一种推广的非高斯相关噪声中高斯信号的时延估计方法

介绍了高阶统计量与互相关运算相混合的方法，在对非高斯相关噪声中，高斯信号进行时延估计中的应用。该方法首先计算出观测的四阶累积量，然后利用累积量投影公式计算二阶统计量，最后利用互相关方法确定信号的时延参数。仿真结果与二阶和三阶统计量相结合的混合方法进行了比较。结果表明该方法具有优越性。     

α 稳定分布噪声下基于EM算法的多径时延估计算法

实际应用中大量非高斯信号和噪声具有显著的尖蜂脉冲特性.这类信号带宽较窄,采用传统高斯模型下基于相关运算的多径时间延迟方法进行时延估计时,会因各个峰值的相互重叠而带来较大的估计误差.为此,根据信号噪声特性,在α稳定分布模型下,提出一种基于EM方法的高分辨率多径时延估计算法(P-EM算法).新算法基于分数低阶统计量理论,采用p阶相关思想,具有在脉冲噪声环境下,比较准确估计多径时间延迟的能力.理论分析和计算机仿真表明了该算法的韧性.     

基于残差三阶累积量的跟踪门新方法

针对在有高斯量测噪声和杂波环境下的数据关联问题,提出了一种基于残差三阶累积量的跟踪门算法,通过对残差数据累计序列的三阶累积量的计算,抑制了高斯噪声对跟踪门的影响,且有效地排除了杂波的干扰,从根本上提高了跟踪门的性能.仿真实验结果验证了该算法的有效性和稳健性.     

UQPSK直扩信号的四阶累积量的检测研究

针对UQPSK(非均衡四相键控)直扩信号难于检测的问题,利用高斯白噪声的四阶累积量恒为零的性质,首先分析了UQPSK直扩信号的四阶累积量的相关理论知识和利用切片估计载频的可行性,其次提出了基于四阶累积量不同切片c4x(0,0,0)、c4x(0,0,τ)、c4x(0,τ,τ)、c4x(τ,τ,τ)的检测方法,最后对UQPSK直扩信号的各个切片的检测性能都做了仿真分析,且根据各个切片的频谱提取出了UQPSK直扩信号的载频。仿真表明,基于c4x(0,τ,τ)的检测性能最好,而c4x(τ,τ,τ)能在较低的信噪比下利用四阶累积量切片有效的估计出载频。提出的方法可行性高,具有实际应用价值。     

基于高阶统计量信号检测的研究

研究了高阶统计量（主要是三阶累积量）在信号检测中的应用，探讨了信号检测的高阶累积量算法.利用高斯噪声的高阶累积量的零均值特性，用计算机对SNR=20dB和SNR=0dB的输入信号进行模拟仿真，并将检测结果与原始信号进行比较，从结果上看执行效果较好．     

一种基于四阶统计量的递推LMS算法

提出一种基于四阶统计量一维切片的LMS算法,并且给出其递推形式.该算法能够有效地抑制相关高斯噪声的影响,性能优于传统的基于相关的LMS算法;递推形式降低了其计算复杂度,能够满足实时处理的要求.采用相关高斯色噪声进行数值仿真,结果表明该方法的有效性.该算法可在雷达、声纳及通信系统中用于多径系数估计.     

高斯与非高斯混合有色噪声中的谐波恢复

提出了一种用于在高斯与非高斯混合有色噪声中进行谐波恢复的新方法。首先利用Hilbert变换将实数观测值变换成复数形式,然后应用一种特殊的高阶累计量识别非高斯噪声的AR参数并对含噪观测值进行预滤波后,再应用基于统计量的方法进行谐波恢复。文中提出的方法能够用来恢复高斯与非高斯混合有色噪声中的一维实数谐波信号,而不用考虑谐波信号是否存在相位耦合和非高斯噪声是否对称分布,仿真实验可以证明。     

基于互双谱时延估计的供水管道检漏系统研究

针对供水管道泄漏点的检测与定位问题,提出了一种基于互双谱时延估计的快速、高精度与高可靠性的定位方法.该方法首先对信号的三阶统计量进行傅里叶变换,得到其互双谱;然后通过求互双谱极值来估计时延.采用单片机、程控滤波器与无线通信等技术搭建了实际测试系统,并进行了现场测试.结果表明:该系统在强噪声环境下能够较准确检测管道泄漏情况并定位漏点.当噪声干扰较小时,该系统对漏点定位具有较高精度.     

基于四阶累积量的谐波频率估计

 高阶累积量能够完全抑制高斯噪声,因而广泛应用于噪声环境中提取信号参数.利用基于四阶累积量的ESPRIT估计谐波频率,并给出了估计的仿真实例,仿真结果表明,该方法具有很高的频率分辨率.     

基于三阶累积量的自适应多变量相空间重构

利用三阶累积量反映多变量序列的高阶非线性相关性,建立了一种具有良好抗噪性的多变量相空间重构方法.将三阶累积量引入到序列局部本征维数(LID)的计算中,对不同相空间点构造新的三阶累积量相关矩阵;同时建立累积量切片评价函数,通过比较得到了对噪声及嵌入维数等重构参数变化鲁棒性强的累积量切片,然后确定序列的嵌入维数、嵌入延迟,重构多元变量相空间.仿真结果表明,建立的新方法对带噪声混沌序列具有较好的鲁棒性,多元变量奇异吸引子轨迹在重构相空间中得到了良好扩展.
     

时间延迟估计的高阶谱矩估计算法

高阶谱估计方法是用于色噪声背景下时间延迟估计的一个十分有效的方法。本文提出了相关高斯色噪声背景下时延估计的高阶谱矩估计算法，改变了以往用互谱估计方法不能求未知互相关函数且加性噪声相关的情况。仿真结果表明，在信噪比为-2．5dB条件下，此方法能有效地抑制色噪声，且基本能估计出时间延迟的位置。     

基于循环神经网络的微地震数据降噪方法

针对微地震信号中存在大量噪声干扰, 导致其识别困难的问题, 提出一种深度双向门控循环单元循环神经网络的方法, 并将其应用于微地震数据降噪中. 首先, 构建多层双向门控循环单元循环神经网络模型, 并设计该模型的网络结构及训练算法; 然后, 采用Ricker子波正演模拟微地震数据验证模型的有效性, 并将该方法与其他4种方法进行对比; 最后, 将真实的含噪声微地震数据输入到训练好的模型中, 即可得到降噪后的微地震数据. 仿真实验结果表明, 利用该方法降噪后与降噪前信号的峰值信噪比相比约提高36 dB, 且信号之间的相关系数值由0.088 6上升至0.933 5. 实际应用结果也表明, 该方法可有效降低实际微地震数据中的噪声.     

基于循环平稳特性的BPSK信号角跟踪方法

针对测控数传一体化体制中低信噪比条件下的BPSK信号角跟踪问题,提出了基于BPSK信号循环平稳特性的角跟踪方法。通过对谱相关理论的深入分析,引入旋转系数这一概念,通过计算量相对较小的方法对和差通道信号进行处理,进而估计角误差值,完成角跟踪。仿真结果表明,理想高斯白噪声背景下,和差通道相关噪声为噪声总功率0.1倍时,该方法的角误差值估计门限可低至2 d B。     

基于伪协方差矩阵 Otsu 方法的信源数估计

为提高高斯色噪声背景下信源数估计的成功概率, 提出了一种基于伪协方差矩阵的 Otsu 类间方差法。 伪协方差矩阵对一定条件下的高斯白噪声和高斯色噪声具有免疫特性, 而且利用阵元间的时间相关性增加了 阵列的有效孔径, 进而提高了伪协方差矩阵奇异值分解后信号奇异值与噪声奇异值的差异程度。 在此基础上, 利用 Otsu 类间方差法对信号奇异值与噪声奇异值进行分类。 仿真结果表明, 该方法可进一步提高信源数的估 计成功概率。     

基于酉ESPRIT的跳频信号DOA估计

为了利用跳频信号的空域信息辅助同步跳频信号的网台分选,提出了一种基于STFD酉ESPRIT的跳频信号DOA估计算法。首先用WVDSPWVD组合时频分析方法对接收数据进行时频变换,然后提取出跳频信号的有效跳(hop),并对其建立空时频矩阵(STFD),最后利用酉ESPRIT算法进行跳频信号DOA估计。该方法通过酉变换将ESPRIT算法的协方差矩阵从复数域转化到实数域,降低了计算量,而且酉ESPRIT算法利用了数据的共轭信息使数据长度等价增加了一倍,提高了估计精度。仿真结果表明文中算法在信噪比大于2dB时,DOA估计性能优于ESPRIT算法。     

基于U-Net的矿山微震初至拾取研究

初至到时拾取是微震数据处理中基础而又重要的环节,关系到整个微震监测系统的精度与可靠性。因此,为了解决传统初至拾取方法存在拾取效率低和拾取精度差的问题,引入深度学习方法,构建U型神经网络(U-Net)来预测三分量矿山微震数据P波、S波和噪声的概率分布,并根据概率峰值提取其初至到达时间。实验结果表明：本文算法的拾取结果准确度高且误差范围较小,与AR pick (auto regression pick)算法相比,其拾取结果具有明显的优越性。所构建的初至拾取模型可用于矿山动力灾害微震监测,解决微震监测的瓶颈问题,为矿山安全生产风险智能监测预警提供强力技术支撑。     

二维谐波频率的频域非线性预滤波估计方法

根据谐波信号在带噪信号的频谱中表现为异常脉冲这一特性,提出了一种新的有色噪声背景下二维频率估计方法.利用二维滑动中值滤波器能够滤除异常点的能力,提取噪声频谱,消除有色噪声对信号的影响.将有色噪声转化为白噪声,然后利用高分辨率的二维ESPRIT方法估计信号频率.在不需要知道有色噪声任何统计特性的情况下,该方法对有色噪声具有很强的普适性,仿真实验表明,在信噪比达到-18 dB时,该算法仍然能够准确地估计频率.且由于算法中仅利用了二阶统计量,更便于实现.     

分数阶Duffing系统动态特性研究及微弱信号检测

为了进一步提高微弱信号的检测能力,在更低信噪比环境下提取微弱信号的特征信息,提出采用分数阶Duffing系统实现微弱周期信号检测。基于常规Duffing-Holmes数学模型 ,通过加入分数阶微分算子引入了分数阶Duffing方程数学模型,利用变量代换对该模型进行改进可实现任意频率的微弱周期信号检测。研究分析系统阻尼比参数变化对系统非线性动力学特性的影响,给出了最佳阻尼比参数范围;研究了微分阶次与系统临界混沌阈值变化关系,得出微分阶次与系统临界混沌阈值成反比关系的结论。分别在高斯白噪声及色噪声背景下对微弱信号进行检测与识别,大量仿真结果表明,分数阶Duffing系统检测微弱信号的最低信噪比门限值比整数阶Duffing系统降低了10 dB,提高了检测微弱信号能力。