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。     

ARMA谱估计中若干问题的研究

本文首先讨论ARMA谱估计中谱值估计的运算量计算问题,分析了现有几种快速算法的各自特点,在此基础上,根据三角函数的Taylor展开式与周期性,提出了一种新的ARMA谱值估计快速算法——三角函数展开型算法;文中还详细地讨论了ARMA谱估计的分辨力问题,阐述了系统分辨力与频率分辨力的本质区别。     

基于扩充的Prony方法对信号的谱估计

目的 探讨现代谱估计方法在雷达信号谱估计的应用。方法 采用扩充Ｐｒｏｎｙ方法和ＦＦＴ方法分别对双正弦信号进行仿真计算。结果 理论分析及仿真结果表明扩充Ｐｒｏｎｙ方法具有比ＦＦＴ高的谱估计精度。结论 扩充Ｐｒｏｎｙ方法可应用在雷达信号的多普勒频率和相位的估计中,并由此估计和计算出目标的运动参数和运动轨迹。     

最大熵谱估计与傅立叶谱估计的几点比较

本文通过对目前常用的现代谱估计方法——最大熵谱估计方法中的谱峰幅度和谱线分辨率两个基本问题的分析和讨论,和经典的傅立叶谱估计方法作比较,指出在最大熵谱估计方法的应用中应注意的几个问题。     

白噪声背景下正弦信号频率和功率估计的有效算法

本文给出一种以线性预测理论为基础的,且具有内建判阶功能而计算量小的有效算法,同时给出实验的数值结果．     

一种新的正弦波谱估计方法

正弦波频率估计在很多领域有广泛应用.针对单个正弦波频率估计的特殊性,提出了一种现代谱估计的改进方法.该方法构思巧妙,使得它既是正交矢量谱估计法,同时计算量又很小.以AR模型自相关(Pyulear)法为比较对象,新方法得到的谱估结果在分辨率方面有很大改善,理论分析和模拟实验证明了这个结论.     

最大熵谱模型的定阶及谱值快速计算

对最大熵谱模型的定阶及谱值快速计算方法进行综述，提出一种用通过实验确定模型阶数的方法。     

最小距离谱分析

本文提出了一种新的谱估计方法——最小距离谱分析(MDSA),它是所有满足相同观测自相关函数的谱中与光验谱的距离最小者.该方法具有结果的唯一性、幂等性等性质,是一种凸集投影方法.本文给出的几个具体例子表明了 MDSA的优良性能.     

一种改善AR谱估计性能的分频段方法

本文研究了一种改善AR谱估计的有效和实用的方法,即在固定分辨率的情况下降低AR模型阶次,或在阶次一定(或降低)的情况下改进其谱估计分辨率的方法.该方法是通过对数据序列的频带进行限制,以减小分析频带外的噪声能量和通过选抽降低原序列采样率来实现的.仿真结果和实例表明,该方法对于宽带信号的AR谱估计是十分有效的.     

基于线性预测的参数谱估计优化方法

基于观测数据特征结构的考虑,在针对性分析传统参数谱估计方法的基础上结合线性预测理论提出了参数模型反射系数估计的优化方法,以熵谱估计的形式对算法作了进一步研究,并通过仿真实验验证了优化算法的改善性能及工程可实现性。     

一种0-1矩阵谱半径的快速估计

0-1矩阵是很多领域中常见的一类矩阵,我们利用可约性及其性质,对0-1矩阵谱半径的上下界进行估计,给出了一种快速估计方法,数值实验表明该方法是有效的.     

医用红外热图动态分析方法

提出了一种基于“自回归滑动平均”(ARMA)谱估计的医用多幅红外热图动态分析的方法。利用人体不同病灶区对外界温度激励的响应不同这一原理 ,从响应过程的多幅热图中 ,提取温度变化的时间序列 ,用工程频谱分析方法对时间序列进行 ARMA谱估计 ,从而得到表征病灶区特征的系统频谱参数。与传统的单幅红外热图静态分析方法相比 ,该方法更有效地揭示了不同病症的红外辐射特征。对部分病例的初步临床实验结果表明 :该方法可为基于红外热图的诊断提供一种新的分析手段     

循环谱密度估计的最大似然滤波器法

针对周期平稳随机过程的循环谱密度的估计过去主要采用时域平均周期图法和频域平滑周期图法,特别归短数据时,上述方法的分辨率很低,方差极大,提出了循环谱密度估计的最大似然滤波器法,并作了改进。该方法不仅具有很高的分辨率,而且估计的方差也很小,具有较好的估计性能。     

最大熵谱估计在导弹系统仿真模型验证中的应用

给出了基于最大熵谱估计的统计推断验模方法，该方法可以定量地给出了导弹系统动态性能数据的真实谱密度的置信区间估计，据此能够对仿真模型有效地进行定量分析。最后结合导弹系统仿真实例说明了这种验模方法在导弹系统仿真模型验证中的具体应用。     

用于语音识别的基于高谱分辨率的谱减法

提出了一种新的基于高谱分辨率的谱减法,通常噪音帧和带噪语音帧具有相同的长度且都是短时帧,对短的噪音帧和带噪语音帧做傅立叶变换得到的谱分辨率低导致谱减法性能下降严重。基于平稳或接近于平稳的背景噪音下合并所有噪音帧再做傅立叶变换以提高噪音帧的谱分辨率;通过对带噪语音信号在时域进行前向和后向的延拓再做傅立叶变换以提高带噪语音信号的谱分辨率,在有效抑制噪音的同时减少了语音谱的失真并提高了系统识别率。     

基于偏差估计卷积神经网络恒星光谱数据自动分类

天体物理学科中恒星光谱具有极其重要的研究前景,中国自主研制的大科学天文巡天项目大天区多目标光纤光谱望远镜(large sky area multi-object fiber spectroscopy telescope,LAMOST)自启用以来,已经成为世界上空间光谱获取数据量最大的科学装置.目前,第6期数据(sixth data,DR6)已对全球的天文工作者开放.恒星光谱数据分类在研究天文观测数据分析领域中极为重要,为了同时兼顾快速的运行速度和准确的分类精度,基于偏差估计卷积神经网络方法(bias estimation convolu-tional neural network,BECNN),分析了DR5中F、G、K、M型恒星光谱.BECNN核心思想主要是利用偏差函数泰勒展开式的偏差参数代替柔性最大值传输函数的偏差参数,进而减小误差,提高准确度.将本文方法与现有的神经网络(neural network,NN)和卷积神经网络(convolutional neural network,CNN)算法进行对比,BECNN算法在F、G、K、M型恒星光谱自动分类准确率分别为93.177％、88.349％、93.807％、89.255％;CNN算法分别为91.646％、87.671％、92.701％、89.054％;NN算法分别为90.819％、87.417％、91.325％、88.092％.同时,将两两恒星光谱数据融合作为测试样本集,做进一步验证.结果表明:BECNN光谱自动分类准确率高于CNN和NN方法,在今后特殊天体索搜与恒星光谱精细分类研究中,本文方法有较好的借鉴价值.     

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。     

正矩阵最大特征值界的新估计

利用Frobenius定理、相似变换及一些不等式技巧,得到正矩阵谱半径的新上、下界.结果表明,新上界比Ostrowski定理的上界更优;在某些条件下,新上界优于Brauer定理的上界.最后,用实例证明结果.     

基于带宽估计脉动血流多普勒夹角的方法研究

研究了基于带宽估计多普勒夹角平均时相选择、多普勒带宽的计算、信号频谱的估计方法等问题，提出了一种新方法：先对多普勒信号进行基于主元分析的降噪，然后使用短时傅里叶变换(STFT)进行夹角估计，最后在收缩后期进行平均．通过颈动脉超声多普勒信号的计算机仿真实验，得出：夹角平均应选在收缩后期；STFT估计夹角应用fmean,AR模型估计夹角用fmean和fp均可；STFT和AR模型在估计夹角的性能各有优劣．新方法较大程度地改善了多普勒夹角估计方法的抗噪声性能，可以在信噪比较低的情况下使用。