噪声中已知信号的有限样本Robust检测

本文采用了一个新的噪声模型■与经典的噪声模型相比,该模型能更客观、全面地反映实际噪声的分布情况。针对该模型求得了噪声中己知信号的有限样本Robust检测器,研究了它的应用范围,分析了它的性能。结果表明,它在总体上比参数检测器更优越。     

噪声中已知信号的Robust-M检测

本文针对噪声模型 F={f(x)|∫_(-∞)~(+∞)|f(x)-p(x)|dx≤ε,f(x)=f(-x)}求得了噪声中已知信号的又一种Robust检测器——Robust-M检测器。该检测器克服了有限样本检测器不能检测微弱信号的局限。理论分析表明,只要样本客量N足够大,它可用于检测任意微弱的信号。本文通过计算机模拟对Robust-M检测器与参数检测器的性能进行了比较,结果表明,当噪声变化时,Robust-M检测器稳定性更好,性能更可靠。     

Robust序贯检测及窄带随机相位信号的Robust M-检测

Robust检测是信号检测的一个新分支,不仅可用于已知信号的检测,还可用于随机信号与随机参量信号的检测等方面.本文首先讨论将序贯检测方式引入有限样本的Robust检测,导出Robust序贯概率比检测器RSPRT,证明其具有提高信号处理速度和节约平均样本等优点.本文还针对雷达和声纳系统常遇到的窄带随机相位信号,研究如何利用位置参数M-估计方法和理论,导出了窄带随机相位信号的Robust M-检测器,经过计算机模拟证明具有良好的Robust性.     

ρ混合非高斯噪声中的二维随机信号的无记忆检测

考察了ρ混合非高斯噪声中的二维随机信号的无记忆检测问题，对其检测性能进行了讨论。并假定噪声的二元分布密度能用一个无究级数展开式来表示，得出了非线性函数的级数展开表达式，展式的系数在对渐近相对效率极大化时得到。     

噪声随机信号的检测与分析

信号检测是现代信忠理论的一个重要分支．介绍噪声中随机信号的检测，分析对高斯信号的检测，并从Mallat算法出发，分析小波技术应用于声源检测与故障诊断的具体途径和实现方法．     

基于双谱的噪声信号检测

传统的功率谱分析方法不能提供信号的高阶统计信息,在信号检测中无法有效地抑制噪声．本文根据高阶谱对高斯噪声是零响应的这一特性,提出了一种基于双谱的信号检测方法．通过实验仿真,结果表明：无论是对混有随机噪声还是高斯噪声的信号,在低信噪比的情况下,该方法均可获得比传统FFT方法更好的检测效果．     

高斯白噪背景下的直扩信号检测

证明了直接扩频信号短时傅立叶谱的周期性，利用自适应滤波器提取周期，根据周期的有无来判断是否存在扩频信号的发送。经过计算机仿真，表明这种方法可用于直扩信号的侦察。     

脉冲噪声下基于Robust STFT的LFM信号检测与参数估计

针对传统的基于时频的线性调频(LFM)信号检测和参数估计方法在脉冲噪声环境下失效的问题,提出了一种新的对脉冲噪声不敏感的鲁棒短时傅里叶变换(Robust STFT)LFM信号检测和参数估计方法.该方法首先计算含噪声LFM信号的鲁棒短时傅里叶变换,由于鲁棒STFT对脉冲噪声不敏感,时频平面上呈斜线分布的LFM信号的时频特征仍然被保留.基于Radon变换在时频平面上进行直线积分,实现了信号检测和参数估计.仿真结果验证了该方法的有效性.     

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.     

加性白噪声环境下语音特征参数鲁棒性的研究

随着说话人识别技术的发展,实用有效的说话人识别系统越来越成为研究的重点。语音特征参数的鲁棒性直接影响一个说话人识别系统的具体性能,过去主要针对移动通信环境下存在信道失真的问题,研究差分倒谱的鲁棒性。文中则主要在加性白噪声环境下研究M el倒谱参数、M el差分倒谱参数的顽健性以及它们经过倒谱系数零均值化(CMN)处理后识别性能的改进。从仿真结果可以看出:在加性白噪声环境下,差分倒谱参数具有很好的鲁棒性;倒谱系数零均值化能有效的除去加性白噪声。     

Pipeline ADC的噪声与采样电容的关系

介绍了Pipeline ADC噪声与电容的关系及减小噪声的方法,并以10位ADC为例通过噪声计算电容．ADC的主要噪声源是量化噪声和热噪声．量化噪声主要决定ADC的精度．热噪声限制了ADC的信噪比,是提高精度的主要瓶颈．可以通过增大电容来减小．     

线性滤波器的信噪比最佳输出

本文提出了一种新的计算线性滤波器输出信器嗓比的方法,经验证,对根据不同准则导出的两种广泛应用的滤波器,其输出信嗓比均能得到改善。     

一种改进的边缘检测与分块相结合的噪声估计方法

在图像处理中,噪声估计是个重要问题。Aishy和Eric提出了一种针对高斯白噪声的方差估计方法,给了一种自适应选择平滑子块的方法和一个用来计算子块平滑度的结构分析器。此方法存在两个问题:1)含有边缘纹理的子块可能被选择为平滑子块而影响结果精度;2)一些特殊子块具有极高方差但平滑度极小,如果图像含有一个以上的特殊子块,可能造成非常严重的过估计。上述两个问题都是由边缘纹理造成的。提出一种边缘检测与分块相结合的估计方法,首先利用简单边缘检测算法除去含有连续边缘点的子块,然后用Aishy方法。实验结果表明方法能够有效避免特殊情况下的严重过估计,而且在一些噪声水平时比Aishy方法的结果更精确。     

降低轿车车内后部噪声的研究

介绍应用现代试验和分析技术对轿车车内后部低频噪声源进行识别，并通过识别结果对轿车的原设计进行了改进，使轿车车内噪声得到明显改善。     

GPS军码信号的带限高斯噪声干扰参数选择分析

为了提高带限高斯噪声对GPS军码信号的干扰效率,以GPS接收机的码跟踪误差作为干扰效果评估指标,对其特定干信比下的干扰频偏和干扰带宽进行优化确定。在分析GPS P(Y)码和M码信号功率谱特点的基础上,根据非相干超前减滞后处理码跟踪环路工作原理,理论推导得到干扰频偏和干扰带宽与码跟踪误差的解析式。基于实际情况设置接收机码环参数,分别定量地仿真计算出不同干信比下针对P(Y)码和M码信号的高效干扰频偏和干扰带宽。以造成码环失锁所需干信比最小为主要评判准则,同时考虑干扰易实施性和频域滤波等因素的影响,通过综合比较得出:当干信比在50~60dB范围内时,针对P(Y)码信号的干扰频偏和干扰带宽分别设置为0和8.8MHz,针对正弦BOC和余弦BOC调制的M码信号的干扰频偏分别设置为9.833 MHz和10.9 MHz,干扰带宽统一设置为10 MHz。     

小型离心风机噪声源的分析

本文在应用声级计、传声器和倍频程滤波器对小型离心风机噪声测试的基础上,用信号处理进行频谱分析,精确地找出小型离心风机产生嗓声的机理和特性,可为设计低噪声的小型离心风机和噪声控制提供较为可靠的数据。