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。     

一种基于非线性变换的EP潜伏期变化自适应检测方法

该文依据分数低阶矩理论和诱发电位（EP）信号及噪声的低阶α稳定分布特性，提出了一种自适应检测EP潜伏期变化的新方法。这种方法基于sigmoid函数对误差信号en(k)进行连续的非线性变换，即抑制了EP信号中的低阶α稳定分布噪声，又有效保留了信号成分，在高斯和低阶α稳定分布噪声条件下具有很好的韧性，且无须动态估计信号噪声的α参数。利用这种方法动态检测EP潜伏期的变化，比以往的DLMS，DLMP和SDA等算法具有较高的估计精度和较快的收敛速度，是一种具有较高韧性的性能优良的EP潜伏期变化动态检测方法。     

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。     

α 稳定分布噪声下基于核方法的非线性信道均衡算法

为了提高α稳定分布噪声下非线性信道均衡器的性能,本文利用核方法处理非线性问题,结合最小平均p范数算法的核心思想,构造了α稳定分布噪声下基于核方法的非线性均衡器,提出并推导了α稳定分布噪声下核最小平均p范数均衡算法。首先,通过核函数将接收信号映射到高维特征空间;然后,在高维特征空间中利用LMP算法对信号进行均衡;最后,将均衡器的输出信号表示为内积形式并利用核函数将其转化到输入空间进行计算。理论分析和仿真实验结果表明,与核最小均方算法和最小平均p范数算法相比,新算法在保证收敛速度的前提下降低了稳态误差,能够更好地对α稳定分布噪声下的非线性信道失真进行补偿。      

基于分数低阶协方差的AR SαS模型α谱估计

根据自回归(AR) SαS模型的α谱,分析了基于分数低阶矩(FLOM)法估计AR SαS模型参数的不足.提出了一种基于分数低阶协方差(FLOC)的AR SαS模型参数估计方法,并给出了基于FLOC的AR SαS模型α谱方法.分别对AR SαS模型参数的估计、α稳定分布噪声中单一正弦信号的估计和两个正弦信号的分辨进行了仿真.仿真结果表明,基于FLOC的AR SαS模型α谱估计方法对于不同的α值均具有较好的韧性.特别是在α值较小,即α稳定分布噪声概率密度函数(PDF)拖尾比较严重时,本文所提出的基于FLOC的AR SαS模型α谱估计方法,其性能明显优于基于FLOM的AR SαS模型α谱估计方法.     

稳定分布多项式自回归有色噪声及其白化方法

本文提出了一种稳定分布白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,提出了一种非线性系统中稳定有色的噪声概念并建立其非线性PAR模型,提出EIRLP算法对多项式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.计算机模拟表明,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白化滤波方法.     

基于SαSG分布噪声模型的自适应混合矩滤波方法

α-稳定分布可以更好地描述实际应用中所遇到的具有显著脉冲特性的随机信号和噪声.与其他统计模型不同,α-稳定分布没有统一闭式的概率密度函数,其二阶及二阶以上统计量均不存在.针对系统中存在独立SαS噪声与高斯噪声,基于SαSG分布模型,提出了一种稳定分布与高斯混合噪声环境下的自适应混合矩滤波的修正RMN（混合参数）算法,并对算法进行了步长归一化改进.计算机模拟和分析表明,这种算法是一种在SαSG分布背景噪声条件下具有良好韧性的滤波方法.     

一种抑制符号速率估计背景色噪声的非线性滤波算法

数字调制信号符号速率估计的依据是循环平稳理论,由于信号的符号速率就是其基本循环频率,因此可以通过提取信号非线性变换(例如循环自相关函数)的循环频率获知符号速率.但是,非线性变换不仅能产生对应于符号速率的正弦分量及其各次谐波,还会将信号自身转变成不利于谱线提取的连续有色噪声(其能量主要分布在低频部分).当观察数据长度有限时,自噪声对谱线提取的影响尤其明显.本文深入研究了数字调制信号非线性变换的频域特征,充分利用离散频率分量不同于连续噪声而在其邻域内突起的显著特点,提出一种能够有效抑制背景色噪声的非线性滤波算法.文中详尽的Monte Carlo仿真验证了算法的有效性.     

对称α稳定分布噪声环境下短波衰落信号时延估计的新算法

脉冲噪声环境下信号时延估计是信号处理领域十分活跃的研究方向。在对称α稳定分布噪声环境下,文章提出了一种基于非线性压缩核函数（NCCF）的短波衰落信号的时延估计算法。该算法采用非线性压缩核函数抑制了对称α稳定分布噪声的脉冲拖尾,同时较好保持了目标信号之间的互相关特性,从而保证了信号时延估计的准确性。同以往算法相比,本算法不仅降低了计算复杂度,而且对于衰落信号的时延估计具有更强的稳定性。理论证明和仿真结果均表明,该算法比GCC、FLOC、GCF和非线性变换等算法具有更好的时延估计有效性和准确度。      

复杂噪声中谐波信号恢复的小波方法

本文主要研究了复杂噪声背景中的谐波信号的恢复问题.对于被乘性和加性噪声污染的谐波信号,且乘性噪声均值为零时,现有的循环统计量方法是基于FFT实现的,但其频率分辨率不高.本文利用小波在时频分析中精细和灵活的特点,提出了基于小波变换的谐波信号参数估计方法,并通过仿真实验对所提方法的性能进行了验证.     

基于谐波提取的欠定语音盲分离方法

现有的欠定语音信号盲分离算法往往不能同时兼顾分离性能及效率。针对此问题,本文提出一种基于谐波提取的欠定盲分离方法。首先,利用频谱校正从混合信号的短时傅立叶变换中提取谐波参数,其次利用相位一致性准则甄别这些参数的单源属性,进而用自适应K-均值方法对单源模式做聚类而获得源数估计和混合矩阵估计,最后再用子空间投影法恢复源信号。其中谐波提取和单源参数筛选可保证低复杂度地精确估计出混合矩阵。仿真实验表明,相比于原始子空间投影算法,本文方法可获得更高的信号恢复质量,且在谐波相关领域也具有潜在应用价值。      

基于子空间旋转不变性的加性有色噪声中谐波频率的估计

噪声中的谐波恢复问题是信号处理领域的一个典型问题,在众多领域中有着广泛的应用。本文主要研究加性有色噪声中谐波频率的估计问题,提出了一种基于子空间旋转不变性的谐波频率的高分辨率估计方法。利用观测信号的自协方差函数构造了一个协方差矩阵,通过对协方差矩阵的特征值进行理论分析,结合子空间旋转不变性,得到了加性有色噪声中谐波的频率和协方差矩阵之间的一种内在联系。利用这个性质可以估计加性有色噪声中谐波的频率。本文方法对于有色噪声的模型无任何假设,而且对于噪声的分布也没有限制,对于高斯和非高斯有色噪声都适用。仿真实验验证了本文所提算法的有效性。      

基于Alpha稳定分布噪声模型的Rao统计检测

Alpha稳定分布是一种具有广泛应用范围的噪声分布模型.为此,本文提出了一种基于Alpha稳定分布噪声模型的Rao统计检测方法,导出了Alpha稳定分布噪声条件下正弦信号的Rao检测统计量.通过仿真给出了不同特征指数α时Rao检测的检测性能,并与基于高斯假设的Rao检测进行了比较.仿真结果表明,这种Pao检测器在Alpha稳定分布噪声条件下对微弱信号具有较好的检测性能,明显优于基于高斯假设下的Rao检测.     

无限方差噪声环境下的分数低阶空间时频盲源分离

对脉冲噪声α稳定分布环境下的时频分布进行了研究,改进了适合α稳定分布信号或强脉冲噪声环境的分数低阶时频分布方法,用分数低阶空间时频矩阵代替空间时频矩阵,基于时频盲分离算法提出了一种改进的分数低阶空间时频盲源分离算法,并归纳了算法步骤。通过对FLO-TF-UBSS算法和已有的TF-UBSS算法及MD-BSS算法进行详细比较,仿真结果表明,所提出的FLO-TF-UBSS算法有效的降低了信号的均方误差（MSE）,能较好的对α稳定分布噪声环境下的非平稳信号进行盲分离,并实现了对实际的稳定分布舰船信号的盲提取,性能优于已有TF-UBSS算法和MD-BSS算法,且具有一定的韧性。      

基于广义协方差矩阵的乘性和加性噪声中的谐波恢复

针对非零均值乘性噪声中的谐波恢复问题,本文提出一种基于广义协方差矩阵的乘性噪声中谐波个数和频率的估计方法。首先定义一类广义协方差并构造广义协方差矩阵,通过对广义协方差矩阵进行特征值理论分析,得到了非零均值乘性噪声中谐波分量个数与协方差矩阵特征值之间的内在联系,这个性质可以用来估计谐波分量个数。而且利用子空间旋转不变性技术,可以从协方差矩阵中估计出谐波的频率。本文所提方法对于乘性和加性噪声的颜色和分布均无任何假设,可以应用于任意分布和任意颜色的乘性和加性噪声中的谐波恢复。仿真实验表明,本文所提谐波恢复方法具有很高的频率分辨率。      

脉冲噪声中基于指数函数的可变拖尾非线性变换设计

针对脉冲噪声中的信号检测问题,该文提出一种基于指数函数的非线性变换函数设计与优化方法。该方法利用指数函数衰减速度可调的优点,适用于脉冲噪声的各种分布模型。通过引入效能函数,将非线性函数设计问题转化为以效能最大化为目标的阈值与底数参数优化问题。由于效能是关于待优化参数的连续可导且单峰函数,该优化问题可采用数值优化方法如单纯形法快速稳健地求解。性能分析表明,针对脉冲噪声常用的对称α稳定分布、Class A分布和高斯混合分布,该文方法均能取得基本最优检测性能,基于实测大气噪声仿真的通信误码率也明显优于传统的削波器和置零器。因此,该文为各种分布的脉冲噪声提供了一个统一的最优抑制解决方法。     

超分辨方法在多普勒波束锐化中的应用

Relax超分辨算法基于信号和噪声参数化模型的谐波恢复方法,具有比傅里叶变换更高的分辨率。本文讨论了Relax超分辨方法,并把它应用于实测数据多普勒波束锐化(DBS)成像中;提出了一种基于Relax超分辨算法的目标特征提取方法。实验表明Relax超分辨算法比传统的基于傅里叶变换的多普勒波束锐化(DBS)方法具有较好的效果．     

复杂噪声环境下基于LVD的LFM信号参数估计

针对传统的线性调频(LFM)信号参数估计方法平滑交叉项时,会出现参数估计精度降低和计算复杂度增加等问题,该文引入LVD(LVs Distribution)方法,该方法可以在参数空间直接显示中心频率和调频斜率(CFCR)。LVD首先对对称参数瞬时自相关函数(PSIAF)进行尺度变换,消除信号在时间轴上的线性频率偏移,然后对尺度变换后的时间变量作2维傅里叶变换,将1维LFM信号转化为2维单频信号。信号各分量在LVD平面表现为多个独立尖峰,使交叉项的能量聚集影响可忽略不计,且信号各峰值所在位置对应于各信号分量的中心频率和调频斜率。LVD可有效抑制高斯噪声,但在脉冲性较强的稳定分布噪声中,该方法在CFCR域的性能退化甚至失效。对此,该文结合分数低阶统计量理论,提出一种稳定分布噪声环境下的分数低阶LVD新方法。仿真实验表明该方法在高斯噪声和脉冲噪声环境下均可稳定工作,具有较好的鲁棒性。     

基于ICA的谐波恢复方法

加性有色高斯或非高斯噪声中谐波恢复是信号处理中的一个常见问题,本文利用独立成分分析(ICA)来研究加性噪声中实谐波信号的恢复问题.首先建立了谐波信号的ICA数学模型,分析了谐波恢复可以由ICA方法实现的数学原理,然后提出了噪声中谐波恢复的ICA方法,最后通过仿真实验说明了基于ICA的谐波恢复算法的有效性.     

脉冲噪声环境下的SCOT加权时间延迟估计新方法

针对平滑相干变换(SCOT)加权广义相关时间延迟估计方法在脉冲噪声环境下的退化现象,依据分数低阶α稳定分布噪声的尖峰脉冲特性和分数低阶统计量理论,提出了基于分数低阶协方差的SCOT加权时间延迟估计方法,并进一步提出了不依赖于分数低阶α稳定分布噪声参数估计的基于非线性变换(Sigmoid变换和反正切变换)的SCOT加权时间延迟估计方法。理论分析和计算机仿真结果表明,新方法在高斯和非高斯脉冲噪声环境下都具有良好的顽健性。