基于广义尤拉-沃克方程的白化滤波器

α-稳定分布可以更好地描述实际应用中所遇到的具有显著脉冲特性的随机信号和噪声,α稳定分布没有统一闭式的概率密度函数,其二阶及二阶以上统计量均不存在。描述了稳定分布的谱表示,提出了一种不同于二阶过程功率谱的共变谱密度概念,得到一种基于共变谱的稳定分布白噪声的概念及其判断标准,对传统意义上的白噪声进行了广义化,提出了一种新的预测反卷积广义尤拉-沃克方程及白化滤波器模型。计算机模拟表明,这种算法是一种具有良好韧性的白化滤波方法,是对传统的二阶统计量基础上的白化滤波方法的改造与推广。     

广义分数低阶协方差谱及谐波频率估计

为了进一步探索a稳定分布的谱定义,该文提出了广义分数低阶协方差谱的概念,它对a稳定分布随机过程作非线性变换,使变换后的随机过程存在二阶统计量,从而可运用Fourier变换作频域分析.变换函数可以是对数型、Sigmoid型、反正切型等,这些变换函数不依赖于对特征指数a的先验知识的了解或估计,便于工程应用.计算机仿真表明,这些广义分数低阶谱在a稳定分布噪声条件下具有良好韧性,能够对谐波信号频率进行有效识别.     

基于分数低阶统计量的水下目标定向新方法

针对传统方法对阵列信号处理所研究的噪声采用高斯分布的模型来进行描述,当噪声存在显著的尖峰时,不能得到满意结果的问题。利用稳定分布对实际中所遇到的具有较大脉冲特性的随机噪声进行建模,分析了共变在阵列信号处理中的不足,利用已有的矢量水听器模型建立一种水下目标定向系统,提出了一种基于分数阶相关的水下目标定向算法。仿真表明这种算法是一种在高斯和分数低阶α-稳定分布噪声条件下具有良好韧性的水下目标定向算法,相对共变而言,分数阶相关具有更宽的噪声特征指数范围,更适用于实际应用。     

基于稳定分布模型的自适应阵列信号处理新方法

传统方法常对阵列信号处理所研究的噪声采用高斯分布的模型进行描述,但当噪声存在显著的尖峰时,往往不能得到满意的结果。利用稳定分布建模实际中所遇到的具有较大脉冲特性的随机噪声,综述了稳定分布模型下的信源定位、波达方向估计、波束形成等阵列信号处理方法,并利用分数低阶统计量提出了几种较有韧性的阵列信号处理新方法。仿真表明它们在高斯和低阶α稳定分布噪声条件下,具有良好韧性与有效性。