估计1/f类分形信号信噪比的新方法

提出了一种通过拟合自相关函数估计1/f类分形信号信噪比的新方法。其总的延迟可以由带噪分形信号的互信息曲线在第一区域内达到极小值的时间来确定。仿真实验结果表明,该方法简单可靠,有效可行,且事先不需要知道分形信号参数及加性白噪声的先验知识,因此具有很好的适应性。     

有噪自回归信号参数估计的最小均方算法

提出了噪声中自咽归信号未知参数包括信号的功率和噪声方差的估计问题,通过把基本自回归模型的阶数增加一阶,提出了一种以估计噪声方差为基础的新的最小均方算法,这种方法的特点是能够得到自回归模型参数的一致估计,与以前噪声中自回归信号未知参数的估计方法相比,该方法的优点是,在没有前置滤波的情况下直接利用含有噪声的观测数据不需要参数抽取而直接估计自回归信号的参数和噪声方差,计算机仿真和数字模拟结果证实和说明了这种理论。     

基于惩罚函数的谐波信号个数估计

在加性噪声情形下,惩罚函数方法是一种简洁有效的谐波信号个数估计方法。本文将此方法用于乘性和加性噪声并存情形,通过最小化目标函数得到谐波信号个数的估计,并且证明了估计的一致性。模拟实验也证实了该算法在乘性和加性噪声并存情形依然有效。     

随机分形信号参数的快速估计

从随机分形信息的分数差分方程入手,分析了随机分形信号分数差分后输出信号的归一化自相关函持性提出了彩和了分数差分结果的Ｋ步截尾特性作为测试表达式进行参数估计。该方法实质是寻找一分数阶因子,使随机分形信号通过分数并分后的输出信号最接近白噪声。     

用混沌振子和Kalman滤波检测强分形噪声中的弱信号

针对强分形噪声中微弱信号难于检测这一问题,提出了小波域多尺度模糊自适应Kalman滤波和Duffing振子相结合的方法。先对淹没在强分形噪声中的信号进行多尺度小波变换,根据分形噪声信号小波系数的平稳性,建立状态方程和观测方程,用模糊自适应Kalman滤波,对每一尺度估计出分形信号,然后将估计信号与观测信号作差得误差信号,把误差信号送入Duffing振子,利用Duffing振子对噪声的免疫性,来检测微弱信号。也给出了Duffing振子的免疫性一种新的统计解释。仿真实验结果表明：该方法能在低信噪比和低信干比下有效地检测出淹没在强分形噪声中的微弱谐波信号。     

微弱高频CW信号的自适应滤波

高频电报(CW)是强噪声背景下战术应急通信的主要工作方式,由于高频信道是典型的随参信道,不可能事先已知干扰噪声的统计特性。该文提出了一种基于ARMA新息模型的CW信号自适应Kalman滤波方法,以解决高斯背景下高频电报系统干扰噪声方差未知的问题。根据CW信号的时频域特征定义状态空间随机信号模型,构造ARMA新息模型,通过在线辨识新息模型参数来估计Kalman滤波增益,实现CW信号的自适应跟踪滤波。仿真结果表明,该方法能够有效估计微弱高频CW信号时域波形,算法可递推实现,实时性强。     

基于小波变换的1/f类分形信号的参数估计

为了估计1/f类分形信号模型———分数布朗运动的自相似参数,对离散分数高斯噪声进行了Haar小波变换。根据细节小波系数方差和尺度的关系,在最小二乘法的基础上推导出一种估计算法。在仿真中,和EM算法相比较,以方均根误差为指标说明了本文方法的有效性和优越性,同时讨论了数据长度和小波分解的尺度对本文算法精度的影响。     

估计白噪声中正弦信号个数的比率准则方法

提出了一种估计白噪声中正弦信号个数的新方法—比率准则（ＲａｔｉｏＣｒｉｔｅｒｉｏｎ），简称ＲＣ准则。仿真结果表明：这一方法在用于估计白噪声背景下正弦信号个数时，能够给出正确结果，避免了信息类准则估计信号个数偏高的缺陷，明显地优于信息类准则。     

基于能量算子的单通道盲分离中源信号数目估计算法

分析了利用Teager能量算子检测信号奇异点的原理,给出了数字调制混合信号能量函数幅度的表达式,重点研究了加性高斯白噪声对混合信号能量函数的影响,提出一种基于能量算子的单通道盲分离中源信号数目估计算法。仿真结果验证了算法的有效性。     

变量带误差闭环系统参数辨识的最优输入信号设计

针对目前对闭环系统的最优输入信号设计中,大多数只考虑输入带误差情况,而不考虑输出带误差的问题,对闭环变量带误差系统(输入和输出都被噪声干扰)参数辨识的最优输入信号进行设计。根据所构造的闭环变量带误差系统模型(本文假设输入干扰噪声和输出干扰噪声均为均值为0、方差为1的白噪声),通过将最优输入信号设计的问题转化为输入信号功率谱的最优化问题,进而利用渐进方差矩阵的迹运算来求解最优输入信号的功率谱,从而完成最优输入信号设计。     

基于小波变换的分形噪声白化滤波器

传统的信号检测理论都是基于白噪声背景假设的,当干扰为色噪声时则需要白化滤波．对于１／ｆ类分形噪声,由于其非平稳性和长程相关等特性使传统的白化滤波不能奏效．针对这一情况,利用小波变换设计了一种白化滤波器,实验结果表明该滤波器是有效的．     

基于压缩采样的宽带跳频信号盲检测算法

为了在非协作情况下,达到对宽带跳频信号进行实时检测的目的,提出一种基于压缩采样值数字特征的盲检测算法.首先分析了不同先验假设条件下压缩采样值的期望和方差,然后讨论了利用这些不同数字特征对高斯白噪声中的跳频信号进行检测的方法.仿真结果显示,该算法能在Eb/N0大于8dB时对高斯白噪声中的跳频信号进行有效的检测.该算法相对于传统基于奈奎斯特采样值的检测算法,运算复杂度低,实时性较好.     

基于局部投影算法的舰船信号降噪处理研究

利用基于非线性动力学系统的局部投影降噪算法研究了舰船辐射噪声的非线性降噪问题。分析了局部投影降噪算法邻域半径参数与降噪效果的关系,研究了利用噪声强度估计邻域半径参数的方法。通过对含噪Lorenz模型和实际舰船信号进行降噪处理,得到了较为满意的结果。     

小波变换在分形信号参数估计中的应用

分形信号和Ｈｕｒｓｔ指数的提取是一个十分重要的研究方向,从此提出了一种新的基于小波变换和分数高斯噪声模型的Ｈｕｒｓｔ指数提取方法,分别推导了分形信号和白器材怕的小波系数统计量的公式,在此基础上用最大似然法进行参数估计,与传统方法的实验表明,该方法具有较高的稳定性。     

多重自相关函数在微弱正弦信号检测中的应用

研究了一种用于微弱正弦信号检测的新方法,该方法利用了正弦函数的特殊性质,在信号未知的情况下,通过多次自相关运算成功的检测出埋没于强大噪声中的微弱正弦信号．分别讨论了多重自相关法在白噪声背景下、有色噪声背景下,单一正弦信号、多个正弦信号等情况的检测效果,并给出了具体的仿真结果,此方法在频率测量中具有极高的准确性;在幅度测量上,精度略低,但通过多次测量取平均值,仍可达到预期的精度．与以往的弱信号时域处理方法比较,多重自相关检测方法具有理论推导简单、物理意义明确等特点,应用前景广泛。     

基于多小波噪声方差阈值的信号滤波方法

对信号和噪声的多小波变换进行了研究，根据它们多小波变换下呈现出的截然相反的特征，即随着变换尺度的增大，噪声的变换值迅速减小，而信号的变换值增大，利用相关算法推导并给出了多小波噪声方差阈值的计算公式，基于阈值提出了一种新的多小波信号滤波方法，该方法在噪声方差估计的基础上，对噪声信号变换系数进行处理，减小由噪声产生的系数，同时最大限度地保留有效信号产生的系数，最后由处理后的变换系数进行处理，减少由噪声产生的系数，同时最大限度地保留有效信号产生的系数，最后由处理后的变换系数重构信号，对该方法用典型的GHM双小波进行了仿真分析，结果表明，本文的方法具有很好的滤波效果。     

多子阵信号相位匹配原理的信号最小二乘解

提出了利用多元阵信号相位匹配原理的信号方向估计及信号估计的最小二乘法的求解方法，该方法不仅可减小接收通道的相幅度一致性对信号估计的影响，同时也可以消除利用三元阵或四元阵的信号相位匹配原理时产生的估计信号奇异值。利用真实舰船噪声的线谱可实现高精度目标定向，然后根据确定方向实现目标宽带信号估计。仿真结果表明，多子阵的信号相位匹配法的噪声抑制性能明显优于阵元域的噪声抑制性能。