双谱估计及其在心音信号分析中的应用

应用高阶统计量技术对心音信号进行了AR模型双谱估计，分析结果表明，与传统的功率谱分析方法相比较，双谱分析方法可以提供更多更客观的信息，是分析和处理心音信号的实用而有效的工具。     

非最小相位ARMA模型的一种自适应辨识算法

本文提出了一种加性有色高斯噪声中因果非最小相位ARMA模型的自适应辨识算法。模型输入假定为非高斯独立同分布随机过程。算法只利用了观测信号的高阶统计量。在每次迭代中,先估计AR参数,再估计MA参数,但不用计算残差序列。在参数递推中采用了随机梯度法。仿真实验证实了本文算法的有效性。     

基于AR模型参数双谱估计的雷达目标识别

本文利用双谱分析方法,提出用非高斯AR模型对雷达目标回波信号进行参数化双谱估计。通过对实测飞机目标回波数据的分析,合理地选择目标特征构成特征矢量,取得了较好的识别结果。     

一种基于高阶累积量的信道参数估算方法

本文针对短波通信过程中多径信道引起的信号衰落现象，提出了一种基于高阶累积量的信号处理方法进行信道MA模型系统辨识，得到描述信道变化特征的相关参数。通常信号具有非高斯分布特征，使用这种高阶累积量处理方法，可以有效地消除高斯噪声的影响，完成信道模型的参数估算。     

多谱估计的参数方法

本文讨论多谱估计的参数方法。对非最小相位AR、MA、ARMA模型,利用高阶累量或高阶矩,给出了用于估计参数的参数方程。     

非高斯相关噪声中高斯的时延估计

高阶统计量在信号处理中成功的应用例子之一是估计高斯相关噪声中非高斯信号的时延参数，本文则研究非高斯相关噪声中高斯信号的时延估计问题，提出了一种解决该问题的混合方法。该方法先计算观测值的三阶累积量，然后利用累积投影公式计算观测噪声的二阶统计量，最后利用互相关方法确定信号时延参数，仿真结果验证了该方法的有效性。     

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。     

机载火控系统动态精度分析模型研究

指出当前武器系统精度分析技术相对滞后,针对机载反舰导弹火控系统的动态精度试验和数据的分析处理,提出一种武器系统火控动态精度分析新方法。通过分析火控系统动态精度试验的误差数据,建立动态误差数据序列的AR模型,引入时间序列判别函数对火控系统精度进行判定。对试验数据建模时,根据对火控动态精度误差数据的分析,分别基于高斯平稳随机假设和非高斯随机假设建立AR模型,两种模型性质不同,后者采用高阶累积量估计模型参数。该方法与常用的3σ检测准则相比,充分利用参照系统的数据和全面考虑测试数据的分布类型,能比较准确地评估系统动态精度。     

非高斯有色噪声中谐波恢复的累积量投影方法

本文研究非高斯有色噪声中的谐波恢复问题。首先建立了复数线性非高斯过程的高阶累积量投影定理。应用该定理，由含噪谐波信号的四阶累积量求得非高斯有色噪声的自相关，然后通过求解一个广义特征值问题对矢量空间进行预白化，最后结合噪声子空间方法ＭＵＳＩＣ恢复谐波信号参数。本文方法克服了以往的困难，成功地解决了对称分布非高斯噪声背景下和谐波信号中存在二次相位耦合时的谐波恢复问题。仿真实验验证了本文结论。     

非高斯相关噪声中高斯信号的时延估计

高阶统计量在信号处理中成功的应用例子之一是估计高斯相关噪声中非高斯信号的时延参数.本文则研究非高斯相关噪声中高斯信号的时延估计问题,提出了一种解决该问题的混合方法.该方法先计算观测值的三阶累积量,然后利用累积投影公式计算观测噪声的二阶统计量,最后利用互相关方法确定信号时延参数.仿真结果验证了该方法的有效性.     

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。     

非高斯有色噪声中基于四阶累积量噪声建模的谐波恢复方法

本文提出一种在非高斯ＡＲＭＡ噪声中谐波恢复的高阶累积量方法，该方法首先通过Ｈｉｂｌｅｒｔ变换构造复数观测值，然后使用它的一种特殊的四阶累积量建立噪声过程ＡＲ参数，由此对观测值滤波，最后通过ＳＶＤ－ＴＬＳ方法估计谐波信号参数，本文方法克服了以往对非高斯噪声分布的非对称性假设，成功地解决了对称分布非高斯有色噪声中的谐波恢复问题，并且适用于于谐波信号存在二次相应耦合情形，仿真实验验证了文中结论。     

非最小相位ARMA模型的一种自适应辨识算法

本文提出了一种加性有以高斯噪声中因果非最小相位ＡＲＭＡ模型的自适应辨识算法。模型输入假定为非高斯独立同分布随机过程。算法只利用了观测信号的高阶统计量。     

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。     

CDMA系统中智能天线阵的高阶统计量分析

分析了CDMA系统中智能天线阵的输出信号特性,介绍了利用高阶统计量方法抑制高斯噪声和非高噪声的原理,通过分析式推导,出适合于NMP（非最小相位）系统的HOS（高阶统计量）算法。     

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。     

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。     

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。     

基于输出累积量的 ARMA(AR)系统的一致性阶次递推辩识(英文)

本文提出了一种根据系统输出的观测数据对ARMA（AR）系统进行盲识别的新算法。该模型由独立同分布非高斯随机序列驱动，其输出序列中含方差未知的加性高斯噪声。通过求解基于三阶累积量谱的代价函数，该算法以模型阶次递推形式同时辩识ARMA的系统阶次和估计出系统参数。文章给出了该算法一致收敛性的证明，并对两类不同阶次的最小及非最小相位ARMA系统的AR参数及阶次辩识进行了数字仿真，结果令人满意。     

用增量的累积量方法测量大气风场

为了在非平稳、非线性条件下能得到真实风场的良好估计,提出了一种用空间分布天线（SA）雷达信号的增量累积量测量大气风场参数的方法。该方法基于结构函数方法,利用高阶累计量在信息处理中的特性,用零延迟的增量累计量求解平均水平风速等具体参量，并在大气散射模型基础上对增量累积量方法进行了数值模拟,得出了同理论分析一致的结果.分析和计算表明,该方法完全适用于局地平稳条件，可以减小风场参量估计对天线间距的敏感度；阶数k≥3时,对高斯噪声有很强抑制;同时可以得到风场参量的高阶估计，这是普通的二阶方法（如全相关分析、全谱分析）不具备的。