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。     

基于小波变换的内燃机瞬时转速信号的分析

使用非线性离散序列的小波变换(DTWT)对同时存在高频噪声和高斯白噪声的内燃机瞬时转速信号进行去噪．通过对此信号进行频谱分布的分析，用Donoho的阈值去噪法去除高斯白噪声之后，根据小波变换的多分辨率思想，提出了仅使用小波变换的尺度系数进行小波反变换来去除高频噪声，然后运用小波反变换来恢复内燃机瞬时转速信号的方法．实验结果表明，此方法能够较精确的去除噪声，恢复内燃机瞬时转速信号．     

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．     

基于支持向量机的非线性多用户检测

基于支持向量机的非线性多用户检测器具有利用较少训练数据检测CDMA通信系统信号、性能稳定的优点。由于通信系统中的多径干扰和信道的非线性,尤其在非高斯噪声的环境下,线性的检测器已经不再适用。本文将支持向量机应用于非线性多用户检测中,从仿真结果来看,基于支持向量机的非线性多用户检测性能接近于最佳检测器且优于线性检测器。     

噪声自适应抑制技术在大坝安全监测数据处理中的应用

利用传感器监测大坝安全特征量从而实时掌握大坝安全状况是目前较为常见的安全监控手段。噪声干扰是传感器数据输出的重要问题,严重影响建模分析的精度。针对传统线性滤波的不足,提出了基于RBF神经网络的非线性神经网络滤波器,该模型克服了传统线性滤波对非高斯噪声处理时的缺点,且不需要关于输入信号和噪声的先验知识,非线性映射能力强。采用自适应噪声抵消基本原理,构造RBF神经网络自适应滤波器,然后针对该系统建立Simulink仿真模型。该技术应用在大坝监测数据处理中,取得了良好的效果。     

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。     

图像去噪滤波方法的对比研究

去噪是图像预处理的关键,线性滤波器和非线性滤波器都可以对图像进行滤波操作。选取线性滤波器中的高斯滤波与非线性滤波器中的中值滤波和引导滤波对被椒盐噪声和高斯噪声污染的双排线束图像进行去噪操作,通过主观视觉观测和客观指标两个方面来衡量3种滤波方法的去噪效果并进行对比研究。结果表明:中值滤波去椒盐噪声的效果最好;引导滤波去高斯噪声的效果最好;当同时存在椒盐、高斯混合噪声时,中值滤波和引导滤波都能收获较好的滤波效果,但是引导滤波处理后的输出图像与原始图像的结构相似性更高。     

冲激噪声环境中LFM信号的特征参数估计

SαS稳定分布是一类非常重要的非高斯随机分布,具有这类分布的噪声称为冲激噪声。在冲激噪声情况下,α阶以上的矩均不存在,导致基于二阶矩的高斯模型算法性能下降,甚至不能正常工作。该文提出了一种在冲激噪声环境下线性调频信号特征参数估计的算法,通过分析冲激噪声的具体特点,给出了修正的低阶矩模糊函数,并结合Radon变换估计了冲激噪声环境下LFM信号的参数。该算法既可应用于冲激噪声下,又可应用于高斯噪声环境,故具有较好的鲁棒性。最后用计算机仿真验证了该算法的有效性。     

基于小波变换的内燃机瞬时转速信号的分析

使用非线性离散序列的小波变换 (DTWT)对同时存在高频噪声和高斯白噪声的内燃机瞬时转速信号进行去噪 .通过对此信号进行频谱分布的分析 ,用Donoho的阈值去噪法去除高斯白噪声之后 ,根据小波变换的多分辨率思想 ,提出了仅使用小波变换的尺度系数进行小波反变换来去除高频噪声 ,然后运用小波反变换来恢复内燃机瞬时转速信号的方法 .实验结果表明 ,此方法能够较精确的去除噪声 ,恢复内燃机瞬时转速信号 .     

Speech-stream detection in short-wave channel based on empirical mode decomposition and higher-order statistics

To capture the presence of speech embedded in nonspeech events and background noise in short-wave non-cooperative communication,an algorithm for speech-stream detection in noisy environments is presented based on Empirical Mode Decomposition (EMD) and statistical properties of higher-order cumulants of speech signals.With the EMD,the noise signals can be decomposed into different numbers of IMFs.Then,the fourth-order cumulant (FOC) can be used to extract the desired feature of statistical properties for IMF components.Since the higher-order cumulants are blind for Gaussian signals,the proposed method is especially effective regarding the problem of speech-stream detection,where the speech signal is distorted by Gaussian noise.With the self-adaptive decomposition by EMD,the proposed method can also work well for non-Gaussian noise.The experiments show that the proposed algorithm can suppress different noise types with different SNRs,and the algorithm is robust in real signal tests.     

基于实归一化压缩循环统计量的调制识别方法

为解决传统二阶统计量在Alpha稳定分布噪声背景下失效的问题,提出了实归一化压缩函数和实归一化压缩二阶循环统计量的概念并推导其性质。在研究备择信号该类统计量的基础上,选取实归一化压缩循环谱特定频率和循环频率点处的幅度作为特征参量,利用最小误差判决分类方法实现信号调制方式的识别。仿真结果表明,该方法在Alpha稳定分布噪声和高斯噪声背景下均有良好的性能,相较于其它基于非线性变换的方法,性能相近且复杂度更低,鲁棒性更强,灵活性更好。     

基于双谱的水下目标辐射噪声的特征提取与分类研究

以大量的水下目标辐射噪声资料为依托，借助高阶累积量分析法，研究了目标信号的非高斯特性。基于双谱估计和Walsh维数压缩技术提取了不同类别目标的65维双谱特征。结果表明，该特征对水下目标辐射噪声信号具有很好的分类效果，同时又能有效地抑制高斯有色噪声。对于六类水下目标辐射噪声信号，可取得约92％的正确分类率。     

色噪声环境下宽带非高斯信号的测向算法

针对色噪声环境下宽带非高斯信号的DOA估计问题,提出了一种去噪与高阶累积量相结合的DOA估计新方法.该方法首先估计出噪声分量,尽可能去除噪声;然后对去噪信号进行聚焦,构造出聚焦后信号的四阶累计量矩阵.对各累计量矩阵的平均值做特征分解,再进行一维谱峰搜索,即可得到来波方向的估计值.该方法不仅适用于高斯色噪声,也适用于非高斯色噪声环境,且不需要知道噪声的原始分布信息.实验结果证明了该算法的有效性.     

提取舰船辐射噪声信号奇异性方法研究

研究了舰船辐射噪声的Lipschitz奇异性指数的分类性能及其提取方法。提出对舰船噪声进行自适应Gauss平滑滤波是一可取的前置处理方法,它可以提高特征参数的识别与分类能力。对实测的舰船信号的仿真实验证实,在分类和识别舰船被动目标前,进行适当的滤波,再提取Lipschitz指数可使得所提取的特征识别和分类能力更高。     

Joint frequency, 2D AOA and polarization estimation using fourth-order cumulants

Based on fourth-order cumulant and ESPRIT algorithm, a novel joint frequency, two-dimensional angle of arrival (2D AOA) and the polarization estimation method of incoming multiple independent spatial narrow-band non-Gaussian signals in arbitrary Gaussian noise environment are proposed . The array is composed of crossed dipoles parallel to the coordinate axes. The crossed dipole positions are arbitrarily distributed. Computer simulation confirms its feasibility.     

基于递归分析的水声信号处理

利用递归分析及定量递归分析研究了水声信号的非线性特征.在计算正弦、随机和洛沦兹3种典型信号递归图的基础上,对2种实际舰船信号的递归图进行了定量分析,并和它们的关联维数进行比较.结果表明:定量递归分析的特征参数与混沌特征参数具有一定的联系,利用定量递归分析的特征量作为特征参数可以对舰船信号进行有效地识别和分类.这一结果对于进一步开展水下目标信号的识别、分类研究具有重要参考价值.     

基于高阶累积量的自适应IIR线谱增强器

将四阶累积量的递推算法推广到求正弦信号的四阶混合累积量，并提出了一种基于四阶混合累积量切片的自适应IIR结构的线谱增强器算法。该线谱增强器通过自适应前向线性预测法求得滤波器的系数，从而使带噪信号的线谱成份得到增强。仿真结果表明，在平稳或非平稳输入信号情况下，该算法从色噪声中提取正弦信号的能力优于基于二阶自相关函数的自适应IIR线谱增强器。     

High Resolution Multipath Time Delay Estimation Based on FLOCCS-ESPRIT

The non-Gaussian α-stable distribution is introduced to model impulsive noise. Based on the theory of fractional lower order statistics （FLOS）, the fractional lower order cross-covariance （FLOCC） sequence for two received signals is obtained and the fractional lower order cross-covariance spectrum （FLOCCS） can be approached by taking a Fourier transform for the FLOCC sequence. When the FLOCCS is treated as a sequence in the time domain, the problem of multipath time delay estimation （TDE） may be converted into one on multi-frequencies estimation or directions of arrival estimation. Accordingly, the high resolution multipath TDE can be realized with the ESPRIT technology. This idea on multipath TDE is referred to as FLOCCS-ESPRIT in this paper. Computer simulations show that this method has good performance both in a Gaussian noise and in an impulsive noise environment.