OFDM系统中的峰值抵消频域噪声分布特性研究

基于抵消窗函数的峰值抵消是正交频分复用系统中一种有效的峰值功率抑制算法. 在峰值抵消正交频分复用中,抵消窗函数的选择将决定抵消过程中带外功率泄露程度及带内噪声分布. 该文推导了峰值抵消噪声的频域分布特性,并通过数值仿真验证分析了抵消窗函数选择及截断长度对带外功率泄露的影响. 另外还给出了基于带内抵消噪声估计的接收端检测方法. 数值仿真结果表明,与现有抵消噪声估计方法相比较,该文提出的方法能更好的进行噪声恢复,并提高接收端性能.     

WiMAX上行功率控制中分集合并研究

WiMAX上行链路采用功率控制提高系统容量和链路质量,在基于信号干扰噪声比(SINR)平衡准则的功率控制中,同道干扰和基站端天线合并算法对用于功率控制的SINR有重要影响. 首先构建了WiMAX同道干扰模型,根据该模型推导出功率控制中SINR的中断概率; 然后,针对基站端天线合并算法对SINR中断概率的影响,提出硬/软限幅合并算法. 仿真结果表明,提出的合并算法能够有效抑制同道干扰,降低功率控制中SINR的中断概率,改善WiMAX上行功率控制性能.     

基于短时平均幅度差函数的带噪语音端点检测算法

传统的基于自相关函数的端点检测算法有两个方面的问题,一是计算量大,二是要进行语音信号基音周期的提取.提出了一种改进的方法,用短时平均幅度差函数代替自相关函数,节约了计算量;利用浊音与噪声平均幅度差函数的区别省去了基音周期的计算,同时也避免了误差带来的问题.传统算法与改进算法的仿真比较表明,改进算法的检测曲线噪声容限大,所以在低信噪比下也表现出了较强的稳定性.     

机械故障诊断的稀疏特征提取方法

针对旋转机械的周期性稀疏故障特征提取问题,提出了一种周期重叠簇稀疏信号优化特征提取算法．该算法根据机械故障诊断周期性特征提取问题构造了有效的稀疏优化目标函数,该目标函数中的正则项(惩罚函数)选用非凸惩罚函数来增强周期性特征的稀疏性,并且证明了非凸可控化参数在一定约束条件下可以保证目标函数整体为凸．基于优控极小化方法求解所构造的优化问题,推导出高效的快速迭代收敛数值算法,该求解算法最终收敛于优化问题的全局最优解．将所研究的周期重叠簇稀疏信号优化特征提取算法应用于仿真信号,定量分析了其相对于对比算法的优越性．最后,将所研究的周期重叠簇稀疏信号优化特征提取算法应用于轴承故障特征提取中,结果表明,该算法其可以有效地提取稀疏微弱故障特征．     

时频聚集性分析的频谱感知方法

针对单载波和最小频移键控(MSK)调制的主用户信号,提出了一种基于时频聚集度分析的频谱感知算法.计算接收数据互相关函数的时频脊线,统计时频脊线点集的概率向量;利用信号能量在时频谱上的聚集性和信道噪声时频点的均匀分散性的特点,定义时频聚集度来评价时频点的聚集程度,并设定聚集度门限,用以判断主用户信号的存在性.仿真实验表明,该算法对一般信道和衰落信道都是有效的,并在较低信噪比下保持了良好的检测性能;在相同的噪声功率不确定度下,其虚警概率低于能量检测法.     

高斯噪声与窄带干扰同时抑制技术

为了抑制接收信号中的高斯噪声和窄带干扰,在进一步分析边带相关置换（SCR）算法的基础上,提出了一种新的高斯噪声和窄带干扰抑制算法——循环边带相关置换（CSCR）算法. CSCR算法将SCR思想引入循环谱相关理论中,利用循环谱相关可有效抑制高斯噪声的技术优势,在接收信号的谱相关密度函数中用相对于窄带干扰的边带对称值代替干扰值来重构期望信号,从而实现了高斯噪声和窄带干扰的同时抑制. 该算法对谱相关密度谱对称的调制方式均适用. 通过对2PSK信号的计算机仿真表明,循环边带相关置换算法可以有效抑制高斯噪声和窄带干扰.     

基于延时相关预处理的MUSIC算法

针对MUSIC算法的分辨力受信噪比、快拍数及阵元数等因素限制的问题,利用各阵元接收数据的延时相关函数重新构造协方差矩阵,提出了基于延时相关预处理的MUSIC算法.根据阵元间的延时相关函数与原阵列流型及信号延时相关函数的关系,推导了4个与原阵列流型相同（共轭）的延时相关函数矩阵,分别对各矩阵求协方差并按规则求和得到新的协方差矩阵,之后对协方差矩阵进行特征分解,根据信号子空间处理稳健性高和噪声子空间处理估计精度高的特点构造谱函数进行谱峰搜索,实现DOA估计.通过仿真实验验证了本文算法的可行性和有效性.     

自适应复数信号独立分量分析算法

针对强不相关变化算法不适用于谱系数相同的非圆信号的问题,提出了一种自适应复数独立分量分析算法.利用非圆信号的二阶统计量都不为零的特点构造代价函数,在复数域中直接优化代价函数,推导出一种针对非圆信号的自适应算法.该算法不仅对谱系数相同的非圆信号有效,而且适用于任意包含有非圆信号的统计独立的信源信号,不需要计算特征向量和奇异向量,算法的结构简单.实验仿真结果验证了算法的有效性.     

基于EEF准则的认知无线电宽带频谱感知

提出了基于指数嵌入族(EEF)准则的认知无线电宽带频谱感知算法. 在EEF准则宽带感知算法的基础上,充分考虑信号子空间和噪声子空间的性质,利用Gerschgorin酉变换改进EEF算法,提出了基于Gerschgorin EEF(GEEF)的宽带感知算法. 该方案主要是利用EEF准则或GEEF准则估算出授权频带中被主用户占用子带集合的势,从而完成宽带授权频段上空闲频带的感知,以便于被次级用户动态接入. 理论推导和仿真结果表明,所提出的方案无须知晓任何有关噪声功率和主用户信号的先验信息,对噪声功率的不确定性具有鲁棒性.     

循环谱理论在MSK扩频信号检测与识别中的应用

研究了扩频信号的周期平稳特性及其谱相关密度函数;在推导出MSK扩频信号的谱相关密度函数基础上,提出了利用信号谱关密度函数对MSK扩频信号进行检测及参数识别的方法,并进行了仿真研究。     

MCKD-Teager能量算子结合LSTM的滚动轴承故障诊断

为解决滚动轴承故障时产生的信号具有强背景噪声而导致弱周期冲击特征难提取,以及在对轴承故障模式进行智能诊断时一般的诊断模型对故障振动信号的时序特征识别效果不强这两大问题,提出一种基于最大相关峭度解卷积(MCKD)、Teager能量算子和长短期记忆网络(LSTM)的故障诊断方法。使用MCKD算法对滚动轴承振动信号进行降噪处理,提取出信号中被噪声掩盖的周期冲击特征,并利用Teager能量算子检测信号的瞬态冲击,得到Teager能量序列;将结果分为训练集和测试集,将训练集输入到建立的LSTM故障诊断模型中进行学习,不断更新网络参数并提取出时间维度的特征信息;将训练好参数的LSTM模型应用于测试集,输出故障诊断结果。实验结果表明,提出的方法以端到端模式可以一次性诊断多种类型、尺寸的故障,具有很高的识别精度,是一种可以有效利用强背景噪声信号中时序特征的故障诊断方法。     

高阶混沌振子的微弱信号频率检测新方法

采用高阶Rossler混沌振子及比例微分控制方法相结合,将含有待检信号的Rossler混沌振子从混沌态控制到周期态,然后利用谱分析的方法检测待检信号的频率.该方法突破了以往Duffing方程检测信号频率需要使用较多振子的局限,利用比例微分控制理论将Rossler系统控制到稳定的周期态,从而提取待检信号的频率,较大提高了检测精度和检测稳定性.通过数值仿真,验证了该方法的有效性.     

基于小波系数统计的非高斯噪声背景下语音流检测

在实际生活中,非高斯噪声很普遍,对信号的影响也很大,是语音信号处理中的难题.大部分强噪声信号都是非高斯的,在强噪声背景下,由于语音信号受到较大的干扰,甚至被噪声淹没,传统的基于短时的能量、过零率、相关以及平均幅度差等检测算法效果都不理想.根据小波变换的特性和语音时域信号的分布特征,提出了一种非高斯噪声背景下语音流检测算法.对含噪语音进行小波分解,观察各层小波系数的统计特征,提取它们的不同特征,从而进行了语音流检测.大量实验表明该算法具有较高的检出率和较低的误检率,可以消除噪声的影响实时处理语音信号.该算法有一定的创新性,在处理非高斯噪音方面很有实用性.     

一种精确测量周期信号参数的窗口和内插算法

提出了一种基于离散傅里叶变换的改进的周期信号参数的测量算法。该算法通过对时域信号加合适的窗函数,并在频域采用相应的内插算法,可以有效地减小测量过程中信号的频谱泄漏,得到精确的测量结果。仿真实验通过与已有算法的比较证明了该方法的有效性和先进性;噪声分析实验证明了该方法的稳定性。     

经验模式分解域自适应滤波方法

为了利用经验模式分解法提取信号边缘信息,提出一种基于经验模式分解的自适应滤波方法,并给出了噪声功率阈值的两种选取方法．该滤波方法首先对信号进行经验模式分解; 其次对相邻尺度上残差分量一阶导数信号进行空间相关性计算,并对归一化空间相关函数与残差分量一阶导数进行逐点比较,实现对残差分量一阶导数的滤波; 最后根据噪声功率阈值判断自适应滤波过程是否结束．仿真实验结果显示,本方法可以准确提取信号边缘信息,同时抑制噪声信号．     

同步叠加平均算法抑制噪声的Labview实现

在光纤传感系统中,微弱的信号经常淹没在噪声中。为了很好地实现对光纤传感系统中小信号的检测,必须对光纤传感系统中的噪声进行消噪处理。实验中采用了同步叠加平均消噪法。论文对同步叠加平均消噪方法进行了系统的研究。首先用LabView对叠加平均算法进行了仿真,其次通过对采集卡编程实现了信号采集,并用此方法实现了对带噪信号的消噪处理,最后对实验结果进行了分析。实验结果证明了此方法具有实用价值。     

Nonparametric VSS-APA based on precise background noise power estimate

The adaptive algorithm used for echo cancellation(EC) system needs to provide 1) low misadjustment and 2) high convergence rate. The affine projection algorithm(APA) is a better alternative than normalized least mean square(NLMS) algorithm in EC applications where the input signal is highly correlated. Since the APA with a constant step-size has to make compromise between the performance criteria 1) and 2), a variable step-size APA(VSS-APA) provides a more reliable solution. A nonparametric VSS-APA(NPVSS-APA) is proposed by recovering the background noise within the error signal instead of cancelling the a posteriori errors. The most problematic term of its variable step-size formula is the value of background noise power(BNP). The power difference between the desired signal and output signal, which equals the power of error signal statistically, has been considered the BNP estimate in a rough manner. Considering that the error signal consists of background noise and misalignment noise, a precise BNP estimate is achieved by multiplying the rough estimate with a corrective factor. After the analysis on the power ratio of misalignment noise to background noise of APA, the corrective factor is formulated depending on the projection order and the latest value of variable step-size. The new algorithm which does not require any a priori knowledge of EC environment has the advantage of easier controllability in practical application. The simulation results in the EC context indicate the accuracy of the proposed BNP estimate and the more effective behavior of the proposed algorithm compared with other versions of APA class.     

基于压缩采样的宽带跳频信号盲检测算法

为了在非协作情况下,达到对宽带跳频信号进行实时检测的目的,提出一种基于压缩采样值数字特征的盲检测算法.首先分析了不同先验假设条件下压缩采样值的期望和方差,然后讨论了利用这些不同数字特征对高斯白噪声中的跳频信号进行检测的方法.仿真结果显示,该算法能在Eb/N0大于8dB时对高斯白噪声中的跳频信号进行有效的检测.该算法相对于传统基于奈奎斯特采样值的检测算法,运算复杂度低,实时性较好.     

基于DTW 和EMD的孤立词语音识别研究

针对语音识别过程中环境噪声干扰大的问题,提出一种基于经验模态分解(EMD)与动态时间规整 (DTW)相结合的孤立词识别算法。该方法利用EMD 算法,首先将提取的性能不好的语音信号分解成若干个基本模函数(IMF),去掉原始信号中的干扰和噪声。然后,基于DTW 算法,采用短时过零率和短时能量对语音信号进行端点检测,提取语音特征参数后与参考模板进行匹配。将参考模板与待测模板之间的最短路径作为识别结果。仿真结果表明,该算法能够提高语音的识别效率和识别的正确率。     

基于差分和变换的电力电缆故障行波定位方法

针对电力电缆行波定位法中难以准确检测含噪行波的问题,提出了一种基于差分和变换的电缆故障行波定位方法。对故障行波进行前后向差分运算,得到行波差分和信号,无需对行波信号进行降噪处理;利用奇异值分解和自适应阈值量化处理以滤除行波差分和信号中的背景噪声,从而准确检测故障行波的奇异值时刻;采用两端测距法实现电缆故障的精确在线定位。最后通过仿真模型验证了所提方法的有效性和优越性。