基于分数低阶协方差的AR SαS模型α谱估计

根据自回归(AR)SαS模型的α谱,分析了基于分数低阶矩(FLOM)法估计AR SαS模型参数的不足.提出了一种基于分数低阶协方差(FLOC)的AR SαS模型参数估计方法,并给出了基于FLOC的AR SαS模型α谱方法.分别对AR SαS模型参数的估计、α稳定分布噪声中单一正弦信号的估计和两个正弦信号的分辨进行了仿真.仿真结果表明,基于FLOC的AR SαS模型α谱估计方法对于不同的α值均具有较好的韧性.特别是在α值较小,即α稳定分布噪声概率密度函数(PDF)拖尾比较严重时,本文所提出的基于FLOC的AR SαS模型α谱估计方法,其性能明显优于基于FLOM的AR SαS模型α谱估计方法.

基于FLOC的ARMA SαS模型α谱估计方法

分析了基于分数低阶矩(FLOM)估计ARMA SαS模型参数的不足,根据分数低阶协方差(FLOC)的概念,提出了一种基于分数低阶协方差系数估计ARMA SαS模型参数的方法。在此基础上,给出了ARMA SαS模型的α谱估计。通过对给定ARMA SαS模型的α谱估计、α稳定分布噪声中正弦信号的估计与分辨进行仿真,详细比较了基于FLOM的ARMA SαS模型α谱估计和基于FLOC的ARMA SαS模型α谱估计的性能。结果表明,α值较小时,基于FLOC的ARMA SαS模型α谱估计的性能明显优于基于FLOM的ARMA SαS模型α谱估计。

SαS分布在分析水中冲击噪声中的应用

针对水声处理中存在的瞬态冲击噪声问题,介绍了瞬态冲击噪声的特点,指出传统的高斯分布并不适合于描述冲击噪声,与此相比,S琢S分布具有性能稳定,拖尾大等特点,并给出了S琢S分布的定义及相关性质,通过参数估计logS琢S法对其分布参数进行估计,并对新模型进行了仿真分析及实际数据处理比较,证实了S琢S分布在描述水中瞬态冲击噪声方面比传统的高斯分布有更大的优势,因此S琢S分布能够更好地描述水中瞬态冲击噪声。

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。

基于样本分位数和log|SαS|的SαS分布参数估计方法

α稳定分布是一类重要的非高斯随机分布,广泛应用于水声、大气和生物医学信号处理等领域。α稳定分布的特征函数由α、β、γ和a等4个参数决定,因此对于参数的估计具有极其重要的作用。由于α稳定分布没有闭合形式的概率密度函数,大多数传统的依赖于显示密度函数的数学统计方法不再适用。本文分别采用基于样本分位数法和log|SαS|法对SαS分布的α和γ参数进行估计,克服了传统方法中依赖概率密度函数的缺点,仿真结果显示两种算法均能给出较好的估计结果,并且能够满足后期研究的需要。

超低频大气噪声幅度概率的SαS分布法

为正确辨识超低频大气噪声的幅度概率分布类型,对其进行有效抑制,首先,假设实际大气噪声幅度概率分布服从SαS(symmetric α stable)分布,从而估计出分布的模型参数;然后,由此计算出该参数下SαS分布的理论幅度概率分布并生成服从SαS分布的随机样本;最后,采用与实际数据APD比较和做Q-Q图的方法验证了分布拟合的正确性。结果表明:SαS分布可以有效地描述出超低频大气噪声的幅度概率分布。

海洋混响数据的SαS分布建模

为了有效抑制主动声呐混响,新型统计信号处理设计中常对海洋混响进行非高斯概率密度建模,本文在考察分析海洋混响数据的特点和SαS分布的优势之后,将SαS分布引入到混响非高斯概率密度建模中,给出了2种模型参数估计方法,并使用仿真和实测数据进行了验模,通过大量海试混响数据建模结果分析,对混响数据的SαS分布规律进行归纳总结。研究表明:SαS分布能够较好描述海洋混响的概率密度,其特征指数近半数集中在1.6~1.9。

基于BLPN算法的AR SαS过程共变谱估计方法

研究了一种新的AR SαS过程的谱估计算法。该算法将整个数据作为一个整体,利用分数低阶p阶矩从前向、后向两个方向对数据进行处理,获得了一种高分辨率的参数估计算法——双向最小p范数法(Bidirectional Least p Norm,BLPN)。利用得到的参数,结合共变谱的定义,构建了AR SαS过程下的共变谱估计表达式,并分别对AR SαS过程参数估计、α稳定分布噪声中的正弦信号的谱估计进行仿真。仿真结果表明,基于BLPN的ARSαS模型的共变谱估计方法对于不同的α值均具有良好的韧性,特别是在α值较小或者短时数据时,本文方法的性能明显优于基于FLOM的AR SαS模型共变谱估计方法。

基于SαS分布参数估计的系统鲁棒故障检测

因为复杂系统难以建立精确的数学模型,基于模型的故障检测方法在实际复杂控制系统中应用时往往难以获得很好的效果。针对这类数学模型未知的非线性系统,提出了一种基于SαS分布参数估计的系统故障检测方法。首先应用预测方法对系统输出序列进行预测建模,利用预测误差放大信号的脉冲突变,然后利用SαS分布的参数估计方法对预测误差序列的参数α进行估计,获得α的变化曲线,根据α的变化可以直观地判断出故障的发生。该方法对大幅值的有色噪声污染的信号仍然有很好的检测鲁棒性。以轴承系统的故障检测为例进行仿真实验,通过分析轴承振动信号故障条件下α曲线的变化情况,判断轴承的故障状态。仿真结果证实了该方法有效且可行。

煤与瓦斯突出危险性预测的SαS-PNN模型及应用

较高精度的煤与瓦斯突出预测是煤矿安全生产的必要前提和保证。为了实现对煤与瓦斯突出危险性快速、准确和动态预测,考虑煤与瓦斯突出多种影响因素。提出一种改进的概率神经网络(PNN)煤与瓦斯突出预测模型。首先,引进一种对称Alpha稳定分布(SαS),SαS有更广泛的数学表达,其径向对称特性可充当PNN样本层中的高斯分布。在SαS的基础上,建立煤与瓦斯突出危险性预测的SαS-PNN模型。将SαS-PNN模型应用于国内26个典型矿井的煤与瓦斯突出危险性等级预测。预测结果表明:在3种不同的训练和测试下SαS-PNN模型仍具有良好的预测效果,其误判率分别为7.69%、11.54%和15.38%。说明该模型可为煤矿开采中煤与瓦斯突出危险性预测提供了一种可能的思路。

SαS分布噪声环境下高分辨率二维DOA估计算法及快速实现

本文设计出一种针对脉冲噪声的二维鲁棒高分辨率波达方向(DOA,Direction of Arrival)估计算法,以解决雷达、声纳等无线通信领域中脉冲噪声环境下IAA(Iterative Adaptive Approach)无法准确估计出DOA的问题.该算法中,用最小p阶范数代替WLS(Weighted Least Squares)作为最优化求解的代价函数.此外,根据Toeplitz-Block-Toeplitz(TBT)矩阵性质和FFT简化计算过程,提出该算法的快速实现方法,提高算法的计算效率.该算法在对称α-稳定(SαS,Symmetric Alpha-Stable)分布噪声环境下建模,仿真结果表明:与CRCO-MUSIC(Co Rrentropy based COrrelationMUltiple Signal Classification)算法和MUSIC-FLOM(MUltiple Signal Classification-Fractional Lower-Order Moment)算法相比,二维lp-IAA算法可以在低信噪比、单快拍条件下有效分辨出相邻多目标信号;快速算法可以在保证高分辨率的前提下,算法平均运算时间降低至原来的约1/40.

SαS噪声环境下多快拍平滑的多信源波达方向估计改进算法

针对传统DOA算法中存在的天线阵对估计信源数量限制的问题,在MUSIC-LIKE算法基础上,提出多信源波达方向估计改进算法。通过构建新的四阶累积量矩阵,降低矩阵维数,减少运算量;在MFOC-MUSIC算法的基础上,通过对空间谱函数进行多快拍平滑计算,实现对更多信号的波达方向估计;通过对四阶累积量扩展出来的虚拟阵元的平滑,降低测量误差对空间谱估计的影响。实验仿真结果表明,算法可以在对称α稳定分布(Symmetricα-Stable,SαS)噪声环境中增加波达方向估计的信源数量。

基于Durbin与Burg算法的AR SαS有色噪声α谱估计

稳定分布可更好地描述实际中所遇到的具有显著脉冲特性的随机噪声。在简要介绍稳定分布统计特性的基础上,描述了稳定分布的谱表示。为了对AR SαS过程进行α谱估值,通过对广义Yule-Walker方程进行分析,借鉴杜宾推算法和Burg算法推导了一种求解广义Yule-Walker方程的新方法。仿真结果表明,该方法能够较为准确地估计出AR模型参数,且能准确地估计出AR SαS过程的α谱。

基于JPEG净图定量描述的隐写分析方法

在隐写分析领域,国内外已有很多学者对JPEG图像的DCT系数统计分布模型进行过研究.本文根据数据的统计特征,系统地描述了JPEG净图DCT系数的SαS模型.SαS模型具有很强的柔韧性,随着特征指数α改变,其分布形状就会改变.根据SαS模型的柔韧性,本文提出了一种新颖的、基于净图定量描述的隐写分析方法,这种隐写分析方法与传统模型的隐写分析方法相比,具有更好的隐藏信息检测性能.

稳定分布噪声下基于高斯近似粒子滤波的干扰源定位算法

民航地空通信受到无线电干扰会严重危及民航飞机的正常飞行,本文在深入研究利用接收飞机散射信号的多普勒频移信息定位地面干扰源方法的基础上,提出基于高斯近似粒子滤波(GAPF)的定位算法。本文的主要贡献可以总结为:第一,对多普勒频移与干扰源坐标之间非线性关系进行深入研究,构建状态方程及观测方程。第二,考虑更能准确描述散射信道模型的对称α稳定分布(SαS)噪声作为叠加的背景噪声,并提出SαS噪声下的高斯近似粒子滤波算法。计算机仿真实验表明,与扩展卡尔曼滤波(EKF)及无迹卡尔曼滤波(UKF)算法相比,本文算法的估计性能优势明显,并且对SαS噪声具有较强的鲁棒性。

一种冲击噪声环境中的二维DOA估计新方法

该文提出了一种新的在冲击噪声环境中基于阵列输出信号分数低阶矩的二维测向方法——稳健的协变异波达方向矩阵法。该方法利用冲击噪声和SαS过程的特点,扩展了原波达方向矩阵法的信号模型和应用环境,对冲击噪声有较好的抑制作用,增强了算法的通用性和稳健性,弥补了传统的基于二阶或高阶统计量的子空间测向算法不能应用于冲击噪声环境的不足,计算机仿真验证了该算法的可行性和有效性。

基于分数阶矩的测向算法研究

在SαS噪声环境中基于阵列输出信号分数阶矩的TLS ESPRIT测向算法 ,该算法在保持了原TLS ESPRIT算法无需谱峰搜索、计算量和存储量小等优点的基础上 ,对加性SαS噪声有较好的抑制作用 ,扩展了ESPRIT算法的信号模型和应用环境。

基于分数低阶统计量的空域-模糊域DOA估计算法

该文提出一种非高斯SαS噪声背景下非平稳信号的DOA估计算法。算法首先定义基于分数低阶统计量的空间模糊函数,利用信号在模糊域中的不同特征将信号分离;然后对不同的信号,选择信号模糊函数对应的模糊点的平均进行子空间分析;最后利用MUSIC算法实现DOA的估计。与基于分数低阶统计量的空域处理方法相比,该文提出的算法利用了信号在模糊域中的信息,提高了算法的估计精度。计算机仿真证明了算法的有效性。

分组马尔可夫叠加传输在非高斯脉冲信道上的性能研究

研究了非高斯脉冲信道上的分组马尔可夫叠加传输机制。基于精灵辅助等效系统,分析了分组马尔可夫叠加传输系统的性能下界。仿真结果表明,在特征因子不同的非高斯脉冲信道上,分组马尔可夫叠加编码技术均可获得较高的编码增益,且误比特率较低区域的误码性能均可与精灵辅助下界贴合。在BER=10-5时,分组马可夫叠加传输系统便可达到距离香农限约0.85 dB的性能。

应用H_∞自适应滤波的浅海水声信道估计

浅海水声信道是目前最困难的无线通信信道之一,可建模成稀疏衰落信道,其噪声以SαS分布来描述.提出了基于H_∞自适应滤波的稀疏双选衰落信道估计算法,针对SαS分布噪声中个别脉冲对信道估计影响较大的情况,分别对信号的实虚部进行限幅以消除影响算法稳定度和性能较大的脉冲噪声.仿真结果表明:在SαS分布噪声下,所提出的针对脉冲噪声的5σ预处理提升了系统性能;无论是多径信道还是双选衰落稀疏信道,基于H_∞自适应滤波的信道估计算法的性能优于sIPNLMS算法.