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。     

基于高阶统计量的非高斯噪声中的信号检测方法研究

信号检测方法是信号处理的一个重要研究方向,以前的信号检测方法多是基于高斯噪声的讨论,对非高斯噪声中的信号检测较少,本文针对未知协方差非高斯噪声中的确知信号的检测,提出一种基于高阶累积量的检测方法,并且论述了广义匹配滤波器的设计及相关接收检测原理,最后进行了计算机仿真并给出了仿真对比实验结果。     

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。     

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。     

单稳态系统应用于加性高斯白噪声信号检测

在加性高斯白噪声信号检测中,在采样周期极小或接近理想的情况下,连有匹配滤波器的检测电路是最佳的。如果匹配滤波器的采样周期没有达到理想情况,则在它之前连一个双稳势的非线性系统,然后选择合适的参数使此系统始终处于单稳态,再对二进制或多进制码元信号进行检测,即使采样周期变化程度较大,检测性能也会得到显著的改善。另外还导出了单稳态系统性能的理论公式。     

非独立有色高斯噪声中多重信号的最佳检测

本文研究了在非独立有色高斯噪声中,K 重确知信号的最佳检测问题.指出最佳检测器仍由 K 重相关器(或匹配滤波器)组成,但其 K 个本地参考信号,不再是由求解 K 个独立的积分方程解出,而是由求解一 K 元联立积分方程组解出.     

基于小波变换的舰船辐射噪声检测

分析了舰船辐射噪声（简称舰船噪声）与1／f信号的关系，提出了一种基于小波变换的信号检测方法，对白噪声背景下的舰船辐射噪声进行了检测；推导了相应的检测统计量及其统计分布特性，并与传统的匹配滤波器、能量检测器进行了比较，计算机仿真结果证明了本方法是有效的，在较低的信噪比下得到较好的检测效果。     

相干雷达极化自适应匹配滤波器

提出了高斯杂波背景下相干雷达极化自适应匹配滤波器的结构．将先前的单通道和双通道自适应匹配滤波器推广至一般极化接收通道情况,利用雷达回波的极化信息来提高检测性能．推导出了虚警概率表达式．研究结果表明,多极化通道自适应匹配滤波器相对于杂波协方差矩阵有恒虚警的性质．仿真分析了不同极化状态时的检测性能．     

基于分数低阶归一化匹配滤波的目标检测方法

在非高斯相关杂波背景下,基于归一化匹配滤波检测方法的性能随着非高斯特性增强而下降.为消除非高斯性的影响,提出一种基于分数低阶归一化匹配滤波的雷达目标检测方法.首先对观测数据进行分数低阶幂运算处理,然后基于杂波分数低阶统计量给出了检测模型,该模型的杂波散斑分量协方差矩阵通过对杂波分数低阶协方差矩阵进行归一化而得到.仿真结果表明,在非高斯杂波背景下该方法的检测性能优于归一化匹配滤波方法及传统MTD方法.     

一种新的非高斯分布噪声下的小波去噪方法

经典的小波阈值去噪方法在非高斯噪声下往往完全失效,对此提出了一种新的自适应小波信号去噪法.该方法利用最新发展的分位耦合理论,通过建立等价模型,在实施小波变换前将未知噪声信号转换为高斯噪声信号,然后再使用传统小波方法去噪.蒙特卡洛模拟试验结果显示,该方法在非高斯噪声下能极大提高信号去噪效果.     

基于STFT和三阶累积量的直扩信号检测法

该文利用直扩信号短时傅里叶谱的周期性,提出了基于短时傅里叶变换的直扩信号检测方法--周期脉冲的周期方差门限搜索法,并提出利用三阶累积量滤波器和非相干积累方法以进一步改进检测性能.该方法并未利用接收信号的载频、扩频码等任何先验信息,是无码检测.实验表明,这种检测法对加性高斯白噪声中直扩信号的检测是非常有效的.     

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.     

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．     

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。     

贝叶斯雷达自适应检测算法研究

针对未知谱密度高斯杂波环境下的目标检测问题,假定噪声协方差矩阵是随机变量,并且服从逆Wishart分布．通过求解噪声协方差矩阵的最大后验估计,推导出基于贝叶斯方法的Rao和Wald准则检测器,提高了非均匀杂波环境下的雷达目标自适应检测性能．检测器的设计过程中除了利用观测样本提供的信息,还融合了关于噪声协方差矩阵的先验知识,且融入程度可通过标量参数调节．仿真实验表明,小样本情况下贝叶斯Rao和Wald准则检测器的检测性能优于传统的非贝叶斯检测器．     

循环平稳理论对非协作通信信号的检测和参数估计技术研究（2）：性能评估

本文是第一部分的继续，在循环平稳理论的基础上，对通信中常见的ASK、PSK信号的循环谱进行了详细的分析，对其在高斯白噪声和时变高斯白噪声背景下的检测性能进行了仿真评估，并给出了参数估计步骤及估计样本曲线。仿真结果表明，应用该方法进行信号检测和参数估计具有很好的性能优势和广阔的工程应用前景。     

全数字锁相环接入滤波器时的性能

本文讨论的全数字锁相环包括过零检测器和环路滤波器。用随机徘徊模型分析高斯噪声条件下的环路性能,环路的部分性能因滤波器而得到明显改善。文中的一些曲线可供设计电路时参考。     

非高斯平稳有界噪声激励下混沌系统动力学研究

为解决信号检测理论在通讯、雷达、声纳、故障诊断等领域应用受限的问题,提出了随机Melnikov方法研究非线性系统在微弱周期信号和噪声信号联合摄动下的混沌运动行为,得到了微弱周期信号和非高斯平稳有界噪声信号联合摄动下的混沌运动特征。混沌的临界幅值与噪声强度的关系表明,在不强的非高斯平稳有界噪声背景下,有界噪声增大了激励阈值,混沌现象不容易产生。     

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．