共查询到20条相似文献,搜索用时 31 毫秒
1.
针对非零均值乘性噪声中的谐波恢复问题,本文提出一种基于广义协方差矩阵的乘性噪声中谐波个数和频率的估计方法。首先定义一类广义协方差并构造广义协方差矩阵,通过对广义协方差矩阵进行特征值理论分析,得到了非零均值乘性噪声中谐波分量个数与协方差矩阵特征值之间的内在联系,这个性质可以用来估计谐波分量个数。而且利用子空间旋转不变性技术,可以从协方差矩阵中估计出谐波的频率。本文所提方法对于乘性和加性噪声的颜色和分布均无任何假设,可以应用于任意分布和任意颜色的乘性和加性噪声中的谐波恢复。仿真实验表明,本文所提谐波恢复方法具有很高的频率分辨率。 相似文献
2.
基于随机加权估计的Sage自适应滤波及其在导航中的应用 总被引:1,自引:0,他引:1
为了克服Kalman滤波和Sage自适应滤波的缺点,在分析基于新息向量、残差向量和状态改正数向量的自适应协方差估计存在问题的基础上,提出根据新息向量、残差向量和状态改正数对滤波精度影响的不同程度,采用随机加权法对新息向量、残差向量和状态改正数进行估计,以得到观测噪声协方差矩阵和系统动态噪声协方差矩阵.进一步,利用随机加权法对观测噪声协方差阵和系统噪声协方差阵进行估计,以提高动态导航定位的滤波解算精度.研究结果表明,基于随机加权估计的Sage自适应滤波效果明显优于基于算术平均值估计的滤波方法. 相似文献
3.
4.
5.
在Pisarenko方法中,谱线的信息包含在与数据协方差矩阵的最小本征值相对应的木征矢量中。本文采用共轭梯度法自适应地求出与最新信号协方差矩阵的最小本征值对应的本征矢量。然而,当所选择的系统模型的阶数明显高于实际信号模型的阶数时,会产生伪谱线。但是,只要将共轭梯度法加以改进便可以除去这些伪频率。这是通过将不希望出现的光谱零值从单位圆上找推移至复平面中,从而消除伪谱峰来实现的.因而,当所选择的系统模型的阶数与准确的系统阶数相比大许多时,具有伪频率消除的共轭梯度法可认为是消除伪谱峰较合适的方法。 相似文献
6.
多层自适应共轭梯度方法及其在电磁问题中的应用 总被引:1,自引:0,他引:1
作者提出的自适应共轭梯度方法是对共轭梯度方法的改进和完善.本文将自适应共轭梯度方法用作多重网格方法的光滑迭代构造了多层自适应共轭梯度方法,对介质加载波导和屏蔽微带线的数值分析表明,多层自适应共轭梯度方法是求解电磁问题十分有效的快速迭代方法. 相似文献
7.
8.
本文基于AR模型前向预测误差最小,提出用共轭梯度法搜索AR模型参数,从而实现谱估计。计算机仿真表明,用这种方法进行谱估计,不会产生谱漂移现象,谱分裂得到明显减弱,而且还具有很高的频率分辨能力。用这种方法估计的信号频谱性能接近于Marple算法。 相似文献
9.
10.
在无源时差(Time Difference of Arrival, TDOA)定位技术中,针对现有基于广义互相关时差估计方法对目标信号波形相关度要求高、信号受噪声干扰严重时其时差估计精度难以满足实际需求等问题,提出一种具有自适应分解级数的小波去噪预处理时差估计方法。对待处理信号进行多级小波分解,计算分解后各级系数向量的能量贡献率累加和(Energy Contribution Rate Cumulative sum, ECRCs),以满足ECRCs不小于80%的最小分解级数作为小波去噪的分级参数。结合计算的自适应分解级数及小波去噪方法对待处理信号进行自适应去噪处理,结合广义互相关算法对处理后信号进行峰值分析,得到两信号的时差值。通过仿真信号及甘肃某地实测的TDOA数据进行分析验证,结果表明,所提方法可有效提升时差估计精度及稳定性,尤其信号受噪声干扰较大时具有一定优势。 相似文献
11.
针对测距测角相对导航中测量噪声不可精确获知往往导致相对定位精度下降的问题,本文研究了基于自适应扩展卡尔曼滤波(EKF)的相对导航算法。利用泰勒级数展开对测量矩阵进行线性化处理,并利用自适应时变噪声估计方法对测量噪声方差阵进行动态估计,状态噪声方差阵通过惯导特性的先验值获得。仿真结果表明,基于自适应EKF的相对导航算法可获得高精度且连续平滑的相对定位信息,尤其在测量噪声发生变化时更是表现出良好的导航参数估计性能。 相似文献
12.
13.
基于局部多项式逼近的变参数梯度估计算法 总被引:1,自引:0,他引:1
本文分析了梯度辨识算法跟踪时变系统的缺点,提出了一种新的基于局部多项式逼近的变参数梯度估计算法。本算法具有良好跟踪性能特别适用于时变系统跟踪且其对噪声的敏感程度与一般梯度估计方法相当。仿真结果验证了其良好性能。 相似文献
14.
本文研究了维纳加权广义相关时间延迟估计问题,提出了一种自适应实现维纳加权的时延估计方法。文中讨论了算法结构,分析了其性能,并给出了计算机模拟的结果。理论分析和计算机模拟表明,这种自适应维纳加权时延估计方法,不依赖于输入信号和噪声的统计先验知识,可以有效地消除信号中噪声对时延估计的影响,具有较高的估计精度和较快的收敛速度。 相似文献
15.
增强噪声背景中的语言信号,是信号处理领域的重要课题之一。七十年代中期以前,主要用模拟方法进行研究,较普遍的是利用语言的窄带效应进行带通滤波以改善语言的可懂度。以后随着电子计算机的广泛使用,七十年代中期,出现了用数字信号处理增强噪声中语言信号的一系列技术,并逐渐得到了应用。本文从语声信号数字处理出发,阐明在时域、频域内处理含噪语声的基本原理,叙述了自相关法、卡曼滤波、自适应滤波、线性予测滤波法,频谱平方法、基频跟踪法、最小均方差滤波、频谱减法和二阶谱法,介绍了利用语音参数模型去噪的 LMAP 估计算法和最大似然参数估计算法。对各种方法作了相应的评价,还介绍了应用前景、 相似文献
16.
针对宽带子阵域自适应波束形成器在实际使用中稳健性下降、对弱信号的检测能力受信噪比限制的问题,提出了一种宽带子阵域特征空间稳健对角减载自适应波束形成方法.首先提出利用子阵域特征空间投影法修正导引向量并得到球形不确定集的估计,再利用RCB(Robust Capon Beamformer)算法得到约束条件下的最优权值.另一方面,利用子阵域互谱密度矩阵的最小特征值作为子阵域非相关噪声功率的估计并进行对角减载,以最优权值对减载矩阵波束形成得到子带波束输出,对每个窄子带重复上述处理,再将结果非相干叠加即可得到本文方法的最终结果.理论及实验分析表明方法能提高自适应波束形成器的稳健性及输出信噪比. 相似文献
17.
基于分数阶共变的有色谐波信号频谱估计 总被引:2,自引:0,他引:2
在alpha稳定分布噪声下,传统的谐波信号的频谱估计方法会失去其韧性.本文简要分析了分数阶共变矩阵的结构,在此基础上提出了基于分数阶统计量的谐波信号的频谱估计新方法:基于分数阶共变的Pisarenko谐波分解(FOC-PHD)算法和多信号分类法(FOC-MUSIC)算法.这种方法将信号频谱估计的范围从二阶矩扩大到P阶矩(1<p<a≤2).通过对给定的alpha稳定分布噪声中正弦信号的估计与分辨进行仿真,详细比较了传统的谐波信号频谱估计和FOC-PHD、FOC-MUSIC频谱估计算法的性能,仿真结果表明,本文提出的方法明显优于传统的频谱估计算法,具有良好的韧性. 相似文献
18.
噪声鲁棒的自适应语音信号去混响是现代语音信号处理的重要研究内容,其困难在于语音信号的非白性、非平稳性及房间的超长冲激响应特性。针对单输入多输出(SIMO)麦克风阵列系统获取的多路混响语音信号,提出了一种新的去混响算法。首先通过相关法时延估计对SIMO混响语音信号进行时延对齐;其次在保持SIMO系统输出信号间交叉关联关系(cross relation)基础上对混响语音信号进行预白化处理;最后把交叉关联关系、用于矩阵最小特征向量计算的反幂法与卡尔曼滤波解卷积方法有机结合,实现了SIMO混响语音信号的实时自适应去混响。仿真与实验研究表明,本方法对混响语音信号去混响效果明显,同时具有较好的抗噪声性能。 相似文献
19.
20.
对于加性噪声影响下的语音信号,利用双通道输入建立起来的增广卡尔曼滤波器模型,采用自适应共轭梯度方法对纯净语音和有色噪声干扰模型分别进行参数估计,提出了一种有效的语音增强算法。由于该方法对模型参数的估计精确性较高,而且估计速度快,同卡尔曼滤波类的其它语音增强方法相比,其语音增强效果良好,且具有一定的顽健性。仿真实验表明在环境噪声很复杂的情况下,该方法仍然有效。 相似文献