非高斯噪声中信号的神经网络检测

了非主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主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的局部最佳检测器。     

非高斯非平稳背景噪声中的信号检测研究

非高斯非平稳噪声的干扰问题在通信过程中是经常出现的。在非高斯非平稳背景噪声下,以前经常使用经典信号检测理论对信号进行检测,很难取得较为理想的效果。基于小波变换以及小波去噪原理,提出一种新的阈值处理方法,该方法能有效地去除噪声,使有用信号能从非高斯非平稳噪声中检测出来。实验结果表明,新方法不但去噪效果明显,而且获得了较高的分辨率和信噪比,检测性能较为理想,是对信号检测理论的一种有效推广。     

双模非高斯噪声背景下级联双稳态随机共振信号检测

针对随机共振(SR)以高斯噪声为研究背景的局限性,为了分析非高斯噪声对级联随机共振的影响且验证在双模非高斯噪声中级联随机共振的降噪及波形整形特性的可靠性,提出了级联双稳随机共振系统在双模非高斯情况下的微弱信号检测方法。输入信号在进行信号检测过程中,首先把概率密度函数作为随机共振现象的衡量指标,然后当系统处于最佳随机共振状态时,分析了非高斯参数、相关时间及噪声强度之间的关系。最后通过仿真证实,与一级SR相比,二级SR的噪声强度和相关时间的可用范围随着非高斯参数的减少不仅会得到增大,而且滤波特性、信号检测效果得到明显提高。     

基于小波包变换的非高斯噪声信号结构分析

该文利用小波包变换的时频局部分析能力,研究了非高斯分布平稳随机噪声的统计特性,揭示了 非高斯噪声信号的信号结构。在此基础上,将经典最优检测器的结论推广到背景噪声为非高斯分布的情况, 提出了一种基于小波包变换的非高斯噪声下的信号检测方法。仿真实验验证了该方法是正确的。     

非高斯背景下基于Sigmoid函数的信号检测

针对非高斯背景下的弱信号检测问题,该文提出一种基于Sigmoid函数的信号检测(SFD)方法。首先依据混合高斯模型对非高斯背景建模,在此基础上系统研究了参数k与SFD的检测性能以及检测特性的关系,确定了k的最佳的取值,并指出SFD在检测性能达到最优的同时也具有恒虚警特性。其次通过固定k值得到了一种新的非参量检测方法,较传统的匹配滤波性能有明显提升。最后进行仿真分析验证了SFD的有效性和优越性。     

非高斯噪声下的信号检测算法与性能分析

为改善非高斯背景噪声下的信号检测性能,提出了采用非线性阈值系统的信号检测算法.该算法首先利用阈值系统对接收信号进行预处理,其次采用最小平均错误概率准则对预处理后的信号进行检测,最后推导了所提检测算法的误码率解析表达式并给出仿真验证.理论分析和仿真结果表明:在高斯背景噪声下,线性最佳检测算法的检测性能优于所提检测算法;在非高斯背景噪声下,所提检测算法的检测性能较线性最佳检测算法有显著提升.     

一种非高斯噪声中未知参数的信号的检测方法

研究了非高斯噪声中具有未知参数的信号的渐进最优检测，应用非高斯噪声中线性模型信号以及随机信号的Rao检验，导出了Rao检测的解析式，并与广义似然比检验的性能做比较。仿真结果表明，该检测器性能大大优于传统的能量检测器和高斯噪声假设下的广义似然比检测器。     

水声信号的非高斯特性分析与检测方法的研究

本文研究了海洋环境噪声和船舶噪声的高斯性,通过实验研究发现,纯净的海洋环境噪声(夜晚无行船时)呈现出高斯性,反之是非高斯;船舶噪声是服从非高斯的,另外无论海洋环境噪声,还是船舶噪声,在相等样本长度下,在不同频段的高斯性上也有差异,分析频段越低,统计量越大,反之统计量越小.基于高阶累积量T2在船舶由远及近的过程中的变化规律,研究了非高斯背景下非高斯信号的一种检测方法,即在海洋环境噪声下检测船舶噪声的方法.通过实船实验得到了满意的结果.     

基于小波包变换的双模噪声中信号的检测

以一类非高斯噪声———双模噪声为背景噪声,利用小波包变换良好的时频分析能力,对双模噪声的统计特性进行了研究,在此基础上,将经典最优检测器的结论推广到背景噪声为双模噪声的情况,提出了基于小波包变换的双模噪声中信号的检测方法。他是对传统的双模噪声中信号处理的完善与补充,仿真结果表明,该方法要明显优于经典检测。     

高斯白噪声中单频复正弦信号频率估计

本文提出了一种在加性复高斯白噪声中对单频复正弦信号频率的估计方法。该方法是基于利用自相关系数对Kay的方法和扩展。它从自相关系数的相位差的最佳线性组合中提取频率值。相对于Kay的方法，自相关系数中相位差信息的信噪比提高了。新的估计方法的方差具有更低的输入信噪经阈值，而保持了Kay的方法的无偏性和频率估计范围。我们给出了新方法的均方误差分析及其数值结果。该方差分析适用于中等以上的信噪比或大样本长度的情况。给出了估计其估计方差输入信噪比阈值的近似公式，该公式得出的阈值与样本长度大于24的模拟结果相当接近。     

高斯混合噪声中弱信号的Rao检测方法

期望最大化(Expectation Maximization,EM)算法是求解参数最大似然估计(MLE)的最优迭代算法,但若参数初始化不恰当,会使估计值落入"初值陷阱",导致错误的参数估计值.为此,本文提出了估计高斯混合噪声参数的矩 - EM算法,即先求参数的矩估计,并用矩估计值初始化参数,再通过EM迭代算法估计参数.在此基础上,经高斯化滤波,导出了高斯混合噪声背景下未知幅度弱信号的Rao检验统计量.仿真结果表明,矩 - EM算法可以更准确地估计噪声参数;基于矩 - EM算法的Rao检测性能优于基于EM算法的Rao检测性能.     

类高斯噪声中的二次抽样序贯检测技术

本文提出一种新的Robust序贯检测技术——二次抽样检测技术。给出性能分析和最佳参量设计方法,进行了计算机模拟实验。结果表明,二次抽样法是一种简便有效的检测方法。     

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。     

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.     

一类高斯色噪声信号的谱特性与生成

仿真无线时变信道的衰落特性常常需要具有一定功率谱形状的色高斯噪声信号。本文推导了无线信道快衰落特性的功率谱及其受限功率谱,分析了宽带高斯过程的谱特性和时间相关性,同时考察了具有高斯功率谱形状的信道阴影慢衰落的特性。通过有限正弦信号叠加近似生成了宽带色高斯噪声信号,确定了正弦分量的多普勒频率和多普勒系数。     

相关噪声中随机信号的Robust检测

本文重点讨论了在平稳ｍ相依噪声中弱随机信号的最佳无记忆Ｒｏｂｕｓｔ检测问题；并且以渐近功效函数为测度准则得到了最大最小无记忆非线性Ｒｏｂｕｓｔ检测器。     

非高斯ARMA噪声中谐波恢复的杂交ESPRIT方法

本文研究非高斯ＡＲＭＡ噪声中的谐波恢复问题，提出了一种基于二阶和三阶统计量的杂交ＥＳＰＲＩＴ方法，该方法先估计噪声过程的ＡＲ部分参数，然后对观测值进行预滤波，最后估计谐波信号参量。模拟实验还验证了该方法的有效性和高分辨率。     

有色噪声中的信号检测

本文的建模方法用于在有色噪声中检测随机信号。接收序列用回归/自回归时间序列为模型,用假设检验方法确定所希望的信号存在与否,这一检验的基础是用似然函数构造一个 F—统计量,这个统计量和雷达信号处理中需要计算的虚警率不难联系起来。文章给出了根据模拟数据与实际雷达数据得出的结果。