基于高阶统计量的对称分布信号检测

本文研究高斯噪声中具有对称分布的随机信号检测问题,提出了一种基于偶数阶高阶统计量的信号检测方 法。该方法利用高阶累积量估计的渐近正态性,采用随机变量Taylor展开的方法估计高阶累积量估计的方差,再对偶数阶 的高阶累积量进行归一化处理,将信号的检测转化为一般的X2检验问题,并通过仿真实验以广义高斯褶积信号为例对其 检测性能进行分析。     

双模噪声中信号的检测

信号检测是双模噪声中的主要问题之一，本文对此进行了较完事的研究。混合噪声中信号的检测比高斯噪声中信号的检测复杂，可能为多门限判决。本文对不同情况给出了不同的最佳检测方法，并分析了它们的性能；通过对窄带双模过程的研究，给出了混合噪声中信号检测的一般方法，有一定的普遍意义。     

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。     

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。     

多模噪声理论及其在通信保密中的应用

给出了一种比较通用的非高斯噪声模型——多模噪声,采用无惯性非线性变换器给出了多模噪声中信号的检测与估计方法,该方法对概率密度函数形状对称的噪声是普遍适用的。在此基础上设计了可用于通信保密的多模噪声,说明了本加密方法适用于无线通信信道加密,并从统计分析的角度研究了可能的密码分析方法。     

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。     

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.     

多模噪声背景下信号提取算法的研究

信号检测是信号处理的一个重要的研究方向,以前的信号检测方法多数是基于在高斯噪声背景下进行讨论,对非高斯噪声研究比较少。非高斯噪声的干扰问题在通信过程中是经常出现的。背景噪声用多模（非高斯）噪声为模型,提出改进（最小均方误差牛顿）LMS Newton算法实现对多模背景噪声的抑制,并给出了多模噪声中信号的检测,达到对有用信号提取的目的。最后,进行了计算机模拟仿真,得出了结果。     

强噪声背景下的信号检测

在低信噪比下检测信号的方法备受关注。利用周期谱估计方法能在较低的信噪比下检测信号。本文提出基于小波包去噪的周期谱测量方法。该方法可进一步改善信号的检测能力。文中以相位码信号争以电视为发射信号的无源相干定位系统的回波信号为例，应用小波去噪和周期谱方法进行仿真。仿真结果表明，这种方法能在-21dB信噪比(相位码信号)和-14．5dB信噪比(电视信号)下检测信号。     

强噪声背景下DS-SS信号检测技术

针对如何使直接序列扩频（Direct Sequence-Spread Spectrum，DS-SS）信号检测方法适应更低的输入信噪比，详细分析了平方法、时域相关法、周期谱法和高阶累积量法等现有DS-SS信号检测方法的原理和各自的特点，并应用神经网络、混沌理论和随机振动理论进行微弱DS-SS信号检测的探索。研究表明，上述方法可以用来检测DS-SS信号。     

非高斯非平稳背景噪声中的信号检测研究

非高斯非平稳噪声的干扰问题在通信过程中是经常出现的。在非高斯非平稳背景噪声下,以前经常使用经典信号检测理论对信号进行检测,很难取得较为理想的效果。基于小波变换以及小波去噪原理,提出一种新的阈值处理方法,该方法能有效地去除噪声,使有用信号能从非高斯非平稳噪声中检测出来。实验结果表明,新方法不但去噪效果明显,而且获得了较高的分辨率和信噪比,检测性能较为理想,是对信号检测理论的一种有效推广。     

基于参数模型的双谱估计在FSK信号检测中的应用

为克服低信噪比情况下的FSK信号检测问题,我们利用双谱能很好地抑制噪声,并且能充分地获取了隐含在数据中的信息的特性,采用了基于参数模型的双谱估计算法;同时为了更好地满足实时性以及数据流量的要求,在实际中采用了双谱估计与功率谱算法的双通道检测系统.仿真结果表明采用双谱估计算法能很好地解决小信噪比条件下的车载FSK检测问题,检测128路信号的处理时间为0.4秒之内,检测精度达到0.1 Hz.目前该技术现已成功运用到相关检测设备中.     

基于小波包变换的双模噪声中信号的检测

以一类非高斯噪声———双模噪声为背景噪声,利用小波包变换良好的时频分析能力,对双模噪声的统计特性进行了研究,在此基础上,将经典最优检测器的结论推广到背景噪声为双模噪声的情况,提出了基于小波包变换的双模噪声中信号的检测方法。他是对传统的双模噪声中信号处理的完善与补充,仿真结果表明,该方法要明显优于经典检测。     

脉冲噪声检测与滤除器

从信号的自相关角度出发,分析了信号受脉冲噪声污染的特点.根据信号受脉冲噪声污染的特点,提出了一种从幅度上检测脉冲噪声、从宽度上识别脉冲噪声的方法,然后对检测出的噪声点进行预测插值去噪处理.由于只对噪声污染点处理,未改变非污染信号点,从而极大地保护了信号的细节信息.该滤波器算法简单、能够自动适应信号变化和脉冲噪声特性.实验结果表明,与中值滤波器、均值滤波器相比,该滤波器能够在保护信号细节信息的同时,很好地去除脉冲噪声.     

用于微弱信号检测的随机共振系统设计

 随机共振(SR)作为一种能够利用噪声来提高系统输出信噪比的工具,近来得到越来越多的关注和研究.一个很大的问题是如何设计一个简单高效的SR系统.针对常见的微弱信号检测问题,我们分析了二值量化器和二值量化器阵列,推导出最优二值量化检测器和渐近最优阵列SR检测器,给出渐近最优阵列SR检测器的设计准则.根据理论分析结果,给出了鲁棒阵列SR检测器及基于噪声样本集合的参数选择算法,能够在未知背景噪声情形中获得较好的检测性能.     

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。