一种基于循环相关函数的双级伪码快捕方案

基于“匹配滤波 序列估计”模式的双级伪码快速捕获方案较其他方案有运算量小且与序列长度呈线形关系的优点,但是这种伪码快捕方案抗高斯白噪声能力较弱．提出了一种改进的伪码快速捕获方案,即用循环相关函数代替普通相关函数作为”序列估计”的判决函数,利用高斯白噪声、直扩信号不同的循环相关特性提升系统的抗高斯白噪声能力．通过软件仿真,证明了该系统在保证快速捕获特性的同时,可提升抗高斯白噪声能力,可获得5～6dB的处理增益．     

一种基于盲源分离的直扩信号载频检测算法

在复杂的背景噪声中检测直扩信号并估计参数是信号处理研究的难点课题之一,在接收端如何降低高斯噪声等背景噪声的影响成为急需解决的问题.这里提出了一种基于盲源分离的直扩信号载频检测算法,采用独立分量分析的高阶累计量算法将直扩信号从包含高斯噪声的背景中分离出来,然后采用边带相关算法估计载波频率.该方法不需要知道混合矩阵,不需要做预白化处理.计算机仿真结果证明了算法的有效性.     

基于循环谱的直扩信号到达时差研究

以循环谱相关理论为基础,讨论了谱相关到达时差估计的模型和实现方法,并将该模型应用于有噪声和干扰条件下的直扩通信信号的到达时差估计中。给出了几种不同谱相关估计器下的计算机仿真结果,并与常规方法进行了比较。实验证明,它在直扩信号的测向和定位方面具有广阔的应用前景。     

一种简化鲁棒的传感网络节点三维估计算法

针对无线传感网络中进行节点三维状态估计时受到重尾或突变性质噪声干扰的问题,提出了加权质心定位和简化最大互相关熵无迹卡尔曼滤波结合的传感网络节点三维估计算法．首先,通过信号强度的测距方式得到信标节点和传感节点的观测距离;然后,利用质心定位的方法得到节点的近似估计,并结合节点估计模型和最大互相关熵准则对非高斯、非线性问题的鲁棒性,推导出一种简化最大互相关熵无迹卡尔曼滤波算法;最后,得到精确估计．仿真结果表明,新算法在具有重尾非高斯观测噪声的传感网络中对节点三维估计的效果比典型的方法更好,不仅降低了一般最大互相关熵无迹卡尔曼滤波的时间复杂度,还提高了节点估计的精度．     

基于STFT和三阶累积量的直扩信号检测法

该文利用直扩信号短时傅里叶谱的周期性,提出了基于短时傅里叶变换的直扩信号检测方法--周期脉冲的周期方差门限搜索法,并提出利用三阶累积量滤波器和非相干积累方法以进一步改进检测性能.该方法并未利用接收信号的载频、扩频码等任何先验信息,是无码检测.实验表明,这种检测法对加性高斯白噪声中直扩信号的检测是非常有效的.     

基于熵检测的图像噪声方差小波域估计

提出一种在小波域中基于熵值检测的图像噪声方差估计算法. 利用小波变换能显著降低图像信号的熵而并不改变高斯噪声熵的特性以及噪声熵值与噪声方差之间呈对数关系变化的规律,定量地分析了含噪图像在小波高频对角子带中系数的熵值随噪声幅值的变化规律,揭示出这种变化关系对图像具有较强的鲁棒性,从而利用这种变化关系,通过对含噪图像小波域熵值的检测对高斯噪声进行估计. 仿真结果表明,提出的算法能够有效估计出图像中噪声的方差,并且受图像细节影响较小,其性能优于现有其他算法.     

基于α稳定分布噪声下匹配滤波的信号检测

针对传统匹配滤波器在非高斯噪声环境中检测性能明显下降的问题，提出了一种基于α稳定分布噪声下匹配滤波的信号检测方法，并应用于非高斯噪声中已知确定信号的检测．仿真结果表明在非高斯噪声下，该方法的检测性能明显优于传统匹配滤波器的性能．     

直扩信号识别的有限时间平均循环自相关法

直接序列扩频信号在低信噪比条件下仍能正常工作,但对于非合作的直扩信号采用常规方法很难准确检测和识别.文章利用循环谱理论,根据直扩信号和高斯噪声在循环平稳性上的差异,通过在有限时间内计算接收信号的谱相关密度函数,来实现在循环频率轴上对二者进行检测和识别.实验仿真结果表明,采用有限时间平均循环自相关算法在极低的信噪比条件下对直扩信号识别的准确率仍很高,从而说明该方法是可行的.该研究结果对于直扩信号检测具有一定的参考价值.     

基于混合熵的分数阶归一化子带自适应滤波算法

为了改善非高斯噪声环境下归一化子带自适应滤波算法的滤波性能，引入了最大混合相关熵准则和分数阶微分的概念。一方面，利用最大混合相关熵准则的鲁棒性，有效地减小了异常噪声对算法性能的影响；另一方面，在权重更新的过程中，通过引入分数阶微分部分，并以加权的形式考虑数据整体信息，更准确地描述了实际系统，从而提高了算法的滤波性能，可将这一改进后的算法应用于非高斯冲击噪声和有色噪声环境下的系统辨识和非线性信道均衡。通过仿真实验结果可以看出，与已有的鲁棒算法相比，所提算法具有更强的鲁棒性和更高的系统跟踪和估计能力。     

稳健变步长符号算法在稀疏信道估计中的应用

基于自适应滤波的传统稀疏信道估计方法大多基于高斯噪声模型的假设,当环境噪声包含冲击噪声时,信道估计性能将严重恶化.为了解决冲击噪声环境下的稀疏信道估计问题,提出了一种基于梯度向量混合范数的稳健变步长符号算法.仿真结果表明,提出的算法在高斯噪声和冲击噪声环境下达到了预期的效果.     

单矢量传感器的互谱估计与方位估计

单矢量传感器的互谱估计,将时域随机过程变换成了频域随机变量.该变量的统计特性,使得各向同性噪声场影响具有更加明确的物理解释.给出了互谱估计一、二阶矩和一维概率密度函数.由于拾取了振速信息,单个矢量传感器便能获得目标方位的最大似然估计.基于互谱估计的统计特性,给出了方位估计概率密度函数的通解形式,在纯噪声和高信噪比两种极端情况下推导了方位估计的数字特征.对低信噪比的方位有偏现象做出了解释,对高信噪比的判别条件给出了定量描述.理论分析与仿真结果一致,从而为湖海实验研究预备了统计知识.     

基于有限脊波变换的边缘检测算法

拉普拉斯(Laplace)边缘检测算子对噪声非常敏感。为了解决这个问题,在有限脊波变换(finite ridgelet transform,FRIT)域提出了一种边缘检测算法。首先用拉普拉斯分布模型分析FRIT系数,给出了FRIT系数的最大后验概率(maximum a posteriori,MAP)估计,同时结合边缘检测模型,得到了用于边缘检测的最优阈值,实现了图像的边缘检测。该算法抑制了噪声对图像边缘的影响,同时保护了图像的边缘。实验结果表明,在抑制噪声和边缘定位之间该方法能够达到更好的平衡,得到良好的边缘检测效果。     

扩频信号频域谱相关自适应滤波技术的研究

以谱相关理论为基础,针对直接序列扩频（ＤＳ／ＳＳ）通信系统的可截获性问题,提出了利用频域谱相关自适应滤波技术对噪声和干扰环境下的扩频信号进行检测,及对时域和功率谱域严重重叠信号进行分选的一种算法．对直接序列扩频信号的仿真结果表明,该算法具有速度快、噪声和干扰抑制能力强等特点,因而文中提出的算法是切实可行的．     

对基于量化水印的两频带滤波攻击的估计

提出了一种基于量化水印的两频带幅值比例攻击的估计算法。基于量化的水印算法在有加性噪声攻击的情况下可以达到信道容量,然而对线性时不变滤波攻击没有鲁棒性。该文集中考虑一种使用滤波器组调整信号频谱的多频带幅值比例攻击,给出受攻击信号的概率密度函数(PDF)模型;使用这个PDF模型的简化近似;给出两频带滤波攻击幅值比例因子的最大似然估计方法。以合成的音频信号进行实验,结果显示出所提出的估计技术的有效性。     

Voice activity detection based on deep belief networks using likelihood ratio

A novel technique is proposed to improve the performance of voice activity detection(VAD) by using deep belief networks(DBN) with a likelihood ratio(LR). The likelihood ratio is derived from the speech and noise spectral components that are assumed to follow the Gaussian probability density function(PDF). The proposed algorithm employs DBN learning in order to classify voice activity by using the input signal to calculate the likelihood ratio. Experiments show that the proposed algorithm yields improved results in various noise environments, compared to the conventional VAD algorithms. Furthermore, the DBN based algorithm decreases the detection probability of error with [0.7, 2.6] compared to the support vector machine based algorithm.     

基于分数低阶统计量的时延估计算法性能分析

传统的时延估计算法大多建立在高斯模型的基础上,利用信号的二阶、高阶估计量,可以得到理想的结果.然而,现实中的信号往往都处在非高斯环境下,如通信线路瞬间尖峰和环境噪声等,这一类信号的时域波形中存在一个明显的峰值,这时利用α稳定分布模型可以较好地表述非高斯脉冲信号和噪声.因此有必要对α稳定分布模型下的,基于分数低阶统计量（FLOS）的时延估计算法进行研究.通过调整参数取值得到的仿真结果,证明了在非高斯情况下,基于FLOS的时延估计算法相对于传统算法估计效果更好.     

海浪能量谱密度函数计算方法

为了充分利用有限观测资料确定海洋结构物设计与营运环境条件,以北海North Alywn平台提供的一次风暴记录为依据,以提高谱峰分辨率和减小谱方差为谱估计目标,在快速傅里叶变换算法(FFT)基础上,引入最大熵算法(MEM)和小波变换算法(WT);为实现对小容量子样有效的谱估计,应用自举理论(BT)在原始子样基础上构建移动...     

基于MICA-OCSVM的间歇过程故障监测

针对多向独立成分分析(multi-way independent component analysis,MICA)需要假设过程变量服从非高斯分布的要求,以及MICA基于马氏距离构造的监控统计量会导致故障检测率降低的问题,研究了一种将多向独立成分分析与单类支持向量机(one-class support vector machines,OCSVM)相结合的MICA-OCSVM监测方法.首先采用MICA提取间歇过程所有批次的独立成分;然后分别对每个时刻的所有批次的独立成分进行OCSVM建模,利用确定的决策超平面构造非线性的监控统计量;最后计算所有建模数据的监控统计量,并利用核密度估计确定相应的控制限.将该方法应用到青霉素发酵过程仿真平台,实验结果表明:该方法相比于传统的MICA故障监测方法,无需考虑过程变量服从何种分布,能够有效利用独立成分的结构信息,故障的误报率、漏报率明显降低.     

距离频率ML方法无模糊估计动目标径向速度

在合成孔径雷达-地面动目标检测系统中,需要无模糊地估计运动目标的径向速度．当径向速度接近最大不模糊速度时,传统多通道最大似然方法的估计性能下降．针对以上问题,提出一种基于距离频率干涉相位的最大似然估计方法．相较于传统方法,所提方法有效地降低了概率密度函数扩散的影响,当径向速度接近最大不模糊速度时能够实现准确估计．从相关系数和干涉相位两个方面分析了噪声对径向速度估计的影响机理,并通过增加独立样本来减小噪声的影响．