AR模型功率谱估计及Matlab实现

功率谱估计是分析随机信号的一种重要方法,是信息学科的研究热点。文章介绍了现代功率谱估计中AR模型参数的几种典型求解算法,并借助MATLAB平台对各种算法的功率谱进行仿真。     

基于Burg最大熵法的管道腐蚀超声检测

超声波检测是输油管道在线内检测的重要方法之一,但在管道壁厚测量应用中却经常出现大量的误差,甚至得出相反的结果.本文进行了较深入的超声检测回波分析,指出了由回波信号的前两个脉冲的时间间隔计算管道剩余壁厚的检测方法将产生较高的误检率和漏检率,提出了一种基于Burg最大熵谱估计的信号处理检测方法,Burg法按最大熵原则外推自相关函数,递推计算模型预测误差滤波器反射系数,避免了其他自回归功率谱估计方法中自相关函数的计算.短时间序列、高分辨、抗干扰能力强的功率谱估计算法是超声管道内检测的关键技术.实验结果表明该方法检测精度高、谱估计分辨率高,适用于输油管道在线管壁腐蚀检测.     

1 1/2三维谱估计在直升机声信号特征提取中的应用

提出一种基于11/2维谱估计的直升机声信号低频线谱特征提取方法.11/2维谱是高阶谱的一个特例,它具有几个特殊的性质,这些性质使其能抑制高斯噪声、加强谐波信号基频分量以及剔除非二次相位耦舍的谐波分量,因此在处理线谱估计问题时11/2维谱估计要比传统的功率谱估计方法具有更好的性能;同时与双谱估计等常用的高阶谱估计方法相比,11/2维谱估计大大简化了计算.通过对实测直升机噪声数据进行仿真,结果证明,将11/2维谱估计用于直升机声信号的特征提取可行、有效.     

自回归模型谱估计在流量测量中的应用

流量是工业控制与生产中的一个重要参数.目前,涡街流量计应用相当广泛.但是,由于其工作原理的关系,它对外界的各种干扰非常敏感,使其现场测量精度大大低于实验室标定的精度.本文的主要目的是以数字信号处理的理论为基础,采用自回归模型谱估计的方法对涡街流量计的输出信号进行分析和处理,得出要测量的流量值.论文中分别采用计数的方法和自回归模型谱估计的方法进行实验.通过实验验证,自回归模型谱估计可以作为一种较好的方法,应用于处理流量计的输出信号,并且此方法得出的结果比脉冲计数方法得出的结果精度高.     

基于有限长序列分析的Welch法谱估计研究

研究功率谱估计,为提高谱的性能,Welch法是经典谱估计中性能较好且在实践中得到广泛应用的方法.通过分析影响有限长序列傅里叶变换性能的因素(包括离散傅里叶变换的长度和窗函数类型及其长度),根据上述因素对Welch法谱估计性能的影响,得到参数选择的一般原则,为实验参数选择提供依据.用仿真信号以及实际语音信号进行仿真分析,实验结果表明,Welch参数选择方法可以得到较理想的谱估计性能.     

分数低阶α稳定分布的功率谱估计新方法

传统的α稳定分布噪声下信号功率谱估计方法有两种,分别为共变谱估计与协方差谱估计。这两种谱估计方法都是以自相关这个二阶矩作为频域分析对象,而自相关是个损失了信号中相位的信息,不能用于时频域分析。针对这一问题,提出了一种新的分数低阶功率谱估计方法,计算机仿真结果表明,与现有方法相比,该新方法不仅在进行分数低阶功率谱估计时具有更优良的性能,而且可进一步应用于时频域分析,具有更广泛的应用价值。     

最大熵法的反射系数和预测误差功率

反射系数是最大熵谱估计Burg算法中的一个重要量,它决定了预测误差功率和滤波器的结构,即数据样本的谱估计模型。本文提出一种预测误差功率极小化的反射系数,且证明这种反射系数具有稳定性和极大性。     

一种改进的最小统计噪声功率谱估计算法

噪声功率谱估计是语音增强系统中的一个重要部分。基于Martin提出的最小统计噪声功率谱估计算法（MS）提出了一种改进的噪声功率谱估计算法。实验结果表明算法能够较好跟踪噪声谱的变化,提高噪声功率谱估计的准确性,改善增强后语音的质量。     

基于谱估计的雷达信号模型验证方法

雷达信号模型是雷达系统仿真的重要组成部分,因此雷达信号模型验证在系统可信性分析中具有重要意义。采用经典谱估计和最大熵谱估计两种方法对仿真产生的两组雷达信号进行谱估计,提出了利用相关系数方法在频域对模型进行验证,对比分析了两种方法的优缺点,并对某雷达仿真系统与某次试验采集得到的数据进行了验证,表明此雷达仿真系统具有较高的可信度。     

多普勒信号的Burg算法优化研究

随着高速列车的发展,测速精度高的多普勒测速方式被广泛应用。其将多普勒信号看作广义平稳随机信号,利用功率谱估计方法进行信号处理。针对现代谱估计中Burg算法基本原理分析其误差来源。分析了两种优化算法,一种是基于窗函数的优化算法,另一种针对改进的协方差法实现了基于预测误差功率最小意义的优化算法。通过仿真对比原算法与两种优化算法的频谱估计性能,分析算法复杂度,选择模型最优参数,并验证了在列车测速范围内不同频段的适用性。结果表明,优化算法在不增加运行时间的基础上可降低频谱偏移程度、改善频谱分辨率,可识别出列车测速范围内各个频段频率,并且谱估计频率误差小于1%。     

分数低阶时频滑动平均模型参数估计

针对稳定分布环境下非平稳过程分析方法时频滑动平均（TFMA）模型算法的退化,引入分数低阶统计量共变,提出了一种改进的分数低阶时频时频滑动平均（FLO-TFMA）模型算法。推导了FLO-TFMA模型的参数求解过程,给出了基于FLO-TFMA模型的时频谱估计。通过在稳定分布环境下对TFMA模型算法和所提出的FLO-TFMA模型算法的参数估计均方误差（MSE）比较和时频谱估计比较,仿真结果表明,FLO-TFMA模型算法的参数估计精度优于TFMA模型算法,TFMA模型时频谱估计完全失效,而FLO-TFMA模型时频谱算法能较好地进行时频谱估计。     

基于投影信号谱分析的指纹纹线间距估计方法

准确估计指纹纹线间距对指纹图像分割、增强及指纹细节特征提取具有重要意义。针对现有纹线间距估计方法存在的不足,提出了一种基于纹线方向投影信号谱分析的指纹纹线间距估计方法。该方法首先对指纹块方向图进行选择性平滑以滤除噪声干扰,然后计算方向投影信号的傅立叶变换能量谱,并通过谱分析提取信号基频,以此估计出纹线间距。实验结果表明,与现有的一些典型方法相比,该文方法对于纹线间距的估计更为准确、可靠。     

基于改进谱平滑策略的IMCRA算法及其语音增强

噪声谱估计算法在单通道语音增强方法中起着重要作用,为了改善噪声谱估计算法对噪声的估计和更新能力,结合最小统计（MS）算法,对改进的基于控制的递归平均（IMCRA）噪声谱估计算法的递归平均参数进行改进,并用一阶递归的方式对平滑功率谱的最小值进行改进。采用谱减法对含噪语音信号作去噪处理,从客观和主观两方面对不同算法的性能进行评价,对比分析不同噪声不同信噪比下增强前后语音的分段信噪比（segSNR）、PESQ得分、MOS得分。实验结果表明,提出的方法能够更好地跟踪噪声信号变化,改善语音质量。     

基于改进MUSIC算法的宽带信号DOA估计

现有的波达方向（DOA）估计算法在估计被动探测系统中的宽带信号方位时,存在DOA估计结果偏差大、运算复杂度高等问题,难以满足信号实时处理的要求。为提高多源信号DOA估计的空间分辨率,提出一种基于S变换且不需要预估信号源个数的多重信号分类改进算法。根据宽带信号的频域特征,利用S变换处理阵列接收信号,得到多分辨的时频谱矩阵,同时构建时频域的阵列信号数据模型,结合信号功率谱矩阵呈联合对角化结构的特点,设计基于S变换的子空间谱估计公式。在此基础上,通过谱峰搜索进行DOA估计,实现多源宽带信号的声源定位。仿真结果表明,在信噪比范围为-15~10 dB的条件下,该算法的估计成功率始终保持在90%以上,相比TCT、CS_TCT、CWT_MUSIC算法,其具有较优的估计性能,并且无需预估信号源数。     

一种基于稀疏度估计的自适应压缩频谱感知算法

针对现有的频谱感知存在信号稀疏度估计所需压缩观测值不能满足信号稀疏度变化时实时跟踪的问题,研究一种基于稀疏系数信息估计的自适应宽带频谱压缩感知方法,在流信号进行稀疏度未知的压缩时,先采集由先验信息得到的观测值数目.在采集到的观测值数目上自适应调整,得到信号稀疏度估计所需的观测值数目,并精确估计信号的稀疏度.仿真结果表明,SCI-CSS算法对流信号频谱能够保持良好的收敛性和较快的跟踪速度,且能有效地确定使信号稀疏度估计所需压缩观测值数目并随信号稀疏度自适应调整,实现对信号稀疏度变化的实时跟踪.     

强信号下的弱信号波达方向和时延联合估计

在强信号背景下,弱信号波达方向和时延联合估计方法难以精确估计弱信号数目。为此,通过对Capon谱估计法进行改进,提出一种强信号背景下的弱信号波达方向和时延联合估计方法。该方法无需对弱信号的信源数进行估计及特征值分解,在快拍数较少的情况下仍具适用性。仿真结果证实了该方法的有效性。