一种基于累积量的ESPRIT型盲波束形成算法

讨论一种用于非高斯信号源方位估计的盲波束形成算法。假设背景噪声是二阶统计未知的有色(空间相关)高斯噪声,基于“阵元对”模型的ESPRIT方位估计算法可以通过用累积量矩阵取代自相关矩阵完成信号空间的重建。经过这种处理,加性有色高斯噪声可被滤除,因此算法不需要相关噪声矩阵的知识。当加性噪声源是空间相关矩阵未知的有色高斯噪声时,计算机仿真比较了基于累积量的ESPRIT算法与基于二阶统计的ESPRIT算法的性能。     

图像噪声方差大小的测量新算法

针对图像中的高斯白噪声,提出了一种利用小波系数分布特征进行噪声估计的算法。根据小波系数的分布特点,利用广义高斯分布模型对小波系数进行拟合,并用广义高斯分布模型参数（尺度和形状参数）提出了一种有效的噪声方差估计算法。实验结果表明,提出的噪声方差估计算法能有效地估计噪声方差大小,同时估计的结果要好于其它相关的算法。这种噪声测量算法具有高精度性和快速性。     

基于高阶累积量的高精度时延估计算法

针对海洋探测中由于接收信号信噪比低并存在各种噪声干扰导致时延估计精度低的问题,提出一种基于二次相关和高阶累积量的具有多种噪声抑制能力的高精度时延估计新方法——SC-HOCS法。该方法首先对两路接收信号进行自相关和互相关处理,抑制部分高斯噪声,然后利用高阶累积量一维切片法对信号进行处理,抑制相关高斯噪声和非高斯色噪声,通过对接收信号的上述处理提高信噪比,最后结合希尔伯特变换对相关峰进行锐化处理,进一步提高时延估计精度。与广义相关法、二次相关法及高阶累积量一维切片法相比,该方法能很好地抑制相关噪声并且能在更低的信噪比下获得较好的时延估计精度,同时该算法计算量较小,可满足对数据实时处理的需求。计算机仿真和水池实验验证了该方法的有效性。该方法为海洋探测中低信噪比信号的高精度时延估计提供一种新的技术途径。     

相关噪声背景下加权高阶累积量的时延估计方法

时延估计是双基阵被动定位中的重要问题。在非相关噪声干扰下,应用广义互相关法进行时延估计可以取得良好的估计效果,但在相关噪声干扰情况下其估计性能严重下降。使用高阶累积量进行时延估计,可以有效地去除相关高斯噪声的干扰。采用类似广义互相关加权的方法对高阶累积量进行PHAT加权,进一步抑制噪声的影响,提高了高阶累积量法的估计性能。结果表明,在相关噪声背景下加权高阶累积量时延估计效果优于广义互相关法和高阶累积量法。     

非高斯背景下的频域广义匹配检测

采用广义匹配滤波器在功率谱未知的非高斯噪声中检测宽带信号。在估计功率谱时,为了减小周期图法谱估计产生的误差,采用平滑周期图法来估计非高斯噪声的功率谱,并在此基础上对信号进行恒虚警概率损失下的广义匹配检测。实验表明,用平滑周期图法估计功率谱并进行的广义匹配检测,其检测性能稍弱于功率谱取真值时的检测,但远远优于传统的匹配滤波器。     

基于三阶累积量及自适应滤波时延估计的管道定位方法

针对直接互相关被动时延估计法定位管道异常振动事件存在噪声干扰影响定位精度的问题,提出了基于三阶累积量及自适应滤波时延估计的管道异常事件定位方法。该方法对顺、反两路异常振动信号进行三阶自累积量和互累积量估计,抑制高斯相关噪声和对称分布噪声。然后利用自适应滤波时延估计算法对三阶自累积量和互累积量信号的时延进行迭代计算,在不依赖先验知识的情况下抑制非高斯相关噪声。经现场实验证明,该方法可以准确地对管道异常事件进行定位,对噪声具有很好的抑制作用,改善了直接互相关时延估计的性能。相对于直接互相关时延估计方法,相对定位误差由2.7%降低到0.6%,定位一致性提高了三倍,平均定位精度可达14m。     

小波域高斯混合模型方差估计近红外降噪方法

针对抑制近红外光谱噪声与保留光谱信号细节的矛盾,提出一种基于噪声方差估计的小波域降噪方法.该法对光谱信号小波域高频系数建立了两状态高斯混合模型,用EM算法估计模型系数,推证模型对噪声方差准确估计特性,将估计得到的噪声方差建立了阈值降噪模型.实验建立黄酒近红外光谱快速预测酒精度偏最小二乘模型,对比分析Penalty阈值、...     

2X模1混沌噪声滤波的差错概率

2X模1映射的反演是混沌噪声滤波的一个基本模型，本文给出这种滤波结果的差错概率的解析估计公式．对两个不同的信号长度在高斯噪声背景下滤波的差错概率进行了直接的数值计算，解析估计是对应数值结果的上限。     

瞬时频率估计的相位建模法及Matlab的实现

介绍了在高斯白噪声情况下，运用相位建模法对非平稳过程进行瞬时频率估计，并介绍了在Matlab中实现的方法。     

基于均匀圆阵的信号二维方向角和多普勒频率的盲估计

针对均匀圆形阵列 ,在时空旋转因子的基础上 ,推导出四阶累积量矩阵 ,采用波达方向矩阵法 ,实现了信号的方位角、俯仰角和多普勒频率的同时估计。此估计算法利用所有阵元信息估计信号波达方向 ,提高了方向估计精度 ,解决了“频率兼并”问题 ,使有效应用范围扩大。利用了四阶累积量的盲高斯性 ,有效地抑制了高斯白或有色噪声的影响 ,仿真结果表明了此算法的有效性     

Dopplerlet变换推广及其在主动声纳中的应用

针对水下高速运动目标的主动探测问题,引入了Dopplerlet变换。根据运动目标回波的特点提出了主动Dopplerlet原子．并分析了基于主动Dopplerlet变换的自适应匹配塔形分解算法,克服了Dopplerlet变换在被动信号处理中声源频率变化引起误差增大的问题。将算法应用于高斯白噪声和高斯色噪声背景中运动目标的检测和速度距离的估计．取得了较好的结果。     

一种改进的三维块匹配图像去噪算法

目的为了有效消除噪声图像中的椒盐噪声、高斯噪声甚至混合噪声,改进三维块匹配算法,提出一种新的图像去噪算法。方法首先,该算法将含噪声图像用图像块之间的相似性构建三维矩阵。然后,在图像块之间进行硬阈值滤波降低噪声,对图像块集合加权平均重建得到初步估计去噪图像。最后,对初步估计结果图像进行块匹配,在图像块内和图像块之间进行维纳滤波和加权中值滤波,得到最终去噪图像。结果仿真结果表明,该算法对图像采集的常见噪声均表现出理想的去噪效果,PSNR值均大于31 d B。对比维纳滤波、中值滤波、硬阈值小波滤波,文中算法对高斯噪声、椒盐噪声和混合噪声的去噪结果 PSNR值为31.5334~36.6466 d B,均高于其他算法,最高差值达到12.08 d B。结论结合中值滤波和三维块匹配算法的图像去噪算法,能够较好去除噪声图像的多种类型噪声,是一种较为优秀的去噪算法。     

非线性和非高斯型海洋噪声

双频谱分析是从含有非线性随机信号的数据中检测并辨别非线性随机信号产生机构的统计方法。双频谱分析也可用于检验所观测的数据记录是否符合基本随机过程为高斯分布这一假设。本文应用了一种最近推出的统计方法,该方法基于若干海洋环境噪声记录的双频谱估计可检验该噪声是否为高斯型分布以及在产生所观测噪声的基本机构中是否含有非线性的证据。文中研究了取自百慕大南部大西洋、东北太平洋和印度洋3个海区的7个噪声记录。收集的这些时间序列既有当地没有航船时的环境噪声,也有以本地航船噪声为主的噪声。3个海区的环境噪声记录显示出两种情况:分析时间约为lmin时,它是线性、高斯过程;分析时间约为ls时,它是非线性和非高斯过程。而对本地船舶噪声占优势的各种时间序列,不论分析时间是短是长,检验结果都是非线性和非高斯型的。     

自来水管网相关检漏技术中时延估计方法的选择与综合

管道相关检漏技术中时延估计方法的选择决定了漏点定位的准确性和精确性，本文分析讨论了几种典型的应用环境下时延估计的原理，包括：（１）不相关噪声中各种广义互相关技术和维纳滤波；（２）相关高斯噪声中用多谱技术进行时延估计的方法；（３）混响干扰环境中利用信号重构技术进行时延估计的原理，给出了在设计检漏系统和实际检测时，对时延估计方法进行选择和综合的一般性原则。     

单矢量水听器方位频率联合估计新方法

旋转不变子空间法和多重信号分类法需假设背景噪声为独立的高斯白噪声或自相关矩阵已知,当条件不满足时算法的性能急剧下降。针对这一问题,根据矢量水听器多通道输出的特点,提出了一种基于平行因子模型的单矢量水听器方位频率联合估计方法。首先利用矢量水听器各个通道t时刻和t+1时刻的输出数据,计算声压和各振速不同组合时的四阶累积量,并构建三阶平行因子模型;然后分析了 PARAFAC 模型低秩分解的唯一性条件并利用三线性交替最小二乘算法得到了单矢量水听器阵列流形和相位延迟估计,进而得到目标的方位和频率估计。与旋转不变子空间法和多重信号分类法相比,该方法不需要子空间估计和谱峰搜索,在高斯噪声和拉普拉斯噪声背景下对多目标的分辨能力好于ESPRIT算法。仿真和实测数据的分析结果证明了算法的有效性。     

混沌态杜芬振子与弱正弦信号参量估计

建立了一个对微弱正弦信号参量变化极其敏感的动力学系统.首先对多参量简化杜芬方程进行了改进,采用梅尔尼科夫过程函数讨论了方程的解和微分流形的演化情况;分析了非高斯色噪声对杜芬振子混沌运动行为的影响;进而提出了一种新的非高斯色噪声背景下正弦信号参量估计方法.理论分析和仿真实验都表明,此杜芬振子混沌状态下对任何零均值噪声具有免疫力,对正弦信号参量变化极为敏感.     

谐波恢复的时间平均三阶累积量方法及其工程应用

为了识别在强高斯噪声背景下振动信号的谐波成分，从三阶累积量的估计算法出发，提出了基于时间平均的三阶累积量算法，进行振动信号的谐波恢复。时间平均三阶累积量是三阶累积量的一种估计值。理论推导表明，随机相位谐波过程时间平均三阶累积量为非零值，而且其一维切片仍然是谐波过程。由此提出了一种在强高斯噪声背景下识别信号的谐波成分的频谱分析方法。该方法对抑制振动信号中的高斯噪声、正确识别其中的谐波成分十分有效，工程应用实例和信号仿真都很好地验证了该方法的正确性。     

非平稳随机过程四阶累积量的递推估计与应用

本文从非平稳随机过程四阶累积量估计的定义出发,推导了四阶累积量精确递推估计公式;从减少四阶累积量估计的计算量,增强四阶累积量的工程实用性出发,给出了四阶累积量近似递推估计定理。只要四阶累积量的更新因子满足定理的条件,就能减少计算量,并且使估计的四阶累积量保持抑制高斯噪声的性能。仿真结果证实了这种估计的有效性。     

提高光斑图像质心精度的去噪方法

在空间光通信中,光斑图像噪声直接影响质心精度。利用小波的方法估计出这种噪声属于广义的高斯噪声,因此,提出了一种基于Bayesian估计的小波降噪方法。该方法以“Haar”函数为小波基,对带噪图像作正交小波变换;通过对小波系数的概率密度函数建模,用Bayesian方法估计无噪原始图像的小波系数;用估计出的小波系数重构得到消噪图像。实验表明,对同样的光斑图像,中值滤波降噪法质心偏离1.8μm;全局阈值法小波图像消噪法质心偏离0.8μm;而Bayesian估计的图像小波消噪方法,峰值信噪比从-12.084 dB提高到10.048 dB,质心偏离仅0.03μm。     

初相未知信号联合检测与估计的序贯实现

在未知参数的充分统计量和再生概率密度函数的基础上，引入了联合检测与估计的序贯算法，给出了算法的实现框图，并将该算法应用于高斯噪声中初相位未知信号的联合检测与估计当中，仿真实验表明，新算法较传统算法有一定的性能改善。