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．     

α稳定分布特征指数估计算法

针对α稳定分布信号参数估计问题,提出一种基于α稳定分布叠加性质和p范数性质的特征指数估计算法。该算法利用多个同分布的α稳定分布变量组合相加结果的p范数与原变量p范数之间的关系实现对特征指数α的估计。介绍了α稳定分布的定义和基本性质,说明了估计算法的原理和估计步骤,证明了估计算法的无偏性和一致性。仿真实验表明,该算法不需要稳定分布的其他先验知识,在很大的范围内可以有效地估计α稳定分布的特征指数,在高斯噪声掺杂的情况下仍可准确估计信号的α值,为α稳定分布噪声下的信号处理方法提供支持。     

融合Burg谱估计与信号变化率测度的语音端点检测

针对现有基于特征的语音端点检测方法在低信噪比及非平稳噪声下检测性能较低的问题,提出了一种融合Burg谱估计与长时段信号变化率测度(LTSV)的语音端点检测方法．该方法采用表征较长时段语音变化率的LTSV参数,较准确地反映了语音的非平稳程度．与传统基于特征的语音端点检测方法相比,该方法在低信噪比及非平稳噪声情况下的检测性能有了较大提高．并融合Burg谱估计,与传统Welch谱估计方法相比,提高了LTSV参数的区分度,从而进一步提高了检测的准确率．仿真结果表明:采用融合Burg谱估计与LTSV的语音端点检测方法在低信噪比(-10dB)及非平稳噪声情况下,与传统基于特征的语音端点检测方法相比,检测准确率普遍提高了约6%以上,说明该方法在低信噪比及非平稳噪声环境下鲁棒性更好．     

脉冲调制信号相位噪声测量中的功率谱估计方法

针对脉冲调制信号相位噪声测量中的噪声功率谱估计问题,建立了信号相位噪声的数学模型,分析了信号相位噪声与噪声功率谱之间的关系,提出了一种基于Welch法的噪声谱估计方法．该方法依据被测信号脉冲调制参数选择Welch法的数据分段和窗函数长度．仿真实验结果表明,该方法较传统的快速傅里叶变换方法或自相关法具有更好的谱估计性能．     

基于几何功率的α噪声的特征指数估计方法

噪声背景下的信号处理问题是该领域的热点问题,但在实际工况中极难直接获得α噪声的特征指数的相关信息,这使得分数低阶统计算法的应用变得尤为困难。针对上述问题,本文提出了一种基于α稳定分布叠加性质以及几何功率的特征指数估计方法。首先利用叠加性质确定了多个独立同分布的α稳定分布变量与其和分布变量的关系,然后利用其原变量以及与变量几何功率间的特点实现对特征指数的估计。实验结果表明,该算法不需要获取特征指数的范围,在0～2范围内均可对其进行准确估计,均方根误差最大约为0.1,在对海杂波数据进行估计时偏差仅为0.02,可以为α噪声下的信号处理问题提供先验信息。     

基于WOSA法和MCOV法的目标噪声谱估计

基于加权交叠平均法（WOSA）和修正协方差法（MCOV）的谱估计方法，研究了一种联合谱估计方法．该方法克服了周期图法谱估计起伏较大以及Burg方法存在谱线分裂或伪峰的缺点，兼顾了WOSA法不产生伪峰以及MCOV法可获得高分辨率的优点，可应用于水下目标的噪声谱估计．对于大量水下实测的噪声数据的分析表明，所提出的方法对水下目标的谱分析是可行且有效的，为便于比较，文中也给出了周期图法和Burg法估计的功率谱图．     

一种α稳定分布下的变步长最小ρ-范数算法

本文提出一种新的基于α稳定分布噪声环境下的自适应滤波算法,这种算法针对变步长自适应滤波算法收敛速度和稳态误差相矛盾的不足,建立了步长μ（n）与误差信号e（n）之间的新的非线性函数关系。该函数能够削弱输入端不相关α稳定分布噪声对步长调整的影响,更好地解决稳态误差与收敛时间之间的矛盾。通过系统辨识仿真结果表明,新的算法α对稳定分布下的尖峰脉冲噪声有较强的韧性,比传统的NLMP算法有更快的参数辨识速度和更小的稳态误差,同时还具有很好地跟踪多时变系统的能力。     

一种基于非线性变换的脉冲噪声有源控制算法

由于脉冲噪声的冲击特性,经典的有源噪声控制算法的性能显著降低。针对对称α稳定分布的脉冲噪声,提出了一种基于Sigmoid函数的非线性变换算法,解决了因脉冲噪声幅值过大所引起的稳定性问题,并对该算法的收敛条件进行了分析。在理论分析的基础上,对该算法进行了仿真研究。仿真结果表明,对于不同的α值,该算法均能取得较好的降噪效果。     

基于互高阶谱估计的QR分解法

首次提出一种混合色噪声(相关的高斯色噪声及相互独立的任意色噪声)背景下基于互高阶谱估计的QR分解法,仿真结果表明,该方法在混合色噪声和很低信噪比条件下谱估计的分辨率、稳定性及对混合色噪声的抑制等方面均明显优于自高阶谱估计方法,在具有更强的噪声抑制能力的同时,又使运算量和算法的复杂性大大降低。     

冰下脉冲噪声特性及信号检测性能分析

针对冰下噪声的显著脉冲特征及其对冰下的探测声呐的干扰的问题,本文采用第8次北极科考声学实验和松花江实验获得的冰下噪声数据,研究其统计特性及对匹配滤波器检测性能的影响。分析了冰下噪声数据的统计特性,采用Alpha稳定分布作为统计模型,通过分数低阶矩法估计噪声数据获得的Alpha稳定分布参数并对噪声数据进行拟合并同高斯分布拟合情况进行对比,采用蒙特卡罗(Monte-Carlo)方法,利用实际冰下噪声数据及仿真数据分析匹配滤波检测性能,结果表明:冰下噪声具有非高斯性,拖尾较重;相比高斯分布,Alpha稳定分布更符合实际冰下噪声统计特性;相同信噪比下,宽带脉冲信号抑制冰下脉冲噪声性能优于窄带脉冲信号,并且不同特征指数α对检测性能有一定的影响。本文的研究结果可为在冰下工作的主动声呐设计及性能预报提供一定的理论依据。     

冲激噪声环境中LFM信号的特征参数估计

SαS稳定分布是一类非常重要的非高斯随机分布,具有这类分布的噪声称为冲激噪声。在冲激噪声情况下,α阶以上的矩均不存在,导致基于二阶矩的高斯模型算法性能下降,甚至不能正常工作。该文提出了一种在冲激噪声环境下线性调频信号特征参数估计的算法,通过分析冲激噪声的具体特点,给出了修正的低阶矩模糊函数,并结合Radon变换估计了冲激噪声环境下LFM信号的参数。该算法既可应用于冲激噪声下,又可应用于高斯噪声环境,故具有较好的鲁棒性。最后用计算机仿真验证了该算法的有效性。     

脉冲噪声环境下基于循环频率截面 累加量的码元速率估计

为了提高非高斯α稳定分布噪声环境下MPSK信号码元速率的估计准确率,提出了一种基于循环频率截面累加量的MPSK信号新的码元速率估计算法。算法采用一种新的归一化压缩函数,对含有α稳定分布噪声的MPSK信号进行非线性压缩,有效抑制了脉冲噪声对于循环谱密度的影响,并保留了码元变换时的跳变信息;通过在循环谱密度的f=0截面搜寻最大值,确定在循环频率截面的搜索范围,利用在该范围内进行循环谱密度的累加量,实现了MPSK信号的码元速率估计。仿真实验结果表明,该算法比现有的码元速率估计算法具有更好的稳定性和准确性。     

一种改进的正弦波频率谱估计方法

当OVSS谱估计方法中构造的奇异矩阵的行数大于信号频率个数加1时，会产生虚假的正弦信号，在实际应用时容易造成误判．本文通过修正OVSS谱估计式的分母，由原来单一的正交乘积，变为多个正交乘积的加权求和得到了一种改进算法．改进算法能彻底消除伪峰，且性能稳定，分辨率高．仿真结果表明改进算法整体上优于OVSS方法．     

基于互高阶谱SVD算法的电力系统低频振荡频率估计

介绍了互高阶谱理论在互联电力系统低频振荡频率估计中的应用，详细讨论了其数学模型和处理过程。在相关高斯噪声与非相关噪声背景下，首先用互高阶谱SVD方法，将信号分解成信号矢量空间和噪声空间，通过求解噪声信号的特征方程则可知频率信号。该方法不需要任何关于有色噪声的先验信息就可以估计低频振荡频率。仿真分析的结果表明该方法具有良好的谱估计分辨率及谱估计稳定性，是低频振荡频率估计的有效工具。     

玉米淀粉酶法生产高麦芽糖浆研究

首先研究了耐高温α-淀粉酶、真菌α-淀粉酶的部分酶学性质，又以玉米淀粉为原料，用耐高温α-淀粉酶水解至DE值为16．5％，再用真菌α-淀粉酶在最佳条件下作用21h，可得到含纯麦芽糖0．311g／mL的产品．该产品葡萄糖含量为0．017g／mL，糊精含量为2．7％，产品达到优质高麦芽糖浆水平．     

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.     

基于互谱自回归模型的Levinson算法的变换域通信系统抗干扰性能

对互功率谱估计理论及方法进行了深入研究,提出了基于互谱自回归(AR)模型参数估计的Levinson算法,构建数字仿真模型验证互谱Levinson算法的谱估计性能,结果表明:该方法具有良好的谱估计性能。搭建了测量噪声背景下的仿真平台,对基于互谱AR模型参数估计的Levinson算法的变换域通信系统(TDCS)的抗干扰性能进行了研究,仿真结果表明:该方法下TDCS能够保持较强的抗干扰能力,提高了通信质量和频谱资源的利用率。     

抑制α稳定噪声的改进常数模盲均衡算法

为了改善α稳定噪声环境中盲均衡器的性能,文章提出一种改进常数模盲均衡算法(MAEC-CMA)。对均衡器输入信号进行软限幅,并对原自适应误差受限常数模盲均衡算法(AECCMA)的误差信号进行非线性变换,有效地抑制了α稳定噪声的影响。采用2种水声信道,在高斯噪声与α稳定噪声的情况下对算法进行了计算机仿真。结果表明:在高斯噪声环境中,MAECCMA算法与AECCMA算法具有相似的性能,相对于常数模(CMA)算法和归一化最小平均绝对偏差(NLMAD)算法它具有较快的收敛速度;在α稳定噪声环境中,文中提出的MAECCMA算法性能优于其它3种算法。     

酶解反应与超滤膜分离一体化的必要条件(一)

通过对α－淀粉酶催化活力和活力稳定性的研究，寻找使酶解反应与超滤膜分离一体化得以实现的反应条件。通过研究不同ｐＨ值、不同温度下α－淀粉酶活力的变化情况，发现本研究中的α－淀粉酶的活力在ｐＨ５．５左右、温度５０～６０℃最大，并且在稳定剂０．０２ｍｏｌ／ＬＣａＣｌ２和０．０２ｍｏｌ／ＬＮａＣｌ存在下，α－淀粉酶的热稳定性大大提高，６０℃下保温３ｈ，酶活几乎不变，符合酶膜反应的要求。研究表明能在一定的ｐＨ值和温度下，保持酶活力，是酶解反应与膜分离一体化得以实现的必要条件。     

一种基于谱估计的被动声呐目标识别方法

为解决被动声呐目标的特征提取与识别问题，通过对被动声呐目标噪声频谱特性的深入分析，给出了一种基于Welch谱估计的目标特征提取方法．对提取出来的特征采用动态规划的方法进行特征选择，得到用于识别的特征向量．对海上实录的多种型号和多种工况的大量噪声样本进行了特征提取和特征选择．采用BP神经网络和最近邻法对噪声样本进行了分类识别实验，结果证实了所提方法的可行性和有效性．研究结果可以用于被动声呐目标识别．