基于极大似然估计的奇异点检测

信号的奇异点往往包含信号比较重要的信息,对其进行检测和定位在许多实际问题中都有重要的意义。根据脉冲型奇异点的特点,提出了一个基于极大似然估计的脉冲奇异点检测方法。该方法利用Bernoulli概型来建模,用于对脉冲奇异点的检测,将脉冲奇异点的检测问题转化为一个参数估计问题,并利用极大似然估计方法给出了参数的估计。通过对大量的仿真信号及真实信号脉冲奇异点的检测证明,该检测方法计算简单,行之有效。

基于Bayes决策的奇异点检测

针对奇异信号中奇异点的检测和定位问题,提出了一个新的信号奇异点检测方法。根据脉冲奇异点的特点,首先将脉冲奇异点的检测建模为一个分类问题:信号中的脉冲奇异点为一类,非脉冲奇异点为另一类。然后,基于Bayes决策和Neyman-Pearson准则,在限定脉冲奇异点漏检概率的情况下,导出了两类点之间的分界面。据此设计了一个新的脉冲奇异点检测方法——基于Bayes决策的脉冲奇异点检测(BDPSD)方法。模拟及真实信号上的实验结果表明,与基于小波变换的模极大法相比,BDPSD方法在检测质量和定位精度方面都有很大的改善,证明BDPSD是一个有效、可行的信号奇异点检测方法。