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。     

强噪声背景下的信号检测方法研究

提出了一种利用高阶统计量对强噪声背景下的弱信号进行检测的方法。这种检测方法对加性噪声中的确定性信号以及非高斯信号均有效 ,且可以弥补似然比检测的不足。     

非高斯噪声中信号的神经网络检测

论述了用多层感知器神经网络检测非高斯噪声中确知信号与随机信号的工作原理，网络结构和训练算法，讨论了几种非高斯噪声中信号的神经网络检测器性能。计算机仿真证明，在非高斯噪声条件下神经网络检测性能优于线性最佳匹配滤波器检测器和局部最佳检测器。     

变粒子数的盲检测器在平坦衰落信道下的应用

粒子滤波器能够处理非线性和非高斯的问题,引起人们的关注。对于信道模型系数未知的平坦瑞利衰落信道下的盲信号检测,提出了一种新的粒子滤波算法,在接收导频序列阶段,利用较多的粒子数估计信道的模型系数,在信号检测阶段．利用较少的粒子数进行检测,从而构成一种新的变粒子数滤波器。这种新算法的复杂度较低,性能较好。仿真试验结果证明,无论是在高斯噪声还是非高斯噪声环境中,这种新的粒子滤波器能够达到已知信道模型系数情况下的混合卡尔曼滤波器的可比性能。     

基于DFRFT水下动目标LFM回波检测算法

匹配滤波器作为高斯白噪声背景下线性调频信号的最优检测器,在水下声信号处理中得到了广泛的应用。根据匹配滤波器输出峰值位置可以获得目标距离的估计,但运动目标径向速度造成的回波和样本失配将导致匹配滤波器检测性能下降。利用分数阶傅里叶变换对线性调频信号的聚焦特性,提出了应用离散分数阶傅里叶变换的水下运动目标线性调频回波检测算法。仿真测试表明,该算法对于混响噪声背景下径向速度未知动目标的线性调频回波具有良好的检测性能。     

一种非高斯噪声中未知参数的信号的检测方法

研究了非高斯噪声中具有未知参数的信号的渐进最优检测，应用非高斯噪声中线性模型信号以及随机信号的Rao检验，导出了Rao检测的解析式，并与广义似然比检验的性能做比较。仿真结果表明，该检测器性能大大优于传统的能量检测器和高斯噪声假设下的广义似然比检测器。     

一种基于最大熵方法的自相关检测器

本文在最大熵谱分析法甚础上,导出了一种自相关检测器。该检测器结构简单,并且有Robust性和自回归(AR)检测器的大多数优点。通过解析计算和计算机模拟,研究了该检测器在白噪声中的信号检测能力,并与传统的理想匹配滤波器组检测性能进行了比较。研究结果表明:在高斯白噪声中,当样本数较少(N<64)时,与理想匹配滤波组检测器相比,自相关检测器的小样本性能的信噪比损失在3db之内。在非高斯白噪声中,信噪比改善比白高斯噪声情况下更为显著。并且其检测性能随噪声参数的变化要比理想匹配滤波器组检测器小。由于结构简单,该检测器所需的计算量度存贮器数目都较匹配滤波器组检测器少。因而硬件实现较为简便。     

基于高阶累积量的LPI雷达信号检测

低截获概率（LPI）雷达的广泛应用导致电子侦察系统难以从噪声中检测到LPI信号的存在。针对这一问题,提出一种基于多相滤波器组和高阶累积量联合处理的121雷达信号检测算法。该算法首先利用多相滤波器组实现信号在频域上的快速均匀划分,然后对输出的每个子带信号进行三阶累积量对角切片短时估计,有效抑制高斯噪声,并设计检测器对每个子带信号进行信号存在性检测,进而判断整个信号中是否含有有用信号。仿真结果表明,该方法的检测性能远优于传统的能量检测器,在信噪比大于-20dB时具有较高的检测概率。     

双模非高斯噪声背景下级联双稳态随机共振信号检测

针对随机共振(SR)以高斯噪声为研究背景的局限性,为了分析非高斯噪声对级联随机共振的影响且验证在双模非高斯噪声中级联随机共振的降噪及波形整形特性的可靠性,提出了级联双稳随机共振系统在双模非高斯情况下的微弱信号检测方法。输入信号在进行信号检测过程中,首先把概率密度函数作为随机共振现象的衡量指标,然后当系统处于最佳随机共振状态时,分析了非高斯参数、相关时间及噪声强度之间的关系。最后通过仿真证实,与一级SR相比,二级SR的噪声强度和相关时间的可用范围随着非高斯参数的减少不仅会得到增大,而且滤波特性、信号检测效果得到明显提高。     

一种基于V／F变换的数字相敏检测方法

本文提出一种基于电压频率变换（Ｖ／Ｆ）的数字相敏检测方法。这种方法可对被检测信号进行矢量分析，文中分析了这种数字相敏检测方法在加性高斯白噪声和谐波干扰环境下的检测性能，并给出了这种方法与常用的正交采样法的计算机模拟比较结果，此外，文中还给出了本文所提出方法用微处理器实现的结构。     

一种基于时频分析的神经网络检测方法

本文就典型的匹配滤波器在对非平稳噪声中的信号检测中所遇到的问题,根据时频分析的特点、以神经网络为工具,讨论了一种基于时频分析的神经网络检测方法.文中给出了基于此方法的检测器结构,并根据文中介绍的训练算法,对此检测器做了训练和性能仿真研究工作,并与常用的匹配滤波器进行了性能比较.仿真结果表明,本文所提出的检测方法避免了输入信号非平稳时,匹配滤波器呈时变结构给滤波器设计所带来的困难,解决了非平稳噪声中的信号检测问题.     

一种新的含噪混沌信号降噪算法

该文针对低信噪比、非高斯加性噪声和混沌动力学系统参数未知的含噪混沌信号降噪问题,提出了一种基于粒子滤波(Particle Filtering, PF)的降噪新算法。该算法将混沌信号和动力学系统中的未知参数作为一个多维状态矢量,利用PF方法递推计算多维状态矢量的联合后验概率分布,进而实现了对混沌信号的最优估计。对于混沌信号轨道分离过快所导致的退化问题,提出了有效的解决方法,并利用核平滑和自回归(Auto-Regression, AR)模型建模的方法分别实现了非时变以及时变参数的递推估计。仿真实验的结果表明,与现有的降噪方法相比,该文提出的新算法能够更加有效地抑制含噪混沌信号中的加性噪声。     

极性采样倒相编码数字脉冲压缩处理器的检测性能

本文阐述了极性采样倒相编码数字脉冲压缩处理器的非参量恒虚警率特性。确定了高斯和非高斯噪声中的检测性能。说明了这种处理器相对于非相干匹配滤波器的信噪比损失随码长增加而减小;在高斯噪声中的渐近损失为1.96dB;在韦伯噪声中的损失随韦伯分布形状参数减小而减小,甚至可转为得益。     

随机幅度多项式相位信号的时延估计方法

研究了一类非平稳信号具有随机幅度的多项式相位信号的时延估计问题。充分利用信号的高阶循环平稳性，提出了一种基于信号高阶循环矩的时延估计方法。该方法容易实现，估计精度能有效地抑制加性平稳非高斯和任何高斯噪声。试验结果证明了提出方法的正确性。     

分布式MIMO系统的一种低复杂度检测算法

针对发射天线分布的MIMO信号,基于排序的乔列斯基分解过程(Sorted CHolesky Decomposition,SCHD),将匹配滤波后的加性高斯色噪声转化成加性高斯白噪声,根据后验信噪比对发射信号检测顺序进行重排,降低了误差传播的影响,该算法仅需一次矩阵求逆操作。在瑞利衰落信道下的计算机仿真表明,该算法与已有的分布式MIMO信号检测方法相比,具有较优的性能和较低的复杂度。     

基于负熵准则的FastICA盲多用户检测的研究

该文给出了一种基于负熵准则的FastICA盲多用户检测方法。修改了FastICA算法中的非2次函数,引入4次幂函数,把基于负熵的非高斯性测度转化为信号峰度的形式,这样降低了计算量。同时,算法充分考虑了各个用户信号的统计独立性,在下行链路干扰用户的扩频码未知情况下,把目标用户的扩频码作为训练序列,并用于初始化FastICA算法的分离向量,使用随机梯度法进行优化计算,能够获得优异的符号估计性能。对算法的计算复杂度的分析可以看出,计算量随着接收数据长度和用户数的增加而增加。通过与传统匹配滤波器,MMSE检测算法比较,表明在同步CDMA信道中,MAI较低时算法检测性能与MMSE检测器的性能接近,随着MAI增加,算法的性能明显优于MMSE算法。     

直扩系统中匹配滤波器捕获方法研究

介绍了直扩系统中利用匹配滤波器方法进行捕获的特点和电路结构,重点研究了在高斯白噪声环境下采用部分周期相关匹配滤波器捕获方法的性能,推导了捕获方法的检测概率和虚警概率。最后利用Simulink对匹配滤波器捕获方法进行了仿真,给出了对应不同匹配长度和不同门限的检测概率和虚警概率曲线。     

K分布杂波中带未知参数的雷达信号检测

在相关Ｋ分布噪声中带未知参数信号的检测，本文考虑使用广义的雷曼一泊生方法。由于对其未知参数进行最大似然估计从回避了信号上的先验不确定性，所导出的接收机可被收机可被认为是一种传统检测器的广义化，其零记忆非线性除取决于噪声的幅度概率密度函数外，还取决于积累脉冲数。本文指出，对于非相关观察，其性能不受特殊信号模型影响，而仅取决于信噪比。此外，在性能上，杂波相关的影响可由检测增益简单地计算。计算机仿真的性     

平坦衰落信道下一种改进的盲粒子滤波检测器

粒子滤波器能够处理非线性和非高斯的问题,所以引起人们的关注.对于平坦瑞利衰落信道下的盲信号检测提出了一种改进的粒子滤波器,与原来的算法相比,它的复杂度较低.原来的算法能够达到混合卡尔曼滤波器的可比性能.仿真试验结果证明,无论是在高斯噪声还是非高斯噪声环境中,这种新的粒子滤波器能够达到混合卡尔曼滤波器的可比性能.     

非高斯噪声中信号的神经网络检测

了非主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主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的局部最佳检测器。