空-时相关高斯噪声中基于累积量的联合角度-频率估计算法

提出一种基于累积量的联合角度-频率估计(CB-JAFE)的新算法,用于估计多个独立非高斯信号源的方位和频率参数.同利用空-时数据矩阵奇异值分解的现有联合角度-频率估计(JAFE)算法不同,所提出的算法利用空-时数据的4阶累积量,可有效地抑制具有未知相关结构的空域和时域相关的高斯噪声.仿真结果表明,所提出CB-JAFE算法是有效性的,而且性能上优于现有的JAFE算法.     

高分辨率谐波恢复的互四阶累积量ESPRIT-SVD方法1

在互功率谱和高阶统计量理论基础上，提出了基于互四阶累积量的ESPRIT(estimation of signal parameters via rotational invariance techneques)SVD(singular value discompose)方法。仿真结果表明，在混合色噪声背景下，该方法能够有效地抑制噪声，且具有良好的频率估计性能。     

盲信号分离中基于四阶累积量的源信号个数估计

研究了盲信号分离中源信号个数小于观测信号个数情况下源信号个数的估计方法.分别就带噪声和不带噪声两种情形进行了研究.对不带噪声的情形,给出源信号个数的以概率1正确的估计.对带噪声情形,通过构造适当的四阶累积量矩阵,将源信号个数的估计问题转化成为四阶累积量矩阵有效秩的估计问题,利用矩阵的SVD分解方法给出了源信号个数的估计.最后,利用计算机仿真将本文提出的估计方法与已有的估计方法进行了比较,并对实验结果进行了分析.     

二维三次非线性相位耦合的切片谱分析

针对二维三次非线性相位耦合问题，定义了特殊四阶累积量及相应的四阶累积量切片谱，并利用四阶累积量切片谱方法对二维三次非线性相位耦合进行了分析。利用复数信号的四阶累积量有2^4种定义方式这一特点，分别利用两种特殊的四阶累积量的定义。该方法有效地估计出高斯噪声背景下的参与二维三次非线性相位耦合的谐波频率和耦合产生的谐波频率。从而识别出系统的非线性。仿真实验验证了该算法的有效性。     

色噪声背景下的正弦信号相位估计方法

噪声背景下的正弦信号相位估计在雷达、导航、波达方向估计等领域有着广泛的应用。提出了一种基于互高阶累计量的正弦信号相位估计方法——奇异值分解法。这种方法通过对互高阶累积量矩阵进行奇异值分解,得到信号子空间和噪声子空间。由于信号子空间不包含噪声信息,因此是提取信号成分与抑制噪声意义下的最优解。信号的自高阶累积量矩阵是共轭对称矩阵,它的左、右奇异矢量是相同的,而两个幅值和频率都相同、只有相位不同的正弦信号的互高阶累积量矩阵却是非共轭对称矩阵,左右奇异矢量也不相同,这说明是谐波信号之间存在相位差导致了这一结果。因此,从这一点出发,证明了谐波信号的互高阶累积量矩阵左、右奇异矢量内积的相角等于正弦信号相位差这一重要定理。并根据这一定理推导出估计正弦信号相位差的奇异值分解法。仿真结果验证了这种方法的有效性。     

脉冲噪声环境中韧性的子空间频率估计算法

为提高脉冲噪声环境中基于子空间的正弦信号频率估计算法的性能,以α稳定分布过程为脉冲噪声模型,利用m-估计方法得到接收信号尺度的鲁棒估计.构建鲁棒的接收信号协方差矩阵,并利用子空间方法得到正弦信号频率的估计.计算机仿真结果表明:该方法在强脉冲和低信噪比环境中的性能显著优于基于分数低阶统计量的子空间频率估计方法.     

基于四阶累积量相关信号的DOA估计

目的 针对相干信号,在高斯色噪声的背景下,有效地进行信号的DOA估计.方法 应用四阶累积量和修正MUSIC算法.结果 二阶矩算法性能严重失效,累计量算法DOA估计性能好.结论 利用四阶累积量和修正MUSIC算法相结合,在高斯色噪声的背景下具有良好的统计性能,是实现相干信号高分辨方位估计的有效方法.     

基于四阶累积量的近场源多参数联合估计

提出了一种近场窄带信源多参数联合估计新方法,通过所构造四阶累积量矩阵的特征值及其特征向量就可以直接获得近场源频率、方位及距离三维参数的联合估计,无须峰值搜索,适用于任意高斯噪声环境．与现有方法相比,所提方法有效地避免了阵列孔径损失,而且算法简单高效．仿真综合结果表明了新方法的有效性．     

一种改进的四阶累积量测向算法

针对降维的四阶累积量矩阵因采样快拍数有限而存在估计误差的问题,提出一种结合To-eplitz近似的四阶累积量旋转不变子空间(ESPRIT)测向算法(TFOC-ESPRIT).该算法在保持虚拟阵列有效孔径不变的同时,通过去除原始四阶累积量矩阵中的冗余元素,得到降维的四阶累积量矩阵,再对降维矩阵进行Toeplitz操作,恢复其Toeplitz结构,最后利用ESPRIT算法估计到达信号的方向.仿真实验表明:与MFOC-ESPRIT算法相比,TFOC-ESPRIT算法有效地提高了测向精度,不仅在少阵元数下能实现多信号的估计,而且当快拍数为400时,在空间白噪声和空间色噪声环境中其归一化成功概率也较高,分别达到了0.996和0.788.     

基于高阶累积量的线性化子波提取方法研究

在地震子波非因果、混合相位的假设下,分别应用滑动平均(MA)和自回归滑动平均(ARMA)模型对地震记录建模,并采用基于高阶累积量的线性方程法对子波提取和模型适应性进行了研究.数值仿真结果表明,ARMA模型比MA模型在描述地震记录时具有参数节俭、模型更为高效的特点;基于高阶累积量的线性方程法对加性高斯色噪声有较好的压制效果,却强烈依赖于累积量样本估计的准确性.如果累积量样本估计的误差和方差适度,结合AR-MA模型描述的累积量线性方程法适用于非因果、混合相位的子波提取,其有效性通过实际地震数据的处理得到了验证.     

基于三阶累积量的闭环辨识

将高阶累积量对具有高斯分布特性的（白色或有色）随机噪声的强烈抑制特性,用于辨识开环条件下的干扰,一些文献中提出了基于高阶累积量的改进均方辨识准则（MSE）。针对三阶累积量的情形,探讨了该晨噪声上环辨识中的适用性。理论分析表明,扩展到闭环情形下的MSE辨识准则等价于无噪声干扰下对象处理开环情形时的均方误差辨识准则,该方法可获得处于闭环运行状态下对象的渐进无偏参数估计;当对象采用ARMA模型时,可获得相应的线性递推辨识算法,仿真实验证明了该算法的有效性。     

Harmonic Retrieval Embedded in Hybrid Colored Noise: a Novel Pisarenko Method Based on Cross-high-order Cumulant

Spectral estimation method is an effective method in the case of parameter estimation of sinusoid signal in noises.It always applies cross-spectral estimation theory and high-order self-spectral estimation methods up to now.Yule-Walker equation based on cross-fourth-order cumulant is developed and Pisarenko method is provided in this paper.Simulation results show that the method is effective to retrieve sinusoid signal frequencies from hybrid colored noises and has good performance.     

Harmonic Retrieval Embedded in Hybrid Colored Noise: a Novel Pisarenko Method Based on Cross-high-order Cumulant

Spectral estimation method is an effective method in the case of parameter estimation of sinusoid signal in noises.It always applies cross-spectral estimation theory and high-order self-spectral estimation methods up to now.Yule-Walker equation based on cross-fourth-order cumulant is developed and Pisarenko method is provided in this paper.Simulation results show that the method is effective to retrieve sinusoid signal frequencies from hybrid colored noises and has good performance.     

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。     

利用高阶累积量的时频重叠MPSK信号调制识别

针对多信号的互相干扰,在时频重叠情况下调制识别困难的问题,提出一种基于高阶累积量的识别方法。由于不同数字调相信号的高阶累积量存在差异;并利用高阶累积量对噪声的不敏感性,从中选取四个特征参数。采用决策树的分类方法,对任意方式组合而成的十种相移键控三信号进行制式识别。实验结果表明,在信噪比不低于0 dB的情况下,可以有效地识别十种时频重叠三信号。与现有的算法对比,该算法在提高信号识别率的基础上,同时也增加了可识别时频重叠信号的个数。     

一种新的语音噪声抵消算法

针对单参考输入自适应噪声抵消器在多噪声源情况下除噪声效果不理想的问题,根据多参考输入自适应噪声抵消器模型,在推导多参考输入最小均方（MLMS）算法的基础上,给出其改进算法（IMLMS）,结合语音信号的特点,给出了多参考输入自适应语音消噪算法（VMLMS）,利用调整算法执行过程的算法改进思想,突破了传统的修正收敛系数的算法改进模式,最后对几种算法的性能进行了计算机仿真比较。     

引入高阶累积量的数据库访问特征选择算法

在进行数据库访问的过程中,由于受到很多不确定性因素的干扰,使数据库中存在大量噪声,影响了数据库访问的效率。提出一种引入高阶累积量的数据库访问特征选择算法,依据高阶累积量两个统计独立随机过程之和的累积量等于各个随机过程累积量之和的性质,对数据库进行去噪处理。在此基础上,采用SVM无监督算法实现数据库访问特征选择。仿真实验结果表明,采用所提算法进行数据库访问特征选择,不仅具有较高的特征选择精度,而且特征选择效率也明显高于传统算法,同时特征选择结果所含冗余特征低于传统算法,验证了所提算法在数据库访问特征选择方面的性能。     

带相关噪声的观测融合稳态Kalman滤波算法及其最优性

对于带相关的输入白噪声和观测白噪声及相关观测白噪声的多传感器线性离散定常随机系统,用加权最小二乘(wLs)法提出了一种加权观测融合稳态Kalman滤波算法,并基于信息滤波器证明了它同集中式观测融合稳态Kalman滤波算法功能的等价性.因而,它具有渐近全局最优性,且可减少计算负担.一个跟踪系统数值仿真例子验证了它的功能等价性.