的频域参数信息,根据频域参数信息,确定小波分解尺度数和信号采样频率,使对采样数据的小波分解结果中,信号的小波系数在最大尺度上占优.然后利用信号和噪声的小波系数模极大值在不同尺度间的传播特性,分尺度对小波系数进行非线性滤波,并进行信号重构,得到提高了信噪比的重构信号,从该信号中可以较好地检测出原LFM脉冲信号的时域信息.仿真实验表明,该方法能在信噪比低于0 dB时实现LFM脉冲信号时频参数提取.     

智能电网窄带OFDM通信系统噪声抑制

电力信道在低频处具有高的噪声,严重影响电力线通信(PLC)系统的性能.针对窄带(9 ～ 95kHz)电力信道非平稳分布的脉冲噪声和平稳分布的背景噪声,根据实际测量电力噪声的统计分析,建立随机分布特性参数所描述的噪声模型,并提出相应的噪声抑制(Noise Suppression,NS)方案.其中脉冲噪声使用限幅(Clipping)方法进行消除,这是一种无记忆非线性技术;背景噪声因具有高斯特性,而正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)信号的正交和同相分量均符合线性分布模型,利用KLT(Karhunen-Loeve)变换将含噪信号协方差矩阵的特征值分解至噪声和信号子空间,在信号失真最小准则前提下,应用拉格朗日最优极值法,推导OFDM信号的线性估计.基于G3-PLC物理层和窄带噪声模型,构建OFDM仿真系统,对窄带OFDM系统噪声抑制前后性能的仿真,表明该噪声抑制方案,能够改进BER性能,提高SNR.     

基于二次分数低阶协方差的时延估计方法

针对强脉冲噪声背景下基于分数低阶统计量时延估计方法性能退化且需要噪声先验知识的问题,提出了一种基于二次分数低阶协方差的时延估计新方法。所提方法首先利用有界非线性Sigmoid函数对含有脉冲噪声的信号进行预处理,使其在不影响有用信号时延信息的基础上对附加脉冲噪声进行充分压缩;然后对处理后的收发信号进行二次分数低阶协方差运算,即求得发射信号的自分数低阶协方差和收发信号的互分数低阶协方差之后,再次计算二者的互分数低阶协方差,以期更大程度上抑制脉冲噪声的影响。通过模拟仿真实验对所提方法进行了有效性验证,结果表明所提方法突破了分数低阶矩阶次需小于Alpha稳定分布噪声特征指数的限制,并且比分数低阶协方差方法具有更高的估计精度。仿真实验结果表明在广义信噪比-10 dB情况下,时延估计用时为0.056 0 s,准确率达到97.76%。     

快速多分量LFM信号的检测与参数估计方法

研究了噪声环境中的多分量LFM信号的检测以及参数估计问题.在分析和比较了时延相关解线调法和分数阶傅立叶变换(FrFT)扫描法的基础上,提出了一种新方法,该方法将LFM信号的检测问题简化为小范围的一维搜索问题,从而有效的减小运算量和分离强弱信号,同时在低SNR情况下的参数估计性能接近CRLB(Cramer-Rao low bounds).仿真结果证实了方法的有效性.     

瞬时频率估计方法对比研究

在信号处理中,线性调频信号（linear frequency modulation,LFM）的参数估计是一类非常重要的问题。本文基于短时傅里叶变换（short-time fourier transform,STFT）、连续小波变换（continuous wavelet transform,CWT）和维格纳（wigner-ville distribution,WVD）分布等三种方法,对两种常用信号（单频信号和线性调频信号）的瞬时频率进行估计,并对其做出比较分析,CWT法适用于单频信号的瞬时频率估计,WVD法适用于调频信号的瞬时频率估计。针对这三种方法出现的边缘问题,用最小二乘法进行拟合,有效的得到解决。     

基于广义S变换和奇异值分解的局放信号降噪优化方法

针对电缆终端局部放电现场检测时存在白噪声、周期性窄带干扰问题,提出一种基于广义S变换和奇异值分解的局放信号降噪方法。该方法首先通过广义S变换自适应获取窄带干扰个数并截取局放信号所在片段,然后利用改进的3谱线插值法对窄带干扰频率进行精确估计并构造引导信号加入原信号中,对该信号利用奇异值分解实现对混合噪声的抑制。通过对仿真、实测局放信号进行去噪,并与传统降噪方法进行对比分析。结果表明,该方法对于混合噪声干扰具有更优的抑制效果,能较好地还原局部放电信号。     

采用改进不完全S变换估计电能质量扰动参数

为克服S变换计算量大和不能准确估计某些电能质量扰动参数的缺陷,结合改进S变换和不完全S变换提出了一种估计电能质量扰动参数的新方法。首先给出了改进不完全S变换的计算过程,接着讨论了不同类型扰动信号求改进不完全S变换所需的最佳窗宽系数;然后介绍了参数估计的特征量提取,它是针对不同扰动频率点自适应地采用最佳窗宽系数求改进不完全S变换得到的模向量;最后说明了由这些特征量进行电能质量扰动参数估计的方法。仿真结果验证了所提方法具有算法简单、运算量小、估计精度高等特点。     

基于模糊自适应形态滤波器和S变换的暂态电能质量扰动检测

提出一种基于模糊自适应形态学滤波器与S变换结合的暂态电能质量扰动检测方法。该方法根据数学形态学理论和模糊控制原理构造一种模糊自适应形态学滤波器,对扰动波形进行预处理,以滤除信号中的随机、脉冲等多种噪声,可较好地保留信号的基本特征,对于滤波后的信号波形,利用S变换幅值包络线对暂态电能质量扰动起止时间进行检测。最后通过对噪声背景下含电压骤升、电压中断和电压骤降电磁暂态现象的电压信号进行仿真验证,结果表明该方法具有计算简单、快速和准确的特性和优点。     

基于时域能量与自适应奇异值阈值的改进局放信号去噪方法

局部放电(简称局放)检测是探测电力电缆绝缘缺陷的有效手段。针对传统短时奇异值分解(STSVD)白噪声抑制方法存在的不足,文中提出了一种基于时域能量与自适应奇异值阈值的局放信号白噪声抑制方法。该方法利用自适应奇异值阈值估计策略对重构奇异值个数进行准确估计,并在此基础上结合时域能量准则仅对局放脉冲区域进行去噪处理,从而极大地提升了算法的执行效率。对仿真和实测含噪局放信号进行处理,并将去噪结果与现有的自适应奇异值分解(ASVD)、传统STSVD及小波变换去噪结果进行对比。研究结果表明：相比于ASVD、小波变换去噪方法,文中所提去噪方法能够取得更好的去噪效果,去噪后波形误差更小;相比于传统STSVD,文中所提方法能够有效解决去噪后存在的毛刺干扰问题,且计算速率更快。     

基于双接口分集和数据样本的脉冲噪声抑制算法

针对电力线与无线双接口通信中的电力线突发脉冲噪声（BIN）的干扰问题,提出一种基于分集信号抵消和自适应阈值估计（DSC-ATE）的BIN抑制算法。首先,利用电力线和无线并行信道传输相同的分集信号,接收端通过分集信号抵消获得脉冲噪声样本,降低峰平比对阈值估计的影响;然后利用噪声样本对非线性函数的最佳阈值进行估计;最后对脉冲噪声进行抑制处理。为了提高算法的鲁棒性和可扩展性,该文通过引入折扣因子和学习率来实现算法在复杂度和精度之间的有效折中。与已有的非线性处理算法相比,该方法不需要噪声的先验统计信息,并可根据信道环境的变化自适应地调整阈值。仿真结果表明,所提算法在可靠性和阈值精度方面均具有显著提升。     

基于小波变换的含噪声行波信号奇异点检测

小波变换是检测信号奇异点的一种有效的数学工具.对于含噪声电流行波信号奇异点的检测,则需要一个基于小波变换的有效算法.作者在非线性阀值法去噪的基础上利用模极大值线的方法正确地检测出含噪声行波信号的奇异点,并通过数字仿真验证了此方法的实用性.     

纳托尔窗改进FFT动态谐波参数估计方法

动态下的谐波参数估计是近年来的研究热门,快速傅里叶变换(fast Fourier transform,FFT)因其简单且易于嵌入式实现而得到广泛应用,但其参数估计准确度受频谱泄漏和栅栏效应的制约。分析纳托尔(Nuttall)窗的旁瓣特性,建立基于4项5阶Nuttall窗改进FFT的谐波参数估计算法,通过曲线拟合推导信号基波与各次谐波的频率、幅值和相位估计修正公式。仿真结果表明:4项5阶Nuttall窗抑制频谱泄漏效果好,改进FFT算法能对栅栏效应产生的影响进行有效修正,提出的方法能准确跟踪基波频率波动,有效抑制白噪声影响,提高谐波参数估计的准确度。