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。     

一种正弦波信号频率幅值的高精度估计方法

为了提高正弦波信号频率和幅值的频域估计精度,提出了窗函数迭代逼近方法.Matlab仿真结果表明,该方法切实可行,估计精度可以提高4~5个数量级,且与频率偏差δ基本无关.     

色噪声背景下弱信号频率估计互谱方法研究

现代互谱估计是抑制有色观测噪声的一种有效方法.本文针对旋转不变技术来估计信号参量的方法进行了深入的分析,进而提出了在有色观测噪声背景下,基于最小二乘技术的信号估计的互谱ESPRIT方法。这种方法的突出特点是不需要任何色噪声的先验信息准确地估计出待估计信号,不仅避免了以往互谱估计本身所固有的在整个频域上的谱峰搜索,而且克服了自谱ESPRIT估计方法对噪声的严格限制（要求噪声为白色高斯噪声）。可直接通过特征值确定信号参数估计值。本文方法只需两次SVD分解,计算量大大降低。仿真结果表明,该方法具有较好的谱估计分辨率和良好的稳定性。     

一种基于窄带自相关的实信号频率估计算法

单频含噪实正弦信号的自相关函数和其原信号的频率一致,且自相关可去除一部分噪声影响,因此基于自相关的频率估计算法一直备受关注。由于自相关可以从时域获得也可以从频域获得,基于自相关的频率估计算法有比较简单的基于时域的方法和性能比较好的基于频域的算法。结合时域和频域自相关的特点,提出一种基于窄带自相关的实信号频率估计算法,该算法在频域进行谱峰搜索后,利用信号的窄带功率谱来计算自相关,进而用简单的时域自相关的改进协方差算法(modified covariance,MC)来得到频率估计,推导出频率估计闭式解。仿真结果表明该算法性能优于传统的自相关时域算法和频域算法,在信噪比高于-7 dB时就能逼近CRB界。     

短时同频等长信号频率估计的加权融合算法

针对低信噪比条件下短时正弦信号的高精度频率估计问题,提出一种同频等长信号加权融合算法。首先,建立同频等长信号频谱模型,构造具有相位连续化特性和噪声对消特性的相位补偿矩阵;然后,利用相位补偿矩阵对同频等长信号频谱进行加权融合,使之基本达到与其总长度相等的相位连续信号频谱的分析效果;最后,谱峰搜索加权融合后的频谱,获得高精度的频率估计值。算法分析与仿真实验表明,与现有方法相比,本算法精度较高,计算量较小,抗噪性较强,普适性好,适用于任意类型的同频等长信号。     

任意分布冲击噪声背景下基于ESPRIT的DOA估计方法

针对冲击噪声背景下的传统波达方向(DOA)估计算法性能下降的问题,该文提出一种适用于任意分布冲击噪声的无穷范数归一化旋转不变子空间(Inf-ESPRIT)算法.该方法首先对阵列接收的快拍数据进行无穷范数归一化处理,然后对伪协方差矩阵进行特征分析,利用ESPRIT算法实现DOA的估计.与传统的基于分数低阶矩的方法相比,该算法具有以下优势:适用于多种不同分布的冲击噪声环境,无需已知冲击噪声特征指数的先验信息或估计值,可以获得更好的估计性能.计算机仿真实验证明了所提算法的有效性.     

高斯白噪声中单频复正弦信号频率估计新方法

提出了一种高质量的正弦频率估计新方法，该方法的主要思想是：先对信号自相关矩阵进行特征值分解(Eigen value decompose简称EVD)，找到最大特征值，尔后按一定规律构造一个非对称的相关阵，对其进行奇异值分解(Singular value dedecompose简称SVD)，选取最小奇异值对应的奇异矢量，利用类似于Pisarenko谱估计方法的计算公式直接进行频率估计。模拟实验表明，在低信噪比(SNR)、短时数据下，利用这种方法进行单频复正弦频率估计，其分辨率和统计稳定性明显优于常规的MUSIC方法。     

复杂信号环境下的鲁棒卡尔曼滤波算法

该文提出一种有效减小全球导航卫星系统接收机在复杂信号环境下定位误差的鲁棒卡尔曼滤波算法。该算法对基于高斯白噪声模型的传统Kalman进行了改进,引入了污染分布,并提出了一种基于加权组合正态分布模型下的滤波算法。同时利用矩估计理论对算法中的污染率给出了一种在线估计方法。通过模拟数据和真实采集信号的测试证明,本文提出的算法可在线对污染率进行准确稳定的估计,抑制粗差的效果明显优于传统Kalman滤波算法,定位误差显著减小。     

一种对直序扩频信号参数估计的自适应算法

目的 提出一种伪随机噪声（ＰＲＮ）码调制的准正弦信号参数估计的自适应搜索方法。方法 采用矩和自适应变化率调节的步长对信号的多普勒频移和时延进行搜索。结果 缩短了搜索时间,而且对噪声也表现出一定程度的不敏感性。结论 所提出的算法改善了参数估计性能。     

改进的匹配追踪在方波信号滤波中的应用

为了克服常规滤波方法对方波信号滤波能力的不足,实现对方波信号的精确滤波,提出了一种改进的匹配追踪算法。针对方波信号特征,构建了与方波信号匹配而对噪声不敏感的方波原子;基于正交匹配追踪,并吸收子空间追踪的回溯思想,改进了最优原子选择方法;鉴于有用信号与噪声信号的能量差异,使用了一种自适应迭代停止标准,能准确找到有用信号和噪声的临界点,解决噪声能量未知的预估问题。对不同信噪比下的仿真方波信号进行滤波,经实测验证,所提方法在信噪比和均方误差方面都优于常规去噪算法,且保留了方波的特征,适用于方波信号的滤波。     

Haar小波的离散化消噪方法及其应用

介绍一种Haar小波离散化消噪方法,并应用该方法进行信号和图像消噪处理.首先将信号或图像用该方法实现计算机的离散化抽样取点,然后结合小波阈值方对含噪信号或图像用Haar小波作消噪处理,并进行离散平滑,实现连续小波离散化处理.该方法对信号和图像的消噪处理的效果好,具有广泛应用的价值.     

冲击噪声背景下一种稳健自适应波束形成算法

 针对冲击噪声背景下,常规波束形成算法性能下降的问题,本文提出了一种适用于任意未知统计特性的代数拖尾冲击噪声环境下的基于归一化的线性约束正交投影(NLCOP)算法。该算法通过对输入信号进行无穷范数归一化,使变换信号的协方差矩阵在代数拖尾的冲击噪声环境下存在且有界,将自适应权矢量约束于噪声子空间,提高了波束形成器在冲击噪声背景下的性能。NLCOP算法无需噪声特征指数的先验信息,具有更低的副瓣电平且干扰抑制能力强。仿真结果验证了该算法的有效性。     

噪声信号极点估计的一般方法

建立了阻尼指数和信号的状态空间模型，提出了噪声中阻尼指数和信号极点估计的状态空间方法；基于输出方程和状态方程的估计算法，证明了矩阵预测方法等价于状态空间方法的算法二，从而使Ｐｒｏｎｙ方法，Ｋ－Ｔ方法，矩阵束方法以及矩阵预测方法在状态空间意义之下得到统一。     

基于特征量提取的输气管道微泄漏检测

输气管道音波法泄漏检测采集得到的信号不仅包含有用的泄漏信号,而且包含背景噪声和各种干扰信号,因此信号的识别和特征量提取尤为重要。基于此情况,采用相关性分析的方法对传感器采集的信号进行处理并得到有效特征量,传感器采集得到的信号包括泄漏信号、敲击信号、压缩机启停信号、减压阀开关信号。相关性分析采用相关函数和协方差函数实现,相关函数可以得到各种信号的自相关和互相关特征,协方差函数可以得到各种信号的自协方差和互协方差特征。同时对信号进行整体峰度计算,并设置整体峰度阈值。研究结果表明:信号的相关性分析可以对输气管道微泄漏进行检测,同时对诸如减压阀操作、压缩机启停、敲击等干扰因素可以通过相关函数数值从背景噪声中识别;在不确定是否存在干扰信号的前提下,通过相关分析从背景噪声中提取泄漏信号或干扰信号,并对信号进行整体峰度值计算,若整体峰度值高于阈值,则认为泄漏发生,提高了音波泄漏检测的准确性。     

基于贝叶斯估计的复小波域图像去噪

基于对偶树复小波变换和贝叶斯估计技术，提出了一种图像噪声去除方法．与常用的离散二进小波变换相比，该方法具有逼近的移不变性和更多的方向选择性，有利于特征的跟踪、定位和保留．结合贝叶斯估计技术和自适应分布参数确定方法，给出了有效的图像去噪算法．结果表明，该方法去除噪声彻底，边界、纹理等特征保留较好．     

极大阈值网络中的噪声提高Fisher信息

基于Fisher信息研究了3种典型噪声下极大阈值网络中的随机谐振和阈上随机谐振现象.通过研究得到极大阈值网络中的噪声能够提高Fisher信息,即随机谐振和阈上随机谐振现象存在,噪声有助于信号的估计.随着网络中阈值单元数的增加,Fisher信息的最大值迅速地增加,随机谐振和阈上随机谐振的功效显著增强.这些结果说明极大阈值网络中的随机谐振和阈上随机谐振对于噪声具有一定的鲁棒性,同时也拓展了随机谐振和阈上随机谐振在信号估计方面的应用.     

基于双阵元的宽带相干信源数估计

不同噪声条件下,宽带相干信源数估计是阵列信号处理中的难点问题.本文针对宽带信号的特点,利用虚拟阵列扩展技术,将宽带信号的不同频率成分虚拟为不同间距的虚拟阵元,通过空间平滑削弱信号之间的相干性.但由于噪声的功率谱非严格平坦,虚拟阵列协方差矩阵的噪声特征值发散程度严重,经典的信息论方法完全失效.基于对角加载技术,提出了一种新的加载量,有效地平滑了噪声特征值,减弱了其发散程度,并在此基础上利用比率准则改进了信息论方法,实现了两阵元对多个信源的数目估计.仿真实验表明,改进后的方法在白噪声和色噪声条件下均具有较好的性能,优于盖氏圆方法.     

基于三阶累积量一维切片的微地震信号时延估计

由于微地震有效信号易受环境噪声的干扰,严重影响时延估计值获取的准确性.基于此,提出了基于三阶累积量一维切片的方法进行微地震信号时延估计.首先计算信号的三阶自累积量和互累积量,为减少运算量满足野外实时要求取其一维切片,最终通过准则函数求取时延值.相对于传统的互相关方法,该方法对相关性未知的高斯噪声具有不敏感的特点,对相关高斯噪声有更强的抑制能力.仿真结果表明,在添加信噪比为-5~15dB的随机高斯噪声和相关高斯噪声时,其时延检测概率和均方根误差优于互相关方法.在实际资料应用中,对实际微地震噪声进行了概率分布统计分析,并且基于井地联合监测方式,选取井中信号作为参考道对地面资料进行时延值的求取.仿真和实际资料处理验证了该方法的有效性和实用性.     

微电机噪声信号的小波包分析与故障检测

电机运转噪声中包含了电机状态的信息,分析了微电机的噪声源及噪声信号特征,基于最优小波包基和Donoho软阈值消噪方法对一组微电机标准信号和故障信号进行了消噪处理,比较低频信号成分的功率谱得出故障特征频率,从而确定电机故障,结果表明该方法能有效实现对电机的故障检测.