基于统计信号处理的多属性群决策问题探讨

文章针对备选方案属性值和属性权重都为随机变量的不确定多属性群决策问题,结合统计信号处理的估计理论和模糊数运算,提出了一种专家主观偏好集结和随机多属性决策方案排序的方法。该方法首先基于贝叶斯框架构建一个线性估计模型;然后在有无先验知识的基础上利用高斯-马尔科夫估计定理,将多个专家基于模糊数估计的方案属性值和权重值集结成群体估计值;最后通过加权比较得到各个方案的排序。实例分析验证了方法的有效性和实用性。

非高斯相关噪声中高斯信号的时延估计

高阶统计量在信号处理中成功的应用例子之一是估计高斯相关噪声中非高斯信号的时延参数.本文则研究非高斯相关噪声中高斯信号的时延估计问题,提出了一种解决该问题的混合方法.该方法先计算观测值的三阶累积量,然后利用累积投影公式计算观测噪声的二阶统计量,最后利用互相关方法确定信号时延参数.仿真结果验证了该方法的有效性.

非高斯色噪声条件下的最小二乘单音频率估计

提出一种非高斯色噪声条件下的最小二乘单音频率估计算法,该算法首先将待估计单音频率搬移至零频附近,然后通过抽取滤波把噪声转换为高斯白噪声,最后引入相位差分最小二乘频率估计构成整个算法。该方法摆脱了FFT类算法频率分辨率的束缚,可以为自动调制识别等应用提供高精度的符号速率估计。

谐波小波分析在旋转机械故障诊断信号处理中的应用

介绍谐波小波的基本概念及其变换的基本原理,在对旋转机械中常见的非平稳信号仿真分析的基础上,运用该分析方法可以准确分辨出非平稳信号发生的频段及时间,表明其在旋转机械故障诊断中具有巨大的实用价值。

粒子滤波

近年来随着计算机处理能力的快速发展,使得粒子滤波,作为序列信号处理的一种非常有效的方法,成为研究领域的一个热点。它在处理复杂的非线性或非高斯问题的潜力,引起了信号处理、统计学、经济计量学等不同领域的专家学者的关注。本文详细介绍了粒子滤波算法的基本原理,并分析了几种新的粒子滤波算法。

一种累积量线性预测方位估计的快速算法

提出了一种基于四阶累积量的线性预测方位估计快速算法。通过对累积量线性预测基本方程进行变换 ,得到了基本方程系数矩阵的 Toeplitz结构 ,并用 Levinson- Durbin算法求解方程 ,减少了运算量。在线性预测方程中 ,使用了四阶累积量 ,有效地拟制了高斯噪声。计算机仿真结果表明了这种方法的有效性。