基于信噪分离的GSM-R频谱监测数据压缩技术

为解决我国GSMˉR系统运行中海量频谱监测数据的存储和传输问题,本文提出一种基于频谱监测数据信噪分离的频谱数据有损压缩算法。首先将一帧频谱监测数据的上包络通过计算一定窗长的均方根值(root mean square,RMS)进行提取,然后通过包络计算信号与噪声分离的阈值,接着利用离散余弦变换(discrete cosine transform,DCT)、量化与熵编码将分离后的信号段与噪声段数据进行不同程度的压缩。通过对实际GSMˉR系统扫描采集的频谱数据进行压缩实验与分析,验证了本文算法的有效性。     

基于Donoho模型和高阶统计理论的小波消噪算法研究及其应用

本文结合经典Donoho小波消噪模型,提出了基于高阶统计理论的小波消噪算法.算法在小波分解各尺度引入了高阶统计理论中的四阶累积量方法,从信号和噪声的统计特性出发进行信噪分离.仿真结果验证了本文算法的性能.算法能满足无线电监测系统中对信号进行后续处理的需求.     

现场环境下设备区域电磁干扰检测与识别方法

现场环境下电磁环境复杂,设备区域电磁干扰的有效识别可为射电天文台站频谱分析提供重要依据.文章基于现场电磁干扰测量频谱,提出了一种电子设备区域干扰信号检测与识别方法.首先,针对对着设备区域和隔过设备区域两种测量状态多组频谱数据进行预处理,实现信噪分离,运用二值法检测信号边界,提取频谱中干扰信号.然后,依据一元回归算法和通道占用统计方法对多组测量频谱中干扰信号进行相关性分析,识别设备区域内电磁辐射频谱.所提方法对新疆天文台南山站内多个设备区域电磁辐射频谱检测结果与人工识别结果对比表明,本文方法94%以上的识别结果与人工识别结果相符,验证了现场环境下设备电子区域电磁干扰检测与识别方法的准确性和通用性.     

去除脉冲噪声的小波阈值去噪算法

为了克服现有脉冲噪声去除算法的缺陷,进一步提升算法的去噪性能和鲁棒性,提出了一种去除脉冲噪声的小波阈值去噪算法.首先,根据脉冲噪声的灰度特征、分布的随机性及近似均匀性,用统计方法识别噪声像素.然后,用基于信噪强度的自适应阈值和可微收缩函数的小波去噪方法恢复噪声像素.实验结果表明,相比现有算法,本算法去噪得到的图像视觉感知效果、峰值信噪比和边缘保持指数均有较大提升,且具有更好的鲁棒性.     

改进阈值的窗口傅里叶变换滤波

固定阈值算法对由噪声引起的小的频谱系数进行归零,可以取得较好的去噪效果。但由于其阈值函数不连续,在阈值附近具有突变,所以会对一些大的噪声频谱系数有所保留,对小的信息频谱系数造成丢失。为了改善窗口傅里叶变换滤波算法中的阈值选取方法,提出了自适应阈值方法。通过模拟散斑干涉相位图验证可知,所提出的自适应阈值方法可以对噪声进行有效的滤除,同时对信号信息进行很好的保留。     

自适应估计信号个数的频谱信号提取算法

无线电监测频谱数据中包含有大量的信号,准确提取这些信号有利于掌握全频段的频谱使用情况。实际信号的频谱由于受噪声干扰,会出现信号频带内个别频点能量值低于检测门限的情况,此时传统的门限检测算法会将该信号错估为多个信号,产生多个虚假的相邻信号间隔,导致频谱信号提取的准确率下降。对此,根据虚假相邻信号间隔特点,提出一种自适应估计信号个数的频谱信号提取算法,该算法可自动、准确估计频谱监测数据中电磁信号的个数,并将对应的信号及频谱信息提取出来。实验结果表明,该方法具有自适应性、强鲁棒性和高准确性,有效提高了频谱信号提取的准确率,为军、民电磁环境的识别与掌握提供基础的电磁信号数据支撑。     

一种基于子频带匹配选择的宽带压缩频谱感知方法

基于压缩感知的宽带频谱感知技术能有效降低过高的采样率和频谱感知复杂度.为了增强频谱感知中频谱信号的重构性能,根据宽带频谱信号具有的块稀疏特性,利用宽带频谱子频带划分的边界信息,提出一种改进OMP(MOMP)子频带匹配选择的宽带频谱重构算法,该算法旨在减少传统的OMP算法在频谱重构中的迭代次数,增强频谱重构的稳定性.仿真结果表明,基于该算法的宽带频谱感知方法不仅提高了频谱重构的准确性,而且有效缩短了频谱重构时间,具有很好的宽带频谱感知性能.     

基于 Gerschgorin 圆盘理论的认知无线电宽带频谱感知

摘 要：提出了基于Gerschgorin圆盘理论的宽带频谱感知算法：Gerschgorin似然估计算法和Gerschgorin圆盘半径迭代算法。通过在宽带频谱感知中引入Gerschgorin圆盘理论,将认知无线电用户频谱观测数据中噪声圆盘空间和信号圆盘空间进行分离,并基于对主用户所占用子频段集合势的估计,实现对宽带授权频谱中多个子频段状态的监测。为了进一步提高感知性能,还提出利用宽带频谱中主用户信号占用子频段的连续性特性改善算法性能。理论推导和仿真结果表明,在信噪比较小时,Gerschgorin似然估计算法较基于信息论准则的宽带感知算法具有更稳定的检测性能;Gerschgorin圆盘半径迭代算法与传统能量检测方法相比,优势在于不依赖任何噪声功率先验信息,且在采样次数较少情况下的感知错误率较小。因此,基于Gerschgorin圆盘理论的频谱感知更适合于实际CR系统,可为宽带频谱感知提供行之有效的算法实施方案。     

小波软硬阈值去噪算法的研究及改进

小波软、硬阈值去噪法及软硬阈值折中法是根据信号与噪声的小波系数特点进行信噪分离的,关键在于对小波系数的处理.但是,噪声的方差越大,信噪分离越困难.提出的改进方法是利用均值逼近的软硬阈值折中法.试验表明这种改进的方法提高了重构信号的信噪比,能够达到较好的去噪效果.     

基于压缩感知的加权宽带谱重构算法

压缩感知利用宽带无线信号的频域稀疏特性,能够在低于奈奎斯特速率的采样下利用少量观测数据实现宽带频谱估计和空穴检测。但相关频谱压缩感知算法的性能并不理想,为了实现宽带信道的快速准确感知,本文基于宽带信道的时频统计特性,在去噪基追踪算法(BPDN)的基础上提出了一种优化的加权去噪算法(WBPDN)。该算法利用子频段历史平均功率密度水平来构建各子频段权重以优化目标函数,改善算法性能。实验结果表明:该算法能通过少量观测数据准确重构宽带信道的谱估计,且比传统的BPDN和OMP算法具有更好的压缩性能及更小的重构误差;另外加权后的算法收敛速度更快,显著减少了算法所需的运行时间。      

遗传算法优化小波阈值对水质光谱数据的去噪研究

针对紫外-可见光谱法水质检测系统易受到仪器本身和外界环境的噪声干扰, 所测得的光谱数据存在大量系 统和杂散光噪声的问题, 在对紫外-可见光谱法水质检测系统的噪声源分析的基础上提出将遗传算法应用于小波阈值 优化的去噪方法, 并与小波软阈值、 SG 平滑和中值滤波方法进行了对比。为评价去噪效果, 对同一浓度的邻苯二甲 酸氢钾标液的紫外-可见光谱数据进行去噪实验。在采用遗传算法选取小波最优阈值对标液进行去噪处理的同时, 还 采用传统小波软阈值去噪、 SG 平滑和中值滤波去噪作为对比。为验证该算法的实际可行性, 进一步用这四种方法对 某地排水沟和某污水处理厂排水口的实际水样光谱进行去噪处理。实验结果表明: 基于遗传算法的小波阈值去噪效 果良好, 相较于传统的小波软阈值去噪、 SG 平滑和中值滤波的方法, 信噪比分别提高了 2.2994、 5.7066、 2.6155 dB, 均方根误差分别减小了 0.0028、 0.0087、 0.0033, 峰值信噪比分别提高了 2.0837、 5.2569、 2.7375 dB。基于遗传算法 的小波阈值去噪算法不仅抑制了光谱数据中的噪声, 同时也提高了系统精度, 为紫外-可见光谱法水质光谱去噪处理提 供了一种新的解决办法。     

Fundamental Limitations on Pilot-based Spectrum Sensing at Very Low SNR

Spectrum sensing is one of the most challenging issues of Cognitive Radio communications. The possibility of extremely low signal-to-noise ratio (SNR) of the received signal poses a fundamental challenge to spectrum sensing. In this paper, pilot-based spectrum sensing for OFDM signals is investigated. It is shown that the existing pilot-based OFDM spectrum sensing algorithms suffer from the frequency offset between the transmitter and sensing devices, as well as the noise uncertainty in the sensing threshold design. We consequently propose a robust pilot-based spectrum sensing algorithm for low SNR OFDM signals using a sliding frequency correlator. The proposed algorithm processes additional bandwidth to eliminate the impact of frequency offset. In addition, considering the unknown noise statistics and its time-varying nature, a ratio threshold which is not sensitive to the noise power level is derived for spectrum sensing. Our theoretical analysis and simulation results show that this algorithm can achieve exceptionally good sensing performance at very low SNR, while being insensitive to time and frequency offsets and requiring no information of the noise statistics.     

利用功率谱极值和几何平均的频谱感知算法

为了提高基于功率谱的频谱感知算法抗噪声不确定性、抗频偏及低信噪比下检测性能,本文利用功率谱的部分样本平均估计最大值,以降低信号频偏对频谱感知性能影响;利用功率谱的最大值与最小值之差与功率谱几何平均之比作为判决统计量,以尽可能消除噪声影响及保留主用户信号;推导得到了检测门限表达式,表明该算法对噪声不确定性不敏感。加性高斯白噪声信道和瑞利衰落信道下的仿真结果表明:该算法频谱感知性能优于已有的基于功率谱的频谱感知算法,降低了未知载波频偏和噪声不确定性对频谱感知算法性能的影响,该算法能够有效检测实际信号。      

A Novel Method for Near-Field Source Localization in Impulsive Noise Environments

The joint estimation of direction of arrival and range for a near-field source in impulsive noise environments remains unaddressed in array signal processing. Inspired by the robustness of phased fractional lower-order moment and the efficiency of generalized estimation of signal parameters via rotational invariance techniques, a novel near-field source localization method is proposed. To reduce the computational complexity, the estimated parameters are determined by the roots of a polynomial rather than searching for the peaks of the spectrum. To characterize its performance, the Cramér–Rao bounds for the estimated parameters of near-field sources in Cauchy noise environments are derived. Compared with existing methods, the proposed method can avoid spectral peak search, loss of array aperture, and parameter pairing. The simulation results demonstrate that the proposed method is superior to existing methods in terms of the probability of resolution and the estimation accuracy, especially in low generalized signal-to-noise ratio and highly impulsive noise environments.     

提升小波与能量检测联合优化下的频谱感知方法北大核心CSCD

传统的频谱感知方法易受噪声波动的干扰,而且在低信噪比的无线通信条件下检测精度较差。通过结合提升小波去噪与动态门限能量检测算法,能有效提高传统频谱感知方法的抗噪声性能和检测精度。首先对含噪信号进行奇偶抽样,分解信号,去除噪声部分,再重构为去噪新信号,然后通过能量检测方法来统计信号的能量积累,设置动态门限,最后以动态门限判断用户信号是否存在。提升小波去噪能够有效地去除采样信号中的噪声,减少噪声对能量检测法检测精度的影响,动态门限能根据噪声波动进行调整来适应复杂的噪声环境。仿真结果表明,提升小波去噪结合动态门限能量检测算法相比于传统的频谱感知要有更优的检测精度。此方法不但提高了其对不确定噪声的抵抗性,使之能适应复杂的通信环境,而且提高了频谱感知过程的可靠性。     

一种基于蝙蝠算法的新型小波红外光谱去噪方法

针对传统的小波去噪方法容易产生信号振荡和丢失特征信息等问题,提出了一种基于蝙蝠算法的新的有效的红外光谱去噪方法。该方法创新性地运用蝙蝠算法优化了小波阈值和估计因子。其基本思想是,首先在解空间中随机生成一定规模的个体,然后根据向当前最优个体学习的方法进行速度更新,从而实现位置更新;同时,由于Levy飞行搜索策略会产生较大跳跃,利用这种不均匀、随机游走的特性可以实现对整个解空间的搜索,从而避免陷入局部极值点。CO气体红外光谱去噪实验的结果表明,利用蝙蝠算法对各个分解层的阈值和估计因子进行优化后,信噪比为84.184,均方误差为0.0006。由于更有针对性地保留了光谱信号中的特征信息并剔除了无用的噪声信息,该方法可以提高后续定性和定量分析的精度。     

Spectrum estimation of short-time stationary signals in additivenoise and channel distortion

In this work, spectrum estimation of a short-time stationary signal that is degraded by both channel distortion and additive noise is addressed. A maximum likelihood estimation (MLE) algorithm is developed to jointly identify the degradation system and estimate short-time signal spectra. The source signal is assumed to be generated by a hidden Markov model (HMM) with state-dependent short-time spectral distributions described by mixtures of Gaussian densities. The distortion channel is linear time-invariant, and the noise is Gaussian. The algorithm is derived by using the principle of expectation-maximization (EM), where the unknown parameters of channel and noise are estimated iteratively, and the short-time signal power spectra are obtained from the posterior sufficient statistics of the source signal. Other spectral representation parameters, such as autoregressive model parameters or cepstral parameters, are obtained by minimum mean-squared error (MMSE) estimation from the power spectral estimates. The estimation algorithm was evaluated on simulated signals at the signal-to-noise ratios (SNRs) of 20 dB down to 0 dB, where it produced convergent estimation and significantly reduced spectral distortion     

Unvoiced/voiced classification and voiced harmonic parameters estimation using the third-order statistics

Unvoiced/voiced classification of speech is a challenging problem especially under conditions of low signal-to-noise ratio or the non-white-stationary noise environment. To solve this problem, an algorithm for speech classification, and a technique for the estimation of pairwise magnitude frequency in voiced speech are proposed. By using third order spectrum of speech signal to remove noise, in this algorithm the least spectrum difference to get refined pitch and the max harmonic number is given. And this algorithm utilizes spectral envelope to estimate signal-to-noise ratio of speech harmonics. Speech classification, voicing probability, and harmonic parameters of the voiced frame can be obtained. Simulation results indicate that the proposed algorithm, under complicated background noise, especially Gaussian noise, can effectively classify speech in high accuracy for voicing probability and the voiced parameters.