利用高阶统计量恢复二维谐波

基于高阶统计量提出了一种频域恢复频率、时域恢复幅度的时频域相结合的二维谐波信号的恢复方法。该方法由于使用了高阶累积量，因此不再受背景噪声为高斯白噪声的限制，可应用于高斯噪声中二维谐波信号的恢复。仿真实验证明了该方法的可行性     

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。     

平稳噪声中的谐波恢复

研究乘性噪声均值先验知识未知情况下的谐波恢复问题。提出了基于一阶、二阶循环统计量的混合方法和基于一阶、三阶循环统计量的混合方法．即先利用一阶循环统计量得到对应非零均值乘性噪声的谐波频率，再求出与谐波频率对应的乘性噪声均值．去均值后用二阶或三阶循环统计量来恢复谐波。在此基础上．提出了谐波分量个数的估计方法。仿真结果证实了该方法的有效性。     

乘性噪声中的谐波恢复

研究在乘性噪声均值先验知识未知情况下的谐波恢复问题.提出了基于一阶、二阶循环统计量的混合方法(FSCSH)和基于一阶、三阶统计量的混合方法(FTCSH),即先利用一阶循环统计量得到对应非零均值乘性噪声的谐波频率,再求出与谐波频率对应的乘性噪声均值,最后用二阶或三阶循环统计量来恢复谐波.仿真结果证实了该方法的有效性.     

基于互高阶累积量与信号空间结构特性的谐波恢复方法

将互谱思想与高阶累积量方法相结合形成了多通道互高阶累积量方法,该方法用于谐波恢复,突破了高阶累积量方法对噪声的限制,降低了互谱方法对硬件隔离的要求,本文还采用了状态空间模型来描述时间序列,充分利用信号空间的结构特征,进而最终实现了在有色加性混合色噪声背景下较低信噪比的谐波恢复,仿真实验结果表明了该方法的有效性。     

基于二阶和高阶统计量DOA估计算法的对比

阵列信号处理是信号处理的一个重要分支,而波达方向估计又是阵列信号处理的一个重要方面,一些常用的方法可以用来获得DOA估计,例如基于二阶统计量的MUSIC法,但是这些方法存在一些缺点.对比了基于二阶和高阶统计量的DOA估计算法性能,仿真结果表明,基于高阶统计量的DOA估计算法具有更好的性能,此外,还分析了基于二阶或高阶统计量的DOA估计算法的相同点和不同点.     

生物触电信号高阶统计特征描述及分析方法

针对剩余电流保护技术中生物触电支路的触电电流具有复杂性及多样性的问题,应用高阶统计量组合算法与快速傅里叶变换相结合的方法,分析了剩余电流及触电电流特征量的变化规律,明确了剩余电流与触电电流的原信号及其各成分分量的高阶统计量的特征量存在显著相关性,相关系数平均值最高可达0.976 5.仿真试验表明:提取的剩余电流和触电电流高阶统计特征量中,直流分量,2,3,4,6,8次谐波特征量呈现出显著相关,相关系数平均值达到0.85以上,完成了剩余电流特征量与触电电流变化特性的定量化表征.     

基于高阶统计量的大地电磁数据处理与仿真

针对大地电磁(MT)数据具有非线性、非平稳的特征而不能满足传统功率谱方法要求的问题,从高阶统计量的理论入手,提出由信号的高阶谱恢复功率谱,再由恢复的功率谱估算MT响应函数的高阶统计量方法,建立通过高阶谱恢复功率谱的数学模型,并对合成数据和实测MT数据进行仿真分析。研究结果表明:利用高阶累积量对高斯噪声不敏感的特点,可实现在高斯白噪声和有色噪声污染下的瞬态信号频率与功率谱的正确估计;高阶统计方法消除了传统功率谱方法中大地电磁响应函数出现个别频点分散和形态异常的现象,使地质参数的估计精度和资料的可解释性得到明显提高。     

基于高阶累计量的车辆上下行声频检测方法

提出了一种基于麦克风阵列信号处理的车辆上下行估计的新方法,将车辆的上下行估计归结为阵列信号处理中的波达方向变化的估计。针对车辆噪声信号的复杂性和二阶统计量的局限性,采用高阶累计量实现了DOA估计,并说明了基于高阶累计量实现的估计结果明显优于二阶统计量。最后通过试验论证了该方法在实现行车方向估计时的有效性。     

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.     

会议电视图像序列中的运动目标分割

提出了基于递归高阶阶段的运动目标分割方案,主要用于会议电视图像序列,与传统的高阶统计方法相比,基于递归高阶统计的分割方法从高斯噪声背景中提取信息,由于利用了前ｎ帧图像的信息冗余度,递归高阶统计方法可以更有效地减少噪声,检测小目标,并且提高了目标的分割准确度,模拟试验结果显示,分割结果较好。     

基于双谱的噪声信号检测

传统的功率谱分析方法不能提供信号的高阶统计信息,在信号检测中无法有效地抑制噪声．本文根据高阶谱对高斯噪声是零响应的这一特性,提出了一种基于双谱的信号检测方法．通过实验仿真,结果表明：无论是对混有随机噪声还是高斯噪声的信号,在低信噪比的情况下,该方法均可获得比传统FFT方法更好的检测效果．     

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。     

Denoising of hyperspectral imagery by cubic smoothing spline in the wavelet domain

The acquired hyperspectral images （HSIs） are inherently attected by noise wlm Dano-varylng level, which cannot be removed easily by current approaches. In this study, a new denoising method is proposed for removing such kind of noise by smoothing spectral signals in the transformed multi- scale domain. Specifically, the proposed method includes three procedures： 1 ） applying a discrete wavelet transform （DWT） to each band; 2） performing cubic spline smoothing on each noisy coeffi- cient vector along the spectral axis; 3 ） reconstructing each band by an inverse DWT. In order to adapt to the band-varying noise statistics of HSIs, the noise covariance is estimated to control the smoothing degree at different spectra｜ positions. Generalized cross validation （GCV） is employed to choose the smoothing parameter during the optimization. The experimental results on simulated and real HSIs demonstrate that the proposed method can be well adapted to band-varying noise statistics of noisy HSIs and also can well preserve the spectral and spatial features.     

尖峰脉冲噪声下基于分数低阶统计量和函数变换的时延估计新算法

针对α稳定分布噪声环境下的时延估计问题,对最大似然加权估计法进行改进,给出了三种高效实用的新算法。首先,以分数低阶统计量为基础,提出了一种基于分数低阶统计量的最大似然时延估计算法(FLO-ML算法);其次,通过函数变换,提出了两种不依赖于分数低阶统计量的新算法(Log-ML算法和UDE-ML算法);进一步,本文还详细讨论了三种新算法的适用范围及计算复杂度。仿真分析表明,三种新算法均能在分数低阶α稳定分布噪声环境下实现准确的时延估计,其性能优于同类算法,同时三种新算法都能在传统高斯噪声环境下保持良好的稳健性。     

基于高阶累积量方法的非高斯非最小相位ARMA模型辨识

从利用高阶累积量对加性高斯噪声有色中非高斯过程辨识的基本理论出发,对近年来基于高阶统计量方法辨识非高斯、非最小相位ARMA模型的算法进行了分析和综述,阐明了借助高阶统计量方法可以克服传统的基于2阶统计量方法在解决此类问题中的缺陷,有效地解决非高斯、非最小相位系统的辨识问题。     

一种基于过采样技术的非最小相位系统盲辨识方法

提出了一种在时域中盲辨识非最小相位系统传递函数的方法,该方法通过对系统输出过采样来获得系统结构参数的信息.对于单输入单输出的线性离散系统,经过输出过采样后可以等价为单个输入、多个输出的传递函数模型,这多个输出函数具有相同的分母多项式和不同的分子多项式.采用子空间分解法可以确定分子多项式的参数,通过对系统输出信号自相关函数的处理可以得到分母多项式,最终可以得到原系统的结构参数.与传统高阶矩方法相比,该方法对噪声的敏感度更低,辨识的精度和速度也有很大提高.仿真结果表明,当信噪比大于15dB时,该方法可以有效地辨识出系统参数.与高阶矩方法相比,辨识门限信噪比降低了10dB,估计精度提高了20%,辨识速度加快了3倍.     

基于时空联合的水下运动目标检测方法

提出了一种基于时空联合的运动目标检测算法,考虑到四阶累计量对于噪声具有较好的抑制作用,利用帧差的四阶累计量来提取运动区域(运动模板),与传统基于背景噪声方差的阈值确定方法不同,采用单帧图像上的有效带宽作为阈值,从而消除诸如水草、海洋生物等引起的背景纹理缓慢变化.为了得到准确的分割对象,引入马尔可夫随机场,结合区域的时空属性,把对象分割问题转化为求取区域最小能量问题,对水下噪声起到了较好的抑制作用.实验结果表明该算法能够有效地检测出具有精确边缘的水下运动目标.