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．     

基于相对判决准则的LFM信号Wigner-Hough变换检测方法研究

总结了基于Wigner-Hough变换的LFM信号检测方法,推导了加性高斯白噪声背景下的Wigner-Hough变换信噪比公式,在此基础上,提出了基于相对判决准则的Wigner-Hough变换检测方法,给出了相对判决量的计算公式。仿真结果表明,在信噪比较低时,该方法可有效抑制高斯白噪声,实现LFM信号的检测。     

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.     

混合高斯-指数噪声中水中目标信号的最佳检测

提出一种最佳检测器结构,应用于水中非高斯噪声背景下目标信号的检测。根据海洋环境噪声及水中目标辐射噪声信号特点,建立了海洋环境噪声模型,并研究了该模型下水中目标信号的最佳检测,通过仿真噪声数据以及实测海洋环境数据验证了检测性能。结果表明:文中设计的最佳检测器的性能优于传统的能量检测器,且检测性能的改善随着非高斯性的增强而更加明显。     

电子器件噪声高斯性和线性的定量分析方法

基于高阶统计量理论,采用双相干系数平方和对电子器件噪声进行了定量分析．通过分析非线性非高斯信号、线性非高斯信号、非线性高斯信号、线性高斯信号,给出噪声信号的线性与高斯性的定量判定标准．将这种分析方法用于实验测量的电子器件噪声信号分析,表明电子器件噪声中存在这4种类型的信号,并可以用该方法进行有效区分．研究结果为电子器件噪声非常规特性的分析提供了理论依据与定量判据．     

非高斯噪声中信号的神经网络检测

本文研究了非高斯噪声中信号的检测，采用多层感知器神经网络作为检测器。介绍了工作原理，网络结构和训练算法。计算机仿真证明在非高斯噪声条件下神经网络检测器性能优于线性最佳匹配滤波器检测器和局部最佳检测器。     

非高斯噪声中信号的神经网络检测

本文研究了非高斯噪声中信号的检测，采用多层感知器神经网络作为检测器。介绍了工作原理，网络结构和训练算法。计算机仿真证明在非高斯噪声条件下神经网络检测器性能优于线性最佳匹配滤波器检测器和局部最佳检测器。     

基于最大熵PDF估计的直扩系统伪码捕获结构

为了使直扩系统在未知非高斯噪声模型下准确地捕获微弱直扩信号,提出一种新的基于整数最大熵概率密度函数(probability density function,PDF)估计和局部最佳检测(locally optimal detection,LOD)相结合的相关前一维幅域处理捕获方式。通过蒙特卡洛数据仿真可以发现:在非高斯噪声的情况下,基于整数最大熵PDF估计的LOD检测器的检测性能要明显优于常规平方和(Square-Sum,SS)检测器,在信噪比为-25~0 dB时分别有2.0%~99.0%的改善。从根本上改变了常规SS检测器在非高斯噪声模型下性能急剧下降甚至无法工作的现象。     

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.     

一种改进的Power-Law检测器在突发信号检测中的应用

根据短时突发通信信号的特点,提出了一种改进的基于高阶谱的power-law检测器。该方法利用高斯噪声和通信信号的高阶统计量存在较大差异的特点,对传统power-law检测器进行了改进。仿真结果表明,基于高阶谱的power-law检测器对短时突发通信信号的检测效果优于传统的基于DFT的power-law检测器。     

互高阶累积量对离散系统辨识的应用原理

采用互高阶累积量（互四阶累积量）的一维对角切片为统计量，证明了互高阶累积量可以有效地抑制非相关噪声和高斯噪声，并在建立互高阶累积量的Ｙｕｌｅ－Ｗａｌｋｅｒ方程的基础上，对离散系统（ＡＲ过程）的结构进行了分析。结果表明，该方法具有良好的谱估计的分辨率和谱估计的稳定性。与其它方法比较，该方法抗干扰性更强，其信噪比工作辩 限更低，有很好的应用前景。     

基于Bootstrap-SVR-SOC的小子样结构机构可靠性分析方法

针对实际工程中小子样结构机构可靠性分析的问题,提出了Bootstrap-支持向量回归（SVR）-二阶累计量（SOC）方法框架和多阶矩虚拟样本容量扩充方法,增强了扩充后样本的客观性;将Bootstrap与SVR方法结合,构建出结构机构可靠性极限状态函数,并利用SOC方法计算可靠度指标.最后,应用摆动导杆机构的仿真算例验证了新方法的有效性.     

非圆信号的四阶累积量测向新方法

针对传统基于四阶累积量的非圆信号测向方法存在阵列扩展不充分或者有数据冗余等问题,利用四阶累积量的阵列扩展特性,提出了一种阵列充分扩展且无数据冗余的非圆信号测向新方法.根据信号的非圆特性,新方法充分利用了阵列接收数据及其共轭数据来构造四阶累积量矩阵,实现了阵列的充分扩展并且使扩展后的等效阵元数进一步增加;此外,通过巧妙地利用四阶累积量矩阵的结构特征,降低了算法的计算量.理论分析和实验仿真结果表明,所提方法具有计算量小、阵列扩展能力强以及分辨率高等优良性能.     

DS-CDMA系统基于高阶累积量的盲波束形成及DOA估计

依据DS-CDMA系统的扩频码和扰码特性,提出了一种新的基于高阶量的盲波束形成算法,然后根据得到的波束形成权值实时估计信号波达方向(DOA)。该方法充分利用了接收信号的高阶统计特性,在高斯有色噪声及非高斯噪声信道环境下具有良好的性能。另外,该算法不需要已知信道参数和训练序列等先验知识,收敛速度较快,适合在实际信道环境中的应用。     

利用高阶累积量判断晶体管的g-r噪声

在论证了晶体管低频噪声中的 g r噪声服从非高斯分布之后 ,提出了一种通过计算晶体管低频噪声的高阶累积量来判断是否含有 g r噪声的新方法 ,并通过实验验证了该方法的正确性。     

基于高阶统计量的红外焦平面非均匀校正算法

根据高斯噪声高于二阶累积量为零的特性,提出基于高阶统计量的红外焦平面非均匀校正算法,可从图像场景中自适应估计阵列单元的增益和偏置参数．提出的算法包含两个部分,第一部分利用统计矩和累积量周期估计红外焦平面的模型参数,第二部分利用维纳滤波恢复真实图像．仿真图像序列表明这种算法有效降低了固定图案噪声,达到了较高的非均匀校正水平．     

基于状态空间模型谐波恢复的Tls-Hankel法

将状态空间模型与互高阶累计量相结合,充分利用状态空间模型具有的灵活性、方便性,提出基于状态空间模型谐波恢复的互高阶累计量的Tls-Hankel矩阵分解法,为解决谐波恢复问题提供了一条新的思路。仿真结果表明,在混合色噪声和很低信噪比条件下,该方法在谱估计的分辨率、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。     

11/2维倒谱在滚动轴承故障诊断中的应用

从三阶累积量的概念出发,提出了1(1/2)维倒谱的概念,并从理论上推导出其能抑制噪声、提高信噪比.将其应用于实际的滚动轴承故障特征提取中,分析表明,与其他一般的信号处理方法相比1(1/2)维倒谱能有效地从复杂的信号成分中提取出特征信号来,且计算量小、精度高.     

Novel recognition method for digital modulation signals with Alpha stable noise

The traditional methods for digital modulation signals recognition with Alpha stable distribution noise have the problem of poor performance. In this paper, a novel recognition method for digital modulation signals based on the generalized cumulant and generalized instantaneous phase is proposed to solve this problem. This method extracts the characteristic parameters which are the generalized cumulant and maximum of normalization and center generalized instantaneous phase spectral density based on fractional Fourier transform. And then the minimum mean square error classifier and the threshold are used to achieve modulation recognition of digital modulation signals with Alpha stable distribution noise. Simulation results show that the proposed method has not only better performance but also lower computation complexity than the traditional recognition methods in an Alpha stable distribution noise environment.     

一种累积量线性预测方位估计的快速算法

提出了一种基于四阶累积量的线性预测方位估计快速算法。通过对累积量线性预测基本方法进行变换,得到了基本方程系数矩阵的Toeplitz结构,并用Levinson-Durbin算法求解方程,减少了运算量。在线性预测方程中,使用了四阶累积量,有效地抑制了高斯噪声。计算机仿真结果表明了这种方法的有效性。