高阶统计量在主动声呐混响信号谱估计中的应用

对主动声呐混响信号进行谱估计,用高阶统计量对混响信号建立自回归模型,并建立基于高阶统计量的Yule-Walker方程,解方程得到估计系数.将高阶统计量谱估计的结果与二阶统计量估计的结果进行比较,得出髙阶统计量对自回归模型的谱估计优于二阶的结果.高阶统计量能弥补二阶统计量无法反映信号相位特性的不足,提高谱估计的一致性.

非高斯背景下的频域广义匹配检测

采用广义匹配滤波器在功率谱未知的非高斯噪声中检测宽带信号。在估计功率谱时,为了减小周期图法谱估计产生的误差,采用平滑周期图法来估计非高斯噪声的功率谱,并在此基础上对信号进行恒虚警概率损失下的广义匹配检测。实验表明,用平滑周期图法估计功率谱并进行的广义匹配检测,其检测性能稍弱于功率谱取真值时的检测,但远远优于传统的匹配滤波器。

基于累积量的非高斯信号AR模型估计

高阶统计量能反映信号的非高斯信息,用高阶统计量对非高斯信号建立AR模型,并建立基于信号高阶统计量的Yule-Walker方程就可以进行AR模型谱估计。与基于二阶统计量的参数估计相比,基于高阶统计量的AR谱估计有更好的精度。