利用双谱分析法检测心室纤颤信号

提出了一种基于信号双谱分析的心室纤颤检测方法．首先，根据信号的准周期性，对信号进行了分段，并改进了信号三阶累积量的估计．然后，以特征值Ｐ表征信号，给出了心室纤颤信号的双谱检测算法，并结合其他算法，采取多特征值检测法进一步优化算法的性能．最后，在不同的噪声条件下，对不同的算法进行了比较，给出了微机实验的结果．实验表明：本文提出的心室纤颤检测算法达到了较优的灵敏度及误判率，并具有较强的抗噪声性能     

基于特征值拟合优度的频谱感知算法研究

现代拟合优度频谱感知算法直接采用信号的样本或能量作为拟合统计量,对独立的接收信号表现出良好的检测性能,对相关信号则表现不出令人满意的效果．基于最大特征值的拟合优度频谱感知算法可表现出更好的检测性能,但是基于最大特征值的拟合优度算法是半盲检测算法,需要已知噪声的功率,这在实际应用中是难以实现的．为此,提出了新的基于最大最小特征值的全盲拟合优度频谱感知算法．同时基于随机矩阵理论成果,推导分析了新算法的检测概率、虚警概率和判决门限．实验结果表明,新算法有效克服了噪声不确定性问题,相对于其他拟合优度检测算法性能有所提升．     

基于随机矩阵理论的盲MEHM频谱感知算法

利用随机矩阵理论中样本协方差矩阵极限特征值的分布结果，设计了一种新的最大特征值-调和平均(NMEHM)盲频谱感知算法.NMEHM算法无需主用户信号及无线信道的先验知识，可以有效克服噪声不确定性的影响.仿真实验结果表明，相对于一些基于特征值检测的频谱感知算法，NMEHM算法的检测概率更高，且获得了比最大特征值-调和平均(MEHM)算法更优异的检测性能.     

基于全相位算法的自适应滤波算法

为减小实时信号的自适应处理时间,改善系统性能,在全相位数据空间概念的基础上,提出一种全相位自适应信号处理方法,并通过仿真对该算法在不同原始信号、不同噪声干扰的情况下进行了性能分析．在对该算法和经典的自适应算法在不同原始信号、不同噪声干扰的情况下进行了性能对比之后,提出了该算法的改进方案来改进输入信噪比小于0时的性能．结果表明,改进方案的输出误差性能达到甚至优于理想状态下的经典自适应算法, 从而验证了该算法及其改进方案的可行性和优越性．     

应用统计模型的地震信号端点检测方法

分析了随机信号的相关性，建立了噪声的相关性统计模型。提出了信号自相关系数相似距离的概念，证明并讨论了噪声和信号之间的可辨别“自相关相似距离”，据此总结出基于相关系数的地震信号端点检测方法，并给出了算法的具体实现步骤，阐述了检测阈值的确定方法，并对用此方法以及人工检测法得到的实验检测结果进行了比较。结果表明，即使在较低的信噪比条件下，采用本算法仍能较准确地检测出地震信号的端点位置。     

基于隐马尔可夫树非高斯信号的建模分析与分类识别

研究了基于小波域隐马尔可夫树模型非高斯信号的建模方法．探讨了海洋环境噪声和船舶辐射噪声在不同工况下所表现出的不同模型特征，并根据它们在HMT模型参数上的特征差异提出了一种新的检测方法，实验证明，该方法的检测性能比过零检测、能量检测以及二阶统计量检测方法要好．通过结合小波域隐马尔可夫模型和支撑向量机，提出了一种新的水声非高斯噪声信号的识别分类方法，实验证明，该方法具有较好的分类性能．     

用子空间提高有色噪声背景下的语音质量

针对在语音通信过程中,纯净语音信号经常受到周围有色噪声环境干扰导致语音质量下降的问题,提出了一种用子空间提高语音质量,改善听觉感知度,降低用户听觉疲劳感的算法。该算法通过用非平稳噪声估计方法实时跟踪噪声信号的特征值,对跟踪的噪声和信号进行对角化;为了进一步消除有色噪声,对带噪语音再次进行维纳滤波处理,最后获得更新的最优特征值估计方程。实验结果表明,在信噪比不同的工厂噪声等有色噪声背景下,与传统子空间的算法相比,经过新算法的语音信噪比得到了明显的提高,且有效地降低了音乐噪声。     

基于循环谱特征的楼宇室内频谱感知算法

针对目前楼宇室内环境中,信道多径衰落和噪声不确定性等低信噪比情况下主用户信号检测性能较低的问题,提出了一种基于支持向量机(SVM)的主用户信号频谱感知算法.该算法融合了循环平稳特征检测和SVM算法的特点,对信号循环平稳特征参数进行特征提取,作为训练样本和待测样本,再采用SVM算法分别对有无主用户情况下的信号进行分类检测.仿真实验表明与人工神经网络(ANN)和最大最小特征值法(MME)相比较,所提算法可在低信噪比情况下,有效地实现对主用户信号的感知,具有较好的稳健性.     

基于小波空域相关的船舶轴频电场检测方法

为了提高对船舶水下轴频电场的远程探测能力,在充分分析实验室轴频电场信号的基础上,提出了一种基于小波空域相关的船舶轴频电场检测方法.首先使用小波空域相关对噪声和信号进行分离,并给出一种针对轴频电场的噪声阈值估计方法;然后,提取信号特征频率范围内的能量作为特征值,对信号进行滑动功率谱检测.对比分析结果表明,该算法在低信噪比情况下具有更高的稳定性和更好的检测效果.

     

一种基于小波变换的去噪新算法

提出一种去除观测信号中白噪声的新方法．分析了白噪声和一般信号的小波变换系数的不同特点，对Hampel滤波器进行了改进．利用白噪声和一般信号小波变换系数的不同特点，用改进后的滤波器对信号小波变换系数序列进行滤波处理，从而达到降噪的目的．仿真结果表明，滤波算法对不同种类、不同信噪比的信号有很好的降噪效果，尤其适用于强噪声背景下弱信号的检测。     

一种基于极值特征值之差的全盲多天线频谱感知算法

提出了一种新的基于接收信号取样协方差矩阵（SCM）极值特征值之差的多天线频谱感知算法BDDEE，其以SCM的最大最小特征值之差与接收信号平均能量之比作为感知判决量，在检测过程中摆脱了对噪声方差的依赖，且无须使用主用户信号及无线传输信道等相关参数.在此基础上，基于有限维Wishart随机矩阵有序特征值分布的相关结果，从理论上提出了一种精确的虚警概率和判决门限的分析和计算方法；更进一步，考虑到次级用户计算和存储资源的限制，利用高维Wishart随机矩阵中极值特征值的分布理论，通过融合最大和最小特征值极限分布所对应的判决门限，提出了一种低计算复杂度的判决门限计算方法.综合考虑检测性能和虚警性能指标来看，新算法比经典的CAV、MME和DMME算法具有更优的感知性能，在样本数目有限的条件下能获得更加稳健的检测结果，数值仿真结果证明了所提BDDEE算法的有效性.     

声纳探测信号自适应脉冲噪声对消算法

针对浅海环境噪声严重影响声纳探测信号检测性能的问题,提出了一种非线性变换的自适应脉冲噪声对消算法。算法首先对回波信号和参考通道噪声信号同时进行非线性变换,对脉冲噪声进行软阈值滤波,在此基础上,采用最小均方误差算法实现自适应噪声对消,可获得稳健的收敛性能。α-稳定分布脉冲噪声条件下的仿真和某次实验中的声纳探测回波信号处理证明了算法的有效性。     

二维正弦信号频率估计的ESPRIT方法研究

为了在噪声背景下估计二维正弦信号的频率,并获得较高的估计精度,给出了二维相关阵的大特征值所对应的主特征向量,位于由信号向量张成的信号子空间的结论,并因此提出了一种新的基于最大特征值所对应的第1特征向量的二维谐波频率估计ESPRIT(Estimation of Signal Parameters Via Rotational Invariance Techniques)方法.该方法用此第1特征向量构造一个特殊矩阵代替MEMP(Matrix Enhancement and Matrix Pencil)方法中的数据矩阵,进一步用二维ESPRIT方法来估计谐波频率.该方法依赖于信号子空间,对噪声和数据长度敏感性小,同时它不需进行谱峰搜索,可以得到较高的估计精度.同时给出了较为简便的频率配对算法.仿真实验证明了算法的正确性.     

噪声环境中基于HMM模型的语音信号端点检测方法

在噪声环境下如何提高语音信号端点检测的准确性是自动语音识别（ＡＳＲ）研究中的一个重要课题．常用的基于短时能量的端点检测方法对于能量较低的音节或在信噪比较低的环境下,检测性能不够理想．讨论了一种基于ＨＭＭ模型的语音信号端点检测方法．先用训练的方法生成背景噪声和废料的模型,再用Ｖｉｔｅｒｂｉ解码算法对待测信号进行处理,并给出了具体的实现方法．实验测试结果表明,基于ＨＭＭ的端点检测方法的检测性能接近于人工检测,方法是有效的．     

广义特征值盲波束形成的低复杂度自适应算法

提出了一种线性低复杂度盲自适应Lagrange乘子波束形成算法．基于最大信干燥比准则(MSINR)的特征值波束形成将导致广义特征值(GE)问题,新算法通过把GE问题表示成期望信号和干扰噪声信号协方差矩阵特征值的函数,用线性迭代的方法搜索最大GE,并利用最陡下降法更新权向量;提出方法被用于W—CDMA智能天线基站上行信号接收．数值仿真结果表明,与其他算法相比,在未牺牲系统BER性能的同时,提出算法具有更快的收敛速度和更低的计算复杂度;算法总的计算复杂度约为O(7N)(N为天线元数目)．     

OFDM系统中基于子空间加权的时延估计算法

针对低信噪比条件下正交频分复用（orthogonal frequency division multiplexing，OFDM）系统利用MUSIC算法（multiple signal classification）进行时延估计时，特征值分解得到的信号子空间和噪声子空间不能完全正交导致算法性能下降的问题，提出一种基于子空间加权的时延估计算法——WMUSIC算法（weighted multiple signal classification）。算法对信道频域响应估计的协方差矩阵进行特征分解，利用噪声特征值的幂级数对噪声子空间进行加权处理，同时采用信号特征值的倒数对信号子空间进行加权处理，以修正MUSIC算法的伪谱，通过谱峰搜索得到时延估计值。仿真结果表明，与MUSIC算法相比，WMUSIC算法具有更高的时延估计精度，在信噪比为－8 dB时，估计精度在两径条件下提升71.46%，三径条件下提升19.48%。WMUSIC算法有效解决了低信噪比条件下MUSIC 算法伪谱谱峰存在混叠导致谱峰搜索误差较大的问题，可以完成较为准确的时延估计任务，提高了低信噪比条件下OFDM系统的时延估计性能。     

基于随机矩阵的特征值方差频谱感知检测算法

传统的频谱感知能量检测易受噪声方差不确定性的影响,存在"信噪比墙"效应。频谱感知特征值检测跟能量检测一样,不需要信号任何先验信息,并且能在低信噪比下取得较好的检测性能。经典的特征值检测有最大最小特征值(maximum-minimum eigenvalues,MME)之比算法,最大最小特征值之差(maximum-minimum eigenvalues difference,DMM)算法等。这些算法只利用特征值的一阶统计量,不能充分反映全部特征值的统计特征。利用特征值二阶统计量提出一种基于特征值方差的频谱感知算法,选取能反映特征值整体波动的方差当作观测统计量,并利用矩阵迹的性质推导出该算法的理论门限。仿真证明:当噪声方差不确定性等于0 d B时,该算法的检测性始终优于MME算法。当噪声方差不确定性等于0. 2 d B时,能量检测(energy detection,ED)算法检测概率急剧下降,而特征值方差(eigenvalue variance,EV)算法检测概率仅下降10%左右,并且当信噪比(signal noise ratio,SNR)大于-17 d B时,EV算法的检测概率优于ED算法和MME算法。     

基于随机矩阵的特征值方差的频谱感知检测算法

传统的频谱感知能量检测易受噪声方差不确定性的影响,存在"信噪比墙"效应。频谱感知特征值检测跟能量检测一样,不需要信号任何先验信息,并且能在低信噪比下取得较好的检测性能。经典的特征值检测有最大最小特征值(maximum-minimum eigenvalues,MME)之比算法,最大最小特征值之差(maximum-minimum eigenvalues difference,DMM)算法等。这些算法只利用特征值的一阶统计量,不能充分反映全部特征值的统计特征。利用特征值二阶统计量提出一种基于特征值方差的频谱感知算法,选取能反映特征值整体波动的方差当作观测统计量,并利用矩阵迹的性质推导出该算法的理论门限。仿真证明:当噪声方差不确定性等于0 d B时,该算法的检测性始终优于MME算法。当噪声方差不确定性等于0. 2 d B时,能量检测(energy detection,ED)算法检测概率急剧下降,而特征值方差(eigenvalue variance,EV)算法检测概率仅下降10%左右,并且当信噪比(signal noise ratio,SNR)大于-17 d B时,EV算法的检测概率优于ED算法和MME算法。     

基于自适应对角加载的源数估计算法

为解决对角加载技术用于信源数估计时对角加载量确定困难的问题,提出了一种新的基于自适应对角加载接收信号协方差矩阵的信源数估计算法。首先,分析接收信号协方差矩阵与噪声信号功率的之间的协同变化关系,基于协方差矩阵的对角元素特征值分布特点,给出一种自适应的对角加载量确定方法。然后,将对角加载处理后的接受信号协方差矩阵与信息论准则结合,得到改进后的估计信源数算法。仿真实验结果表明：在白噪声与色噪声环境中,本文算法能在不同信噪比与不同快拍数条件下较好的估计信源数;相较于基于信息论准则与盖氏圆盘估计法则的源数估计算法,本文算法在估计正确率以及稳定性上得到了不同程度的提升,具有较好的估计性能。     

基于小波尺度相关的船舶轴频电场检测方法

为了提高低信噪比下对海水中被衰减的轴频电场信号的检测能力,提出一种基于小波尺度相关的船舶轴频电场检测算法.首先,使用小波变换对信号进行分解,并对噪声能量进行估计;然后,利用小波尺度相关对噪声和信号进行分离,并采用均值滤波降低小波系数平移的干扰;最后,提取最大尺度的相关系数作为特征值,对信号进行滑动检测.通过该算法和小波熵算法对实测数据和仿真数据进行处理和对比分析,结果表明:此算法在低信噪比情况下具有更高的稳定性和更好的检测效果.