稳定分布噪声下非线性PAR系统辨识新方法

描述了稳定分布的谱表示,提出了共变谱密度的概念,得到一种基于自共变序列与共变谱的稳定分布白噪声与有色噪声的概念及其判断标准,对传统意义上的白噪声进行了广义化,依据多项式自回归（PAR）系统模型,对基于稳定白噪声输入的系统输出非线性稳定有色噪声建立其非线性PAR模型,提出基于最小P范数的EIRLP算法对非线性PAR系统进行辨识。模拟和分析表明,这种算法是一种在高斯和分数低阶 稳定分布噪声条件下具有良好韧性的非线性系统辨识方法,是对传统的二阶统计量基础上的系统辨识方法的改造与推广。     

基于分数低阶协方差谱的频谱感知算法研究及其FPGA实现

在对非高斯噪声情况下主用户频谱感知问题的理论研究之上,采用α稳定分布模型描述认知通信系统的非高斯噪声,给出了一种基于分数低阶协方差的感知方法,并采用分数低阶协方差谱对α稳定分布噪声下的主用户信号进行了谱估计,较好地解决了在非高斯噪声情况下传统的功率谱估计性能失效的问题。在此基础上针对FPGA的特性,进一步优化了算法,在FPGA上设计并实现了基于该算法的感知系统。系统利用FPGA产生中心频率为25 MHz、带宽为12.5 MHz的QPSK信号和特征指数为1的α稳定分布噪声作为主用户信号,设计相应的数字信号处理模块,并在此系统中验证了基于分数低阶协方差的感知方法能够有效地从α稳定分布噪声中检测出主信号的存在。该系统运行稳定,可移植性强,适用于不同的主用户频谱检测方案在此系统上进行实现与验证。     

基于改进的Capon滤波器组谱估计新方法

为了解决Capon滤波器组谱估计方法在α稳定分布噪声下性能出现退化的问题,提出了一种改进的Capon滤波器组谱估计方法,利用分数低阶协方差(FLOC)对传统的Capon滤波器组进行重构.由于分数低阶协方差的作用范围是0＜α≤2整个分数低阶空间,因此在α稳定分布噪声下其谱估计性能比基于二阶统计量方法的谱估计性能更好.计算机仿真结果显示了这种方法的优越性能,并且在高斯噪声环境下,其性能与二阶统计量下的方法类似.     

基于BLPN算法的AR SαS过程共变谱估计方法

研究了一种新的AR SaS过程的谱估计算法.该算法将整个数据作为一个整体,利用分数低阶P阶矩从前向、后向两个方向对数据进行处理,获得了一种高分辨率的参数估计算法--双向最小P范数法(Bidirectional Least p Norm,BLPN).利用得到的参数,结合共变谱的定义,构建了AR SaS过程下的共变谱估计表达式,并分别对AR SaS过程参数估计,α稳定分布噪声中的正弦信号的谱估计进行仿真.仿真结果表明,基BLPN的ARSαS模型的共变谱估计方法对于不同的口值均具有良好的韧性,特别是在α值较小或者短时数据时,本文方法的性能明显优于基于FLOM的AR SαS模型共变谱估计方法.     

稳定分布自回归有色噪声及其改进的白化方法

为了解决非高斯白噪声经过线性或非线性系统得到的有色噪声的白化问题,依据稳定分布白噪声的概念及其判断标准,和已有的线性自回归(AR)模型,对已有的迭代重加权最小P范数(IRLP)白化算法进行改进,提出了改进的IIRLP白化算法.对线性自回归稳定有色噪声的模型参数进行估计,并探讨了其白化方法.计算机仿真表明,本文算法较已有的IRLP算法具有更好的韧性及稳健性.     

基于分数低阶统计量的阵列信号盲分离

传统方法常对阵列信号处理所研究的噪声采用高斯分布的模型进行描述,但当噪声存在显著的尖峰时,往往不能得到满意的结果。利用稳定分布建模实际中所遇到的具有较大脉冲特性的随机噪声,综述了阵列信号处理方法,并利用分数低阶统计量提出了一种较有韧性的阵列信号处理新方法。仿真表明它们在高斯和低阶稳定分布噪声条件下,具有良好韧性与有效性。     

基于分数低阶统计量的阵列信号盲分离

传统方法常对阵列信号处理所研究的噪声采用高斯分布的模型进行描述，但当噪声存在显著的尖峰时，往往不能得到满意的结果。利用稳定分布建模实际中所遇到的具有较大脉冲特性的随机噪声，综述了阵列信号处理方法，并利用分数低阶统计量提出了一种较有韧性的阵列信号处理新方法。仿真表明它们在高斯和低阶稳定分布噪声条件下，具有良好韧性与有效性。     

分数低阶α稳定分布的功率谱估计新方法

传统的α稳定分布噪声下信号功率谱估计方法有两种,分别为共变谱估计与协方差谱估计。这两种谱估计方法都是以自相关这个二阶矩作为频域分析对象,而自相关是个损失了信号中相位的信息,不能用于时频域分析。针对这一问题,提出了一种新的分数低阶功率谱估计方法,计算机仿真结果表明,与现有方法相比,该新方法不仅在进行分数低阶功率谱估计时具有更优良的性能,而且可进一步应用于时频域分析,具有更广泛的应用价值。     

一种改进的有色噪声背景下信号的检测算法

摘要:对于自回归型(AR)的广义平稳(WSS)高斯有色噪声,以改进的协方差法得到了该噪声未知参数基于AR模型的估计,该估计优于现在广泛使用的周期图方法.然后利用渐进似然函数,建立了广义似然比(GLRT)检测器,该检测器的性能依赖于噪声的未知参数估计的精度,并且得到了检测概率和虚警概率的渐进表达式.通过对含有WSS高斯有色噪声的信号在不同信噪比下的计算机仿真实验分析,结果验证了提出方法的有效性,而且检测性能明显优于原算法.     

基于GP-SRCDKF的初始对准技术研究

随着对惯性导航系统中对准时间要求的不断提高,初始对准需要在大方位失准角条件下进行,此时需采用非线性滤波方法来实现初始对准。基于此,提出高斯过程回归平方根中心差分卡尔曼滤波算法(GP-SRCDKF)。将高斯过程回归融入到SRCDKF算法中,利用高斯过程得到系统回归模型及噪声协方差,用回归模型代替状态方程和观测方程,对相应的噪声协方差进行实时自适应调整。该算法不仅克服了扩展卡尔曼滤波滤波精度低、需要计算雅可比矩阵的不足,而且可解决传统滤波容易受系统动态模型不确定和噪声协方差不准确的限制。仿真实验结果验证了该算法的有效性和优越性。     

α稳定分布噪声下的空间时频DOA估计

当信号中存在α稳定分布噪声时,传统空间时频多重信号分类(STF-MUSIC)算法的空间波达方向(DOA)估计性能会降低甚至失效。为此,利用分数低阶矩(FLOM)代替二阶协方差矩阵,定义分数低阶矩空间时频分布矩阵(FLOM-STFDM)。对FLOM-STFDM进行特征分解,得到适用于稳定分布噪声环境的空间时频TF-FLOM-MUSIC算法,分析该算法的信噪比及误差估计,并给出算法实现步骤。仿真结果表明,TF-FLOM-MUSIC算法可有效降低DOA估计的均方误差,提高估计的分辨率和平滑性。     

最小p范数准则α谱估计及载波频率检测

针对共变系数矩阵和分数低阶协方差矩阵估计ARSαS信号α谱精度不高的情况,提出了一种最小p范数准则的α谱估计方法。该方法对传统的奇异值分解（SVD）方法估计ARSαS信号模型最小阶数进行改进,得到一种分数低阶的奇异值分解方法（FLO-SVD）,然后利用最小p范数准则和IRLS算法求出信号模型参数,用于作α谱估计。应用于脉冲噪声环境下的QPSK信号的仿真表明,改进后的方法对α谱有更好的估计,对载波频率有更准确的检测性能。     

基于α稳定分布的空间瞬态光频谱估计

分析待探测的瞬态光信号,对其进行频谱估计,推导出空间瞬态光信号是一种随机信号。通过分析基于FLOM估计的共变谱估计,得出当 <1时,这种方法并不适应。为此,提出一种分数低阶协方差谱的估计方法,对这2种 稳定分布噪声中正弦信号的估计与分辨进行仿真实验,结果表明该方法可以获得较好的谱估计性能,对 稳定分布噪声具有广泛适用性,且瞬态光信号为 稳定分布噪声。     

分数低阶时频滑动平均模型参数估计

针对稳定分布环境下非平稳过程分析方法时频滑动平均（TFMA）模型算法的退化,引入分数低阶统计量共变,提出了一种改进的分数低阶时频时频滑动平均（FLO-TFMA）模型算法。推导了FLO-TFMA模型的参数求解过程,给出了基于FLO-TFMA模型的时频谱估计。通过在稳定分布环境下对TFMA模型算法和所提出的FLO-TFMA模型算法的参数估计均方误差（MSE）比较和时频谱估计比较,仿真结果表明,FLO-TFMA模型算法的参数估计精度优于TFMA模型算法,TFMA模型时频谱估计完全失效,而FLO-TFMA模型时频谱算法能较好地进行时频谱估计。     

基于改进谱平滑策略的IMCRA算法及其语音增强

噪声谱估计算法在单通道语音增强方法中起着重要作用,为了改善噪声谱估计算法对噪声的估计和更新能力,结合最小统计（MS）算法,对改进的基于控制的递归平均（IMCRA）噪声谱估计算法的递归平均参数进行改进,并用一阶递归的方式对平滑功率谱的最小值进行改进。采用谱减法对含噪语音信号作去噪处理,从客观和主观两方面对不同算法的性能进行评价,对比分析不同噪声不同信噪比下增强前后语音的分段信噪比（segSNR）、PESQ得分、MOS得分。实验结果表明,提出的方法能够更好地跟踪噪声信号变化,改善语音质量。     

利用外辐射源的TDOA和FDOA目标定位算法

针对单站外辐射源条件下的目标定位问题,提出了一种基于最大似然的时差-频差联合定位算法。首先根据时差和频差的观测方程,构建目标位置和速度的最大似然估计模型。然后采用牛顿迭代算法对最大似然估计模型求解,得到目标位置和速度估计。最后,推导了算法的克拉美罗界和理论误差,并证明了二者相等。仿真结果表明,算法定位精度高于两步加权最小二乘算法和约束总体最小二乘算法,在测量误差较高时仍能达到克拉美罗界。通过对系统几何精度因子图的分析,确定目标及外辐射源数量和位置也是影响定位精度的重要因素。     

基于稳定分布噪声的分数低阶自适应时频分布

信号中的α稳定分布噪声会使自适应时频分布方法失效.针对该问题,利用分数低阶统计量理论,提出一种改进的分数低阶自适应时频分布.为了实现带噪信号的实时在线处理及长时间信号的时频分布分析,给出一种分数低阶短时自适应时频分布.仿真结果表明,2种方法都能在含有α稳定分布噪声和高斯噪声的环境下进行有效的时频分布分析.     

SIMO信道中信噪比估计算法分析与仿真

针对单输入多输出(SIMO)信道信噪比估计问题,在建立同一信号模型的基础上,研究期望最大化估计、二阶矩四阶矩估计、四阶联合估计和六阶矩估计等4种算法。从天线数、调制方式及噪声功率等方面进行仿真,将结果与Cramer-Rao下界进行对比。结合仿真结果分析各种算法的实现复杂度。     

色噪声激励的时滞非线性系统瞬态响应研究

建立了色噪声与时滞联合作用的非线性系统模型,提出求解其瞬态概率密度的高效近似算法。利用等价变换将时滞系统简化为非时滞系统;通过线性化方法和随机平均原理得到原系统振幅过程的平均It?随机微分方程和相应的Fokker-Planck-Kolmogorov（FPK）方程。基于退化线性系统导出一组正交基,在该基空间内进行Galerkin变分得到近似瞬态概率密度。将该方法应用到受色噪声激励的双时滞Duffing-Van Der Pol振子得到理论解,采用蒙特卡罗模拟（MCS）验证理论解的正确性。分析了色噪声参数和时滞参数对瞬态响应的影响。研究结果表明：所提理论方法可有效求解受色噪声激励的时滞非线性系统的瞬态概率密度;算法求解效率高于MCS;色噪声和时滞均明显影响了系统瞬态响应。     

一种求解聚类问题的分布估计算法

提出一种求解聚类问题的分布估计算法。基于PBIL算法定义聚类矩阵,建立对应的概率矩阵模型,引入遗传算法的基因变异算子,设计适用于分布估计算法的变异操作,改进概率模型的更新方式。实验结果表明,与Kmeans、Kmedioid、Clarans和遗传算法相比,该算法的聚类质量较好。