Alpha稳定分布噪声条件下的广义S变换时频分析

在分析Alpha稳定分布噪声干扰下的非高斯信号时,基于传统二阶广义S变换时频算法效果显著退化。针对该问题,提出了基于分数低阶的广义S变换时频分析(FLO-GST)算法。该算法将分数低阶谱理论和常规广义S变换时频分布算法有机结合,同时优化窗口调节因子改善时频聚集性,得到较好的时频图谱。通过计算机仿真,并与其他时频算法进行对比,结果表明,该算法能有效抑制脉冲噪声干扰,更好的描述稳定分布噪声下非平稳信号的时频图谱,具有良好的韧性。

基于Volterra级数扩展模型的变步长VFxBSLMS算法

针对脉冲噪声的控制,提出了一种基于Volterra级数扩展模型的变步长VFxBSLMS算法。通过增加误差信号预处理环节,采用非线性压缩的方式,有效地解决了冲击样本对算法稳定性的影响。针对输入信号的强相关性及算法收敛速度问题,将变步长算法思想引入到非线性滤波中。仿真结果表明:VFxBSLMS算法在不同强度脉冲噪声背景下,都能达到较好的收敛效果。

脉冲噪声环境下机械故障信号的盲分离

针对振动传感器在采集故障信号时,在α稳定分布脉冲噪声的干扰下,使得传统机械故障信号时频盲源分离算法性能退化的问题,提出了一种基于分数低阶和S时频变换的盲源分离新方法。该方法先对传感器测试信号进行分数低阶子空间预白化,再计算低阶化信号的S变换时频分布,最后通过联合近似对角化恢复各个部分的故障源信号。通过计算机仿真实例分析表明,该算法能有效抑制脉冲噪声影响,避免了二阶矩或高阶矩无穷大的缺限,盲源分离效果较好,具有良好的鲁棒性。

ρ~*混合序列的Chover型重对数律

设{Xn,n≥1}是同分布的ρ*混合序列,其分布属于特征指数为α(0<α<2)的非退化稳定分布正则吸引场.利用ρ*混合序列的矩不等式证明了依概率1有lim sup〔〔sum from i=1 to n Xi〕/n1/α〕1/(log logn)=e1/α n→∞,并获得了一系列等价条件.