二维正弦信号频率估计的ESPRIT方法研究

为了在噪声背景下估计二维正弦信号的频率,并获得较高的估计精度,给出了二维相关阵的大特征值所对应的主特征向量,位于由信号向量张成的信号子空间的结论,并因此提出了一种新的基于最大特征值所对应的第1特征向量的二维谐波频率估计ESPRIT(Estimation of Signal Parameters Via Rotational Invariance Techniques)方法.该方法用此第1特征向量构造一个特殊矩阵代替MEMP(Matrix Enhancement and Matrix Pencil)方法中的数据矩阵,进一步用二维ESPRIT方法来估计谐波频率.该方法依赖于信号子空间,对噪声和数据长度敏感性小,同时它不需进行谱峰搜索,可以得到较高的估计精度.同时给出了较为简便的频率配对算法.仿真实验证明了算法的正确性.     

相关乘性和加性噪声背景下的二维谐波恢复

针对乘性噪声和加性噪声均为零均值,且乘性噪声之间相关,乘性噪声和加性噪声之间也相关,这种复杂噪声背景下的二维谐波恢复问题,利用二维循环统计量方法进行了研究.提出了二维噪声互可混的概念,用来体现多个二维噪声之间的相关关系;定义了特殊的二维四阶时间平均多矩谱来估计信号频率.仿真实验证明了算法的有效性.     

非零均值乘法噪声背景下二维谐波自耦合分析

利用二维循环统计量方法对二维平稳乘性噪声与二维平稳加性噪声共存情况下的二维谐波的自耦合问题作了分析。定义了二维时间平均多矩谱和二维比例多周期图算法，运用该算法讨论了二维谐波频率对的^阶自耦合问题。以提取出2次及3次耦合信号中参与自耦合频率为例进行了仿真实验，结果表明：该算法能有效地提取出耦合信号中参与自耦合的频率。     

SαS噪声环境下的宽带信号二维波达方向估计算法

为克服在SαS噪声环境下的DOA估计方法没有考虑宽带信号的情况,在分析SαS噪声环境下宽带信号阵列输出矩阵性质的基础上,将时域方法与频域方法有机结合起来,通过构造L型阵列的各频带的分数阶累计量,将一维宽带信号阵列模型拓展到二维,并利用CSM聚焦算法,通过k个聚焦矩阵T(fk)把不同频率处的方向矩阵变换到同一参考频率f0下的矩阵,采用改进的分数低阶矩阵(MFLOM)来作为共变矩阵的估计子.实现了SαS噪声环境下的宽带信号的二维波达角估计,通过仿真分析证明了该算法的有效性.     

二维信号Hilbert-Huang变换时频谱研究

Hilbert-Huang变换(HHT)自适应时频分析是处理非平稳数据较为有效的新方法.根据一维Hilbert-Huang变换信号时频谱变换原理,研究了二维信号的分解和时频谱分析方法.通过把二维信号按指定方向进行一维分解和时频谱变换,构造出二维信号时间(空间)-频率-能量谱图,使二维信号在指定方向的时频特性能正确地显示出来,从而拓展了Hilbert-Huang变换的应用范围.该方法为分析非平稳二维信号提供了新的工具.     

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。     

二维频率估计的多阶段分解算法

研究了加性白Gauss噪声中的二维频率估计问题.基于旋转不变性和矩阵伪逆的双正交性，提出了一种新颖的迭代算法，它在每一步迭代过程中得到一个二维频率分量.通过系统化的多阶段分解和重构可以得到所有的二维频率分量，并且所得的二维频率自动配对.同时利用循环最小化的思想研究了算法的全局收敛性.仿真实验表明了所给算法的有效性和优越性.     

信号相位匹配原理的正弦信号参数的最小二乘估计

根据信号相位匹配原理,提出了一种正弦信号频率、振幅和相位参数的最小二乘估计方法.推导了利用单传感器接收信号的参数估计的最小二乘估计计算公式,给出了已知频带内的未知频率,振幅和相位的信号参数估计的搜索算法.分析了最小二乘法使用的方程数、信噪比和采样频率确定后FFT的序列长度对参数估计精度的影响.理论和仿真结果说明,该方法不仅能降低估计频率带宽以外的噪声,而且还可降低被估计频率信号带宽内的噪声,提高了低信噪比时的信号参数估计精度.该算法简单、快速,具有工程应用前景.     

复杂噪声中基于累积量的二维DOA估计

针对自相关算法的局限性,研究了复杂环境(乘法与加法观测噪声共存时)中,通过高阶累积量对二维DOA估计的问题.算法能同时确定目标的仰角与方位角;高阶累积量使得算法能够更加有效抑制消除乘法噪声.该方法对任何平稳的加性与乘性噪声均不敏感,因而具有较大的实用性.     

平面阵列的半实值MUSIC波达方向估计算法

针对二维波达方向(DOA)估计算法运算量大的问题,基于平面阵列提出一种优化后的半实值MUSIC算法,将问题转化为对目标与x轴、y轴的2个夹角的估计,首先提取接收信号协方差矩阵的实部,并对其特征值分解得到噪声子空间;利用Kronecker积降维得到搜索区域减半的MUSIC谱,估计入射方向与x轴夹角;接着利用最小二乘法得到目标与y轴夹角的估计值;最后根据角度的对应关系方程求得二维DOA的估计值。仿真结果表明,该算法在保证精度的同时显著减小了运算量,且算法估计性能与常规MUSIC算法相当。     

高分辩率谐波恢复的互四阶累计量的Pisarenko方法

互高阶谱估计是抑制混合色噪声的一种有效方法。为此提出了一种混合色噪声背景下谐波恢复的互四阶累积量的Pisarenko方法。仿真结果表明，该方法可同时抑制各信道间相关的高斯色噪声及相互独立的任意色噪声的影响，在混合色噪声和很低信噪比条件下谱估计的分辨率和对混合色噪声的抑制等方面均明显优于自高阶谱方法。     

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。     

有色噪声中随机相位信号的检测研究

提出了一种在有色噪声背景下检测随机相位信号的一种新方法．将有色噪声背景下含噪观测量的功率谱化为白噪声背景下的含噪观测量的功率谱，从而构造出与原被测信号具有相同频率的白噪声背景下的信号，然后利用现有的白噪声背景下的方法进行随机相位信号的检测．     

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。     

基于高阶统计量方法的ARMA模型功率谱估计在设备故障诊断中的应用

为了消除或衰减加在机械故障信号上的有色高斯噪声,更好地对信号功率谱进行估计,提出了基于高阶统计量方法的ARMA模型功率谱估计方法。该方法依据是高阶统计量对高斯噪声不敏感的特性。仿真结果表明,该方法能有效的抑制高斯有色噪声的干扰。     

空间噪声和Langevin方程的Monte Carlo模拟

为了能够模拟Langevin方程中具有任意关联的色噪声,克服由于不知道产生色噪声的微分方程而无法模拟的缺点,该文给出了一个模拟色噪声的方法。在离散的Fourier空间中产生一个噪声序列,再经过离散Fourier逆变换得到所需要的色噪声序列。该方法也适用于模拟空间噪声。以一维时间色噪声以及二维空间短程关联的噪声为例,讨论了用离散Fourier变换来产生色噪声的具体方法。用该方法得到的噪声实际关联,能够与理论值较好地吻合。     

基于小波变换的飞行数据清洗

飞行数据因为野点和噪声的存在给其进一步处理和利用造成了困难。提出了一种基于小波变换残差直方图分析的野点识别方法,能在时间域内精确定位野点,并具有识别少量成片野点的能力。根据飞行数据噪声的特点及去噪要求,在去噪的过程中引入边缘检测,提出了分二进小波尺度乘积和小波阈值收缩两个步骤进行去噪的方法,从而在去噪的同时很好地保留了序列极值点的特性。实验结果表明本文所提方法对飞行数据中存在的质量问题具有较好的清洗效果,野点识别准确,去噪效果良好,并且对类似其它数据的处理也有一定的应用参考价值。     

加权互谱估计方法研究及应用

在众多的谱估计算法中，互谱方法是用于色噪声背景下参量估计的一种十分有效的方法。通过对旋转不变技术估计信号参量的方法进行了深入的分析，提出基于ESPRIT的加权互谱估计方法来估计正信号的频率。这种方法避免了以往互谱在整个频域上的搜索以及克服了自谱ESPRIT估计方法对噪声的严格限制(要求噪声为白色高斯噪声)。将本文方法应用于Inv级正弦信号现代互谱测量仪，从仿真结果可看出本文方法不仅分辨率高，而且旁瓣电平很低，没有伪峰。     

基于L-曲线正则化的MAP超分辨率图像复原

提出一种基于L 曲线正则化参数选择方法的最大后验 概率超分辨率图像复原算法. 该方法将最大后验概率估计和L-曲线正则化参数选择方法相结合, 可以有效地减少和去除复原图像中的噪声, 提高图像复原质量, 并具有较好的超分辨率复原能力.