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。     

现代谱估计方法在仿真可信性研究中的应用

仿真可信性研究是仿真研究的重要组成部分,其主要工作包括模型的验证、确认和认定（ＶＶ＆Ａ）。谱分析方法是研究仿真可信性的定量方法,适合于对系统动态性能进行分析,是一种统计检验方法,且可信度较高。特别是现代谱估计方法,既有高分辨率,又可以分析非平稳时间序列,具有广泛的应用。该文分别分析了傅立叶谱估计、最大熵谱估计、交叉谱估计、瞬时谱估计、演变谱估计等的统计特性、应用特点和适用范围。     

一种基于PCI技术的谱估计方法

Burg方法是自回归模型谱估计方法中一个最受欢迎的方法。但Burg方法对含有噪声的正弦信号进行谱估计时存在两个方面的问题，为此该文提出了一种基于主成份求逆技术的谱估计方法。推导了利用主成份求逆技术计算自回归模型系数的解析表达式，利用该方法计算自回归模型系数只涉及到相关矩阵的主成分，不需要进行Burg方法中的Levinson递推，从而避免了出现Burg算法所出现的问题。最后通过计算机仿真验证了对该方法相对于Burg方法的优越性。     

基于神经网络的复杂仿真系统验证方法

在复杂仿真系统模型验证的有效方法的研究中,神经网络可以做为复杂仿真系统校核、验证和确认的主要应用工具和手段.首先介绍了传统仿真系统的验证方法,指出了传统验证方法存在的问题.提出了基于神经网络的复杂仿真系统验证方法.采用神经网络模型识别和验证,根据神经网络时间序列预测和神经网络的最大熵谱估计验证方法.最后给出了具体仿真应用示例并分析了几种验证方法的优缺点,可以为解决复杂仿真系统验证问题提供了一条新的途径.     

基于FPGA的测风激光雷达功率谱估计系统设计

为了从测风激光雷达回波信号中获il取i大气径i向风速信息，本文设计了一套基于FPGA的测风激光雷达功率谱估计系统。系统采用14位250MSPS的AD芯片进行高速采样，以X部触发、数据存储、功率谱估计以及数据通信等系列功能。通过对系统进行功能仿真和实验验证，对比分析出其功率谱估计与MATLAB计算结果最大相对误差在10-4量级，验证了本系统设计的正确性和可靠性。     

基于参数谱估计方法的谐波检测研究

在分析自回归模型的基础上,研究了Yule Walker,Burg和Covariance三种参数谱估计方法的检测原理,提出了一种改进Covariance方法。在Matlab仿真平台上,采用4种参数谱估计方法对谐波、间谐波、次谐波进行检测。仿真结果表明,参数谱估计方法不仅能检测整数次谐波,对间谐波和次谐波也有很好的检测效果,其中Burg方法和改进Covariance方法谐波检测效果最好。     

基于多窗谱估计的改进维纳滤波语音增强

为减少维纳滤波在语音增强中残留的"音乐噪声",将多窗谱估计和改进的维纳滤波方法结合,并进行语音合成。设计了基于多窗谱估计的改进维纳滤波语音增强方法,该方法采用多窗谱估计噪声功率谱,改进维纳滤波降噪得到增强语音,以及重叠相加语音合成,并给出仿真对比验证。结果表明,基于多窗谱估计的改进维纳滤波方法在抑制噪声,减少音乐噪声方面优于基于维纳滤波的增强算法和基于多窗谱估计的改进谱减法的增强算法。     

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。     

互功率谱参数谱估计的矩估计方法

互功率谱估计量谱估计领域里一个重霜分支。传统的互谱估计由于存在着谱估计方差大，谱分辨率低，谱窗泄漏及频率混叠等诸多弊病而极大地限制了它的应用，针对这一问题，本文首先从理论上证明了互相关函数的Ｙｕｌｅ－Ｗａｌｋｅｒ方程，并在此基础上提出了互功率谱的矩估计方法，文中还给出该方法的仿真实验结果。     

正弦频率估计的互高阶谱矩方法

本文首次提出采用互高阶谱估计方法估计正弦频率，从理论上建立了互四阶累积量的Ｙｕｌｅ－Ｗａｌｋｅｒ方程，并在此基础上提出了互高阶谱估计的矩方法。仿真结果表明，该方法具有良好的频率估计性能。     

经济波动谱分析方法的比较研究

为解决我国经济序列长度较短及各主周期分量难以同时准确分辨的问题，提出加费周期图谱估计与最大熵谱估计相结合的谱估计方法，并将各主要周期分量单独分辨，且通过对序列进行三角函数拟合来确定周期长度准确信。从谱估计曲线、主周期分量的分辨和周期长度的准确性3个方面与一般的谱分析方法进行了比较，说明了该方法的可行性和有效性。     

一种新的谱估计算法

给出不作相关参数估计的谱分析算法，本算法的用自适应算法，二次型共轭梯度算法，解前后向预测构成的矩阵方程，计算机模拟表面新算法是一种快速，稳定而有效的算法，它有高分辨，短数据和宽频带特性。     

基于谱熵噪声估计的改进减谱法

为优化基本减谱法在低信噪比下的性能,必须对噪声进行更为准确的估计。提出一种基于谱熵噪声估计的改进减谱法,通过谱熵值估计每一帧语音的噪声,利用减谱法减去噪声以达到降噪的目的。实验结果表明,该方法与传统消噪方法相比,在不同噪声环境下均能取得较好的去噪效果。     

一种新的用于语音识别的噪音估计及非线性谱相减方法

提出了一种新的噪音估计及非线性谱相减方法，通常的噪音估计一般基于语音检测方法，取噪音段的谱平均作为噪音谱的估计，该方法在信噪比较低时性能下降严重。提出的基于能量聚类的噪音谱估计方法，不依赖于语音检测直接估计噪音谱，提高了噪音谱估计的精度。还在一般非线性谱相减方法的基础上提出了改进的谱相减方法，该方法根据单个mel滤波器频带内局部的信噪比，来决定该频段内非线性谱相减的多少，细化了非线性差谱的额度，在有效抑制噪声的同时减少了语音谱的失真。     

基于噪声倒谱阈值频谱估计的语音活动检测

针对低方差频谱估计的语音活动检测(VAD)中Welch频谱估计方法计算量大的问题,提出利用倒谱阈值方法估计VAD中的噪声功率谱.该方法在静音时期为噪声的倒谱设置阈值,利用快速傅里叶变换计算频谱,再更新VAD中的判决阈值.算法复杂度分析与仿真结果表明,该方法的检测性能与Welch方法相当,计算量降低约18%,同时降低整个...     

On the estimation of transfer functions

This paper treats the close conceptual relationships between basic approaches to the estimation of transfer functions of linear systems. The classical methods of frequency and spectral analysis are shown to be related to the well-known time domain methods of prediction error type via a common “empirical transfer function estimate”. Asymptotic properties of the estimates obtained by the respective methods are also described and discussed. An important feature that is displayed by this treatment is a frequency domain weighting function that determines the distribution of bias in case the true system cannot be exactly described within the chosen model set. The choice of this weighting function is made in terms of noise models for time-domain methods. The noise model thus has a dual character from the system approximation point of view.     

基于压缩技术的子空间迭代法及在谱估计中的应用

提出了一种基于压缩技术和子空间迭代的特征向量迭代估计算法,由于该算法采用迭代形式,同目前的特征向量求解方法相比(如奇异值分解法),该算法计算量小、复杂度低、算法收敛速度快、易于实时实现,可对由信号构成的自相关矩阵的特征向量作出准确的估计。通过仿真实验可见该算法具有很高的估计精度。将该算法应用到MUSIC(multiple signal classification)谱估计中,通过计算机进行仿真对比可以看到,利用提出的算法进行谱估计精度要高于标准的MUSIC谱估计精度,且计算量大大减小,由此验证了算法的有效性和优越性。     

一种新的DOA估计的高分辨率算法

波达方向估计（DOA）在阵列信号处理中非常重要,而传统算法如多重信号分类算法（MUSIC）需要对阵列接收数据的协方差矩阵进行特征分解,并在全空域进行谱峰搜索,运算量巨大,尤其是二维DOA估计算法还存在稳健性较差的问题。提出了一种基于最小互熵谱分析的DOA算法,该算法只需要一次较少阵元的阵列采样（快拍）数据即可得到具有高分辨率的谱分析结果。进一步采用倒谱法,通过逆FFT变换提高了最小交叉熵谱分析算法的收敛速度。数值仿真结果表明,该算法较常规空间谱估计方法有更高的分辨力和更小的运算量,能够对阵列信号进行实时处理。算法不依赖于预先估计的信源数目,具有较好的宽容性,较高的分辨力以及极低的旁瓣电平。     

基于谱减法的基音检测算法

基音周期是语音信号的一个重要参数,它在多个领域有着广泛的应用。提出了一种基于谱减法的基音检测算法：先用谱减法对带噪语音去噪,然后再求语音LPC预测残差的自相关函数及自相关函数的倒谱。仿真结果表明,利用这种改进算法做基音周期检测,检测效果会比传统倒谱检测方法有明显改善。