非高斯噪声中Turbo码的性能改进研究

对Turbo码在非高斯脉冲型噪声下性能的损失进行了研究,提出了一种新的基于幅度统计特性服从ClassA噪声模型的修正译码算法.该算法修正传统MAP算法的外部信息和信道信息计算公式,使之适应非高斯的ClassA脉冲噪声环境,从而改进了译码性能,计算机仿真证明新的译码算法在Class A噪声环境中比传统MAP算法具有更好的性能.     

非高斯噪声参数估计的马氏链蒙特卡罗法

基于马氏链蒙特卡罗法(MCMC), 提出一种快速收敛特性的A类噪声模型参数贝叶斯估计算法。区别于传统的参数估计算法,它不仅可以估计脉冲指数A、高斯脉冲功率比 、噪声平均功率 ,还可以估计信道隐含状态。尽管该算法运算量大,但优点是所需样本少、能实现整体优化及并行处理。计算机仿真验证了该方法的有效性。     

结合Tetrolet与主动随机场模型的高斯噪声抑制

文中提出一种结合Tetrolet变换和主动随机场模型的去噪方法,用于抑制图像中的高斯噪声.对含有高斯噪声的图像进行Haar小波分解,在小波变换域利用主动随机场算法针对高斯噪声进行去噪,并利用小波逆变换重构去噪后的图像,最后用Tetrolet变换在变换域进一步抑制噪声.实验结果表明,与直接利用小波、Tetrolet、马尔科夫随机场模型以及主动随机场模型等方法相比,该方法对添加不同程度高斯噪声的图像有更好的去噪效果.     

用多元信号检测改进广义高斯噪声下的并行非线性检测器

在广义高斯噪声下,根据最大后验概率准则比较了多元信号的并行非线性检测和最佳并行线性检测. 在高斯噪声条件下,并行非线性检测器性能接近于最佳并行线性检测器. 若噪声是广义高斯的,特别是当噪声幅度集中于均值零附近时,并行非线性检测器的检测性能优于最佳并行线性检测器.     

超低频大气噪声幅度概率分布模式的辨识

通过对实测的超低频大气噪声幅度统计分析,验证超低频信道噪声幅度服从Middleton的ClassA模型。为保证超低频噪声幅度统计特性的准确性,采用频域法对超低频信道电磁噪声数据进行预处理,抑制了50Hz工频干扰。接着对超低频信道大气噪声数据进行Lilliefors假设检验,证明了超低频信道大气噪声的非正态属性。最后在估计Class A瞬时幅度概率分布参数值的基础上,根据概率分布图和Q-Q图结果综合分析作出结论,即采用Class A瞬时幅度概率模型,可以很好地描述超低频信道大气噪声数据的幅度统计特性。     

多模噪声及其消噪研究

基于多尺度小波包变换良好的时频局部分析能力,对一类非高斯噪声—多模噪声的统计特性进行研究.仿真表明,对多模噪声做小波包变换,实现了将多模噪声转化为简单的高斯噪声来处理,小波包变换的检测性能比传统的高阶统计量的检测性能优越.     

船舶辐射噪声的非平稳ARMA模型的建立

分析了船舶辐射噪声信号的特点,提出了一种简单、新颖的适用于船舶辐射噪声的非平稳ARMA模型.对海上实录的三大类船舶辐射噪声建立ARMA模型的实验结果表明该非平稳模型不仅具有较简单的形式,而且具有较高的精度.     

子带频谱分析的语音增强

提出一种有效的语音增强算法,该算法使用重叠相加FFT滤波器进行谱幅度估计,给出噪声估计的两个均值参数,此参数适用于任何噪声.而且进行噪声估计无需检测语音间隙,无需VAD的运算过程,克服了单信道噪声压缩算法的缺点.     

基于小波和Curvelet变换联合去噪的含噪盲源分离

独立分量分析(ICA)是一种仅依据信号间的统计独立的性质,对多路观测到的信号进行盲源分离的方法.现有的独立分量分析算法大都假设在无噪声情况或噪声很小可以忽略不计的情况,而在强噪声背景下,这些算法都无法获得理想的分离效果.在含噪信号盲源分离一般模型的基础上,提出了一种小波和Curvelet变换联合去噪的含噪信号盲分离算法.通过对高斯噪声背景下的混合图像的仿真研究,表明该方法能有效的提高图像的信噪比,减轻了噪声对经典ICA算法分离性能的影响,很好的实现了含噪混合图像的分离.     

一种新型的压控振荡器用自动幅度控制电路

提出了一种新的压控振荡器用自动幅度控制电路:电荷泵式自动幅度控制电路.该电路的固有特性决定了它具有比模拟稳幅电路更好的相位噪声性能.文章基于S域小信号模型分析了该电路的稳定性,并且通过仿真比较了电荷泵式AAC和模拟AAC的相位噪声性能.     

非高斯噪声模型参数的最大似然快速估计

研究了Class A统计物理模型,对该模型的参数估计提出了一种最大似然方法,利用FFT的优势降低运算量,通过对观测数据进行分类计算以保证精度要求,并设计了初始值估计方案. 仿真实验表明,该方法精度高,迭代次数少,有较高的应用价值.     

一种基于符号动力学的混沌序列消噪方法

以符号动力学为分析工具,讨论了一类单峰映射混沌序列在符号动力学空间上的马尔科夫过程模型,从该模型出发给出了一种极大似然混沌序列噪声消除的Viterbi算法,并利用符号动力学的特点,对该算法的消噪效果进行了理论分析和仿真比较.实验表明,这种消噪算法的仿真结果和理论分析的结果是一致的,可以应用于混沌通信中的信号消噪处理.     

Curvelet变换域自适应收缩图像去噪

研究了Curvelet变换域非参数贝叶斯估计图像去噪问题。利用先验概率模型－正态反高斯(NIG)分布对图像Curvelet系数的稀疏分布进行统计建模,并在此基础上设计出基于NIG的最大后验概率(MAP)估计器。通过估计Curvelet子带系数分布的参数,实现基于MAP的子带自适应收缩图像去噪,最后通过仿真验证了去噪算法的性能。结果表明,该方法能有效地去除图像中的噪声,同时较好地保留了图像的纹理和边缘等细节。     

一种新的固定滞后最优Kalman平滑器

基于带相关噪声系统的一种最优Kalman滤波算法,应用白噪声估计理论和射影理论,提出了一种带白噪声估值器的固定滞后最优Kalman平滑器。它可递推实现,一个仿真例子说明了其有效性。     

增益调制型波长转换器的噪声变换特性分析

建立了基于半导体光放大器(SOA)交叉增益调制(XGM)波长转换器的噪声变换理论模型,并进行了数值计算.结果表明,入射的泵浦光功率及入射的探测光功率的大小对噪声变换有直接的影响.在适度的输入功率范围内,噪声得到有效的抑制,提高了转换输出信号的质量.     

广义离散系统降阶Wiener滤波、平滑和预报

应用现代时间序列分析方法,基于Kalman滤波和白噪声估计理论,对于广义离散随机线性系统的一种典范型,提出降阶Wiener状态估值器,可统一处理滤波、平滑和预报问题,并且能减少计算负担,便于实时应用.一个仿真例子说明其有效性.     

通信系统噪声的研究

本文主要讨论了通信系统中可能引入的各种噪声以及相应噪声的计算方法.并介绍了衡量噪声对有用信号影响程度的参数—等效噪声温度和噪声系数,以及噪声系数的定义、计算方法,从而了解噪声对通信系统的影响,为减少噪声的影响提供参考.