α稳定分布下基于SSCA算法的低阶循环谱算法

在α稳定分布下结合共变理论、循环平稳理论和分数低阶矩(FLOM)等理论,提出基于SSCA的低阶循环谱算法,分析了该算法中存在的循环泄露,并对调幅信号做实验仿真。结果表明在α稳定分布下二阶循环平稳信号的低阶循环谱密度和在高斯模型下的循环谱结构是一致的,但基于α稳定分布假定所设计的信号处理算法对信号噪声特性不确定情况具有较好的韧性和抗脉冲噪声性能。最后利用低阶循环谱提取了调制信号的特征参数,为复杂背景下的调制识别或者盲分离提供新的途径。     

Alpha稳定分布噪声环境下新的类RLS自适应算法

给出在分数低阶Alpha稳定分布环境中一种新的类RLS自适应算法.由于Alpha稳定分布信号不存在有限的二阶和二阶以上矩,因此用最小p范数准则代替了传统的最小均方准则,并利用矩阵求逆定理提出一种直接递推的类RLS算法,避免了以往类RLS算法中的IRLS迭代计算,从而使算法的计算复杂度大大降低.最后对几种自适应算法进行仿真,并对其收敛特性进行了分析.结果表明,算法的收敛速度明显快于LMP和NLMP算法.     

基于差分进化算法实现非高斯噪声下盲信号分离

简要介绍了稳定分布统计特性,推导了一种适用于α稳定分布噪声下盲信号分离的算法.该算法采用差分进化算法对目标函数自动寻优,求得分离矩阵,从而分离出信号.仿真结果表明:该算法分数低阶α稳定分布背景噪声条件下具有良好的分离效果.     

分数低阶α稳定分布噪声下EP潜伏期变化韧性自适应检测

依据分数低阶矩理论和信号噪声的特性，提出了一种自适应检测EP潜伏期变化的新方法，这种方法基于反正切函数的单调有界和奇对称特性，对误差信号Cn(k)进行非线性交换，抑制了EP信号中的分数低阶α稳定分布噪声，有效保留了信号成分，在高斯和分数低阶a稳定分布噪声条件下具有良好的韧性，且避免了动态估计信号噪声a参数的困难，利用这种方法动态检测EP潜伏期的变化，具有较高的估计精度和较快的收敛速度。     

基于分数低阶统计量的时延估计算法性能分析

传统的时延估计算法大多建立在高斯模型的基础上,利用信号的二阶、高阶估计量,可以得到理想的结果。然而,现实中的信号往往都处在非高斯环境下,如通信线路瞬间尖峰和环境噪声等,这一类信号的时域波形中存在一个明显的峰值,这时利用α稳定分布模型可以较好地表述非高斯脉冲信号和噪声。因此有必要对α稳定分布模型下的,基于分数低阶统计量(FLOS)的时延估计算法进行研究。通过调整参数取值得到的仿真结果,证明了在非高斯情况下,基于FLOS的时延估计算法相对于传统算法估计效果更好。     

一种基于分数低阶矩的α稳定分布噪声中频谱感知方案

针对在非高斯背景、主用户信息未知的条件下,传统的基于二阶统计量的频谱感知方法性能将出现退化或失效的问题,建立了以α稳定分布为背景噪声的频谱感知模型,给出了一种基于分数低阶矩的感知方法,较好地解决了非高斯背景中主用户先验信息未知条件下的频谱感知问题.同时,根据中心极限定理推导了感知门限与虚警概率的关系式,通过蒙特卡洛仿真分析了该算法在不同广义信噪比、特征指数α以及协作用户数条件下的感知性能,并与传统的感知方法进行比较.仿真结果表明,基于分数低阶矩的感知方法在α稳定分布背景噪声中的感知性能明显优于基于二阶统计量的能量检测,且采用多用户协作可以进一步提高感知性能.     

α稳定分布噪声下基于EM算法的多径时延估计算法

实际应用中大量非高斯信号和噪声具有显著的尖蜂脉冲特性.这类信号带宽较窄,采用传统高斯模型下基于相关运算的多径时间延迟方法进行时延估计时,会因各个峰值的相互重叠而带来较大的估计误差.为此,根据信号噪声特性,在α稳定分布模型下,提出一种基于EM方法的高分辨率多径时延估计算法(P-EM算法).新算法基于分数低阶统计量理论,采用p阶相关思想,具有在脉冲噪声环境下,比较准确估计多径时间延迟的能力.理论分析和计算机仿真表明了该算法的韧性.     

复杂背景下基于高斯模型和不变矩改进算法肤色检测

人脸肤色检测是当前研究的一个热点和难点。本文利用肤色高斯模型和不变矩的自动阈值肤色分割算法对复杂背景人脸肤色进行检测。首先对复杂背景下的人脸图片进行光照补偿,建立高斯肤色模型,利用基于梯度调整的矩不变算法进行人脸肤色检测,取得了很好的效果,实验证明是一种快速,有效,比较稳定的人脸肤色检测算法。     

基于非均匀分配高斯的模型压缩技术

本文阐述了基于状态绑定和高斯绑定的多种模型压缩方法,并在此基础上提出了非均匀分配高斯数目的模型压缩技术,比较了基于对数似然率、KL距离和贝叶斯信息准则三种不同的非均匀分配高斯数目方法,在WSJO数据库上进行了比较实验,结果表明,该技术能够在现有均匀分配高斯的模型压缩技术的基础上,进一步提升系统性能,而且不会带来系统复杂度的增加。     

基于多重分形模型的非高斯信号建模

在小波域中，研究了基于β分布、点集分布和β分布与点集分布的混合多重分形模型（β－MWM．pm-PWM和β－pmMWM）；运用相关性检测和多重分形奇异谱检验方法分析了这3种模型对实际的水声非高斯信号的逼近性能。探讨了非高斯信号的多重分形分布特性，将研究结果应用于水声噪声的分析中，发现其多重分形分 布与环境有密切的关系；应用于水声噪声的识别研究中，取得了较好的实验结果。     

一种基于FPGA的BPSK数字调制器的设计

提出了一种基于FPGA芯片及D/A转换器的频率可调、相位可控的BPSK数字调制器的实现方案,同时阐述了电路的设计思路和实现方法.经过软件仿真,输出波形达到了技术要求,控制灵活,性能较好,也证明了基于FPGA的BPSK数字调制器的可靠性和可行性.     

用脉冲计数和奇偶校验法解调BPSK信号

提出一种从经过高斯信道传输的BPSK信号中正确恢复原二进制码序列的方法。在一个码宽内对信号进行多次采样,如果采样值大于门限值则把该采样值记为＇1＇,反之记为0’。然后对每个码宽内分别计算’1’和‘0’的个数,当在一个码宽内‘1’的个数大于‘0’的个数时,该期间对应的就是‘1’码,否则为‘0’码。为了进一步减少误码,对脉冲计数进行了奇偶校验。通过理论分析和仿真结果,显示该方法可以有效地改善BER性能。     

基于谱相关的BOC＋BPSK混合调制信号的参数估计性能研究

针对卫星导航系统中BOC＋BPSK混合共用载频调制的现状,研究了基于频域平滑周期图法的BOC单频调制与BOC＋BPSK混合共用载频调制2种调制信号循环谱包络切面的特性,实现了对这2种调制信号的参数估计.仿真结果表明,基于谱相关的BOC＋BPSK混合共用载频调制时的参数估计性能与BOC单频调制时基本一致,验证了BOC信号叠加在传统BPSK导航信号上可有效实现频段共享.     

具有非线性传染率的SEIS传染病模型的分析

把SEIS传染病模型中的普遍双线性传染率改变为非线性传染率,同时改变SEIS模型中单一的常数输入人口A,使其以比例q划分,输入人口中qA为潜伏者,(1-q)A为易感者.针对改变后的模型,对系统正不变集内的疾病平衡点进行讨论,给出了在系统正不变集内决定疾病持续存在的基本再生数R1.得出传染病系统存在唯一地方病平衡点的充要条件是R11,并利用Liapunov函数证明了该地方病平衡点是全局渐近稳定的.讨论了改变常数输入A之后的传染病模型不存在疾病灭绝的无病平衡点,以及q变化时对模型中平衡点中各因素的影响.     

Weibull分布CE模型序进试验下逐次截尾的统计分析——应力为时间的一般线性关系

针对累积损伤模型,在序进应力下给出了逐次截尾试验下两参数Weibull分布在阿伦尼斯方程下和逆幂律方程下的极大似然估计．通过Monte-Carlo模拟考察了参数估计的精度,结果表明随着样本的增大,估计的精度逐渐提高．同时,在总样本量相同的条件下,截尾样本个数较小时,估计的精度有所提高．     

带扩散的具性别结构的捕食模型分析

建立了带扩散的并且食饵种群具有性别结构的捕食模型,应用特征子空间分解与线性化方法得到了弱耦合的偏微分方程组平衡点局部稳定性的充分条件,进一步利用上、下解方法和构造适当的Lyapunov泛函的方法分析平衡点的全局稳定性,得到了边界平衡点和正平衡点全局稳定的充分条件.     

对抗条件下水下目标分布模型研究

根据水下目标对抗来袭水下潜器的基本原则和典型态势,以正态分布模型为基础,推导了随机机动及机动并使用对抗器材2种情况下的目标位置分布模型．借助能够真实再现水下潜器攻击目标的完整攻防过程的仿真系统,记录对任一阵位对抗来袭水下潜器状态下的目标分布情况．仿真结果表明：文中给出的模型与仿真所得的分布情况一致,证明了其有效性和合理性,可进一步利用该分布模型为评估水下潜器攻击效果或规划水下潜器搜索策略提供支撑．     

基于泊松分布模型的蛋白质串联质谱鉴定算法研究

数据库搜索方法被广泛应用于蛋白质串联质谱的鉴定之中,该方法主要包括4部分:去同位素峰、选取有效峰、产生理论图谱、对理论图谱与实验图谱进行相似度打分.其中打分函数是数据库搜索方法的核心,在此基础上探究了一种基于泊松分布模型下的蛋白质串联质谱鉴定算法,并合理的融入了峰强度信息.为了验证该算法的有效性及可靠性,将该算法搜索结果与主流鉴定商业软件Mascot和Sequest在FDR为1%的条件下进行比较,基于泊松分布模型的蛋白质串联质谱鉴定算法具有更高的鉴定量和鲁棒性.     

混合加速寿命试验模型下威布尔分布参数的统计分析

在混合加速寿命试验模型（序进应力加速寿命试验和恒定应力加速寿命试验相结合）下，讨论了寿命分布为威布尔分布时的参数估计问题，给出了形状参数的逆矩估计以及加速系数的置信区间．并且随机模拟一组样本，验证了这个方法的有效性．