谱密度弱一致估计的若干充分条件

本文讨论实平稳正态序列的协方差与谱密度的一种新的估计法。得到渐近无编、弱一致估计的苦干充分条件，它明显优于常用的周期图加窗估计法。     

协方差函数与谱密度中的窗因子

本文从一般的角度讨论实平稳正态过程的协方差函数和谱密度的加窗因子估计法,得到了渐近无偏、弱一致估计的充要条件,并指出传统的周期图加窗的估计法是不可取的.     

基于频域平滑循环周期图法的直接序列扩频信号的参数估计

根据直接序列扩频(DS-SS)信号的传输特点,将其建立为循环平稳模型.利用基于频域平滑的周期图估计了DS-SS信号的码元速率、载波频率、初始时间和初始相位,提高了参数估计精度.在循环谱密度函数的数字实现过程中,用频域平滑后的循环周期图估计循环谱密度函数,推导了在有限数据条件下循环谱的对称式周期图估计和频域平滑对称式周期图估计的方差表达式,分析了经过频域平滑后的DS-SS信号参数估计方差和估计精度.最后,仿真实验验证了算法的有效性.     

漏缺数据平稳时间序列下的谱密度估计

在天文学和医学领域,非均匀抽样数据的谱什计已获得广泛研究.这些研究通常是在周期性的探测和决定性的信号环境里进行的.本文从另外的角度考虑估计漏缺数据平稳时间序列的谱密度,提出了一种渐近无偏的估计方法.使用模拟方法把它与古典周期图、LOMB周期图以及基于SVD的周期图进行对比,结果显示这种新方法很大程度上降低了偏差.     

基于谱分析下的时间序列的平稳性检验

将时间序列分为S个子序列片断,用周期图方法估计时间序列的谱密度,在此基础上用3σ原理和两因素方差分析比较各子序列的异同,用以分别检验时间序列的均值函数和协方差函数的平稳性.较其它方法避免了复杂的计算,同时给出了检验统计量和判别准则,克服了人为主观因素的影响.     

基于傅里叶分析的蛋白质编码区预测中功率谱密度计算方法研究

提出一种新的功率谱算法--多滑动窗周期图法.新算法和传统周期图功率谱密度算法在ALLSEQ和HMR195两个DNA序列集上进行了基因预测实验.以近似相关系数AC作为预测准确率测度,实验结果表明,新算法的预测准确率比基于传统周期图法的傅里叶分析基因预测算法有较大提高.     

时间延迟估计的循环相关法

依据离散时间序列的长度有限性,将其扩充为以序列长度为周期的周期序列,又依据周期序列的相关原理———循环相关,对信号进行时间延迟估计.由于循环相关的平稳特性,即使在较大延迟量存在的情况下,仍然能够达到准确的时延估计效果.模拟得到了不同强度的高斯噪声或不同时间延迟量下的广义相关能量图和循环相关能量图.模拟实验结果表明,在低信噪比或大延迟量的环境下,循环相关时延估计方法比广义相关时延估计方法具有明显的优势.     

一种检验独立平稳时间序列谱密度一致性的方法

主要讨论两个独立平稳时间序列谱密度一致性检验问题.根据周期图的分布性质,构造了新的检验统计量,在两个谱密度相等的假设下,得到统计量渐进服从正态分布.模拟显示:本文统计量的经验势优于Dette et al的统计量.对8组Frmi(功能性磁共振成像)血液氧化水平信号进行谱密度的一致性检验,发现本文的检验统计量比Dette et al中的统计量有效.     

经过线性变换的平稳序列的谱函数和谱密度

平稳序列是时间序列研究的主要内容,而平稳序列的统计特性在自协方差函数中可以得到充分体现,时间序列分析的重要特点之一是利用自协方差函数研究平稳时间序列的统计性质,而平稳序列的谱函数或谱密度与其自协方差函数有着非常密切的关系.即平稳序列的统计性质可以由其谱分布函数或谱密度函数刻画.文章主要研究了经过线性变换之后的平稳序列的谱密度与谱函数问题.     

不相关平稳序列的谱函数与谱密度

平稳序列是时间序列研究的主要内容,而平稳序列的统计特性在自协方差函数中可以得到充分体现,时间序列分析的重要特点之一是利用自协方差函数研究平稳时间序列的统计性质,而平稳序列的谱函数或谱密度与其自协方差函数有着非常密切的关系,即平稳序列的统计性质可以由其谱分布函数或谱密度函数刻画.本文主要研究了不相关平稳序列的谱密度与谱函数问题.     

基于压缩信号特征值分解的超宽带码序列估计算法

针对脉冲超宽带通信中码序列盲估计问题,根据超宽带信号为时域极窄脉冲这一主要特点,提出了一种适于较低采样率下基于特征值分解的码序列盲估计算法。结合压缩传感理论,首先利用压缩测量矩阵将信号维度降低,然后按字符周期将接收到的UWB信号截取成若干等长的时间窗,分段积累得到压缩后信号协方差矩阵的估计值,进而通过对于协方差矩阵的特征值分解得到码序列的估计,同时进一步根据所得特征值得到接收信号符号帧级的时间偏移量估计。实验验证表明,该方法可以以较低采样率,在低信噪比条件下较好地完成接收信号的码序列估计。     

基于谱序列变换的高精度谐波参数估计算法

基于高精度谐波分析是电力系统谐波污染治理的前提,由于频谱泄漏的影响,经典的谐波分析算法存在参数估计精度不高、计算复杂度较大等问题,为此,在分析信号谱线衰减特征的基础上,提出一种基于谱序列变换的高精度谐波参数分析算法。该算法通过对信号进行FFT运算得到谱序列并对其实施特定的加权变换,加速非真实频率处谱线的衰减速度,从而达到有效抑制频谱泄漏的目的,在此基础上推导谐波幅值和相位的计算公式。研究结果表明,与经典的加窗插值算法和FFT改进算法相比,所提出的算法所得谐波参数估计精度显著提高,且其在基波频率变化及间谐波条件下均表现出优良的估计性能;此外,与经典的加窗插值算法相比,新算法只需对谱序列进行简单处理,具有计算复杂度低的优点。     

基于高阶矩形卷积窗的多频信号参数估计

非同步采样多频信号后,为了减少对信号进行快速傅里叶变换(FFT)而出现的频谱泄漏和栅栏效应等负面影响,设计了一种高阶矩形卷积窗与三谱线插值相结合的信号参数估计方法,推导了多频信号频率、幅值和相位的估计公式,并利用多项式拟合出相应的关系表达式.利用高阶矩形卷积窗+三谱线插值算法、FFT和加Hanning窗算法进行多频信号参数估计对比仿真实验,实验结果表明,对于多频信号的频率和幅值,高阶矩形卷积窗+三谱线插值算法比FFT和加Hanning窗算法的估计精度更高.     

循环谱密度估计的最大似然滤波器法

针对周期平稳随机过程的循环谱密度的估计过去主要采用时域平均周期图法和频域平滑周期图法,特别归短数据时,上述方法的分辨率很低,方差极大,提出了循环谱密度估计的最大似然滤波器法,并作了改进。该方法不仅具有很高的分辨率,而且估计的方差也很小,具有较好的估计性能。     

非同步采样信号频谱插值校正分析法

针对周期信号实际的非同步采样,提出一种频谱插值校正的分析法.经分析周期信号不同步采样时产生的频谱泄漏是由于截断信号与原始待分析信号的相位关系发生了变化.利用加窗插值的方法估计出该变化的相位,并利用估计结果构造出一相应的反相位函数,在时域上将这个反相位函数与由傅立叶反变换产生的离散序列相乘,得到新序列再通过一次傅立叶变换就可达到频谱校正的效果.分析、仿真和实验的结果验证了提出方法的有效性,表明所提出方法提高了不同步采样时周期信号频谱分析的精度.     

利用频谱峰值特征的窄带频谱感知方法

针对全盲条件下窄带频谱感知在低信噪比时性能不理想的问题,提出了一种基于频谱峰值局部密度的频谱感知(MTSE-MLD)方法。该方法对接收信号采用多窗谱(MTSE)估计功率谱,提取其最大值组成峰值序列,借鉴聚类思想利用频谱峰值局部密度的最大值(MLD)作为检测统计量,理论推导并仿真验证了其服从Ⅱ型极值分布,从而得到给定虚警概率下的检测门限,实现信号的盲检测。实验结果表明:MTSE-MLD方法无需任何先验信息,对噪声方差不敏感,适用于加性高斯白噪声信道与多径衰落信道下通信信号的检测;在数据量相同的条件下,与特征值能量法相比性能提高了1dB。     

随机广义概周期序列

运用随机多项式的界估计,研究了一般随机广义概周期序列,得到了一般随机序列是H．a．p序列和R．a．p序列且谱是空集的一个充分条件．     

基于混沌码的直接序列超宽带信号功率谱研究

为了减小超宽带通信系统对其他通信系统造成的干扰,将混沌扩频序列引入到直接序列超宽带信号(DS-UWB:Direct Sequence-Ultra WideBand)通信系统中,推导了DS-UWB信号的功率谱密度.应用Matlab仿真工具作出3种不同扩频序列的PAM-DS-UWB(Pulse Amplitude Modulation-Direct Sequence-Ultra WideBand)信号的功率谱密度图,分析了不同的混沌扩频序列对功率谱密度分布的影响.仿真结果表明,与传统的Gold扩频序列相比,引入混沌扩频序列的PAM-DS-UWB信号的功率在整个频谱中分布更广,Logistic混沌扩频序列和Chebyshev混沌扩频序列的PAM-DS-UWB信号功率谱密度峰值分别约为Gold序列的PAM-DS-UWB信号功率谱密度峰值的1/2和2/3.     

基于加窗插值FFT和原子分解的间谐波检测算法

间谐波除了具有谐波危害外,还具有其自身特性带来的电压闪变、继电器误动作等多种危害,因此准确检测间谐波对电网安全运行具有重要意义.在分析加窗插值FFT和原子分解算法优缺点的基础上,提出两种算法相结合的间谐波检测算法.算法首先对加Hanning窗信号进行FFT分析,求得峰值谱线及其两侧谱线值.然后根据幅值判断法判断是否存在谱线干涉.若存在谱线干涉,则使用原子分解算法估计信号参数;若不存在谱线干涉,则使用加窗插值FFT算法对信号参数进行检测.仿真结果表明,算法在检测谐波、间谐波时,频率分辨率高于加窗插值FFT算法,计算量小于原子分解算法.     

混合自回归模型的谱密度计算

线性时间序列模型谱密度的计算可以直接由定义获得,而非线性时间序列模型谱密度的计算目前还没有一般的理论.文献[3]将AR模型推广到MAR模型,并且讨论了该模型的参数估计及模型选择问题.文献[5]给出了计算该模型谱密度的算法.本文利用该模型谱密度的"算法",讨论模型在一些常见情形下,谱密度的具体表达式.