基于隐马尔可夫树非高斯信号的建模分析与分类识别

研究了基于小波域隐马尔可夫树模型非高斯信号的建模方法．探讨了海洋环境噪声和船舶辐射噪声在不同工况下所表现出的不同模型特征，并根据它们在HMT模型参数上的特征差异提出了一种新的检测方法，实验证明，该方法的检测性能比过零检测、能量检测以及二阶统计量检测方法要好．通过结合小波域隐马尔可夫模型和支撑向量机，提出了一种新的水声非高斯噪声信号的识别分类方法，实验证明，该方法具有较好的分类性能．     

分数低阶α稳定分布噪声下EP潜伏期变化韧性自适应检测

依据分数低阶矩理论和信号噪声的特性，提出了一种自适应检测EP潜伏期变化的新方法，这种方法基于反正切函数的单调有界和奇对称特性，对误差信号Cn(k)进行非线性交换，抑制了EP信号中的分数低阶α稳定分布噪声，有效保留了信号成分，在高斯和分数低阶a稳定分布噪声条件下具有良好的韧性，且避免了动态估计信号噪声a参数的困难，利用这种方法动态检测EP潜伏期的变化，具有较高的估计精度和较快的收敛速度。     

Lévy噪声和高斯白噪声共同激励的非对称三稳系统的随机共振

将Lévy噪声和高斯白噪声引入非对称三稳系统模型中，采用数值方法计算不同参数下系统的信噪比，分析噪声参数、系统参数以及信号振幅对系统随机共振现象的影响机制．研究结果表明，较大的稳定性指标、偏斜参数、3次刚度系数以及信号振幅会抑制随机共振现象的发生，而较大的非对称参数则会促进随机共振现象的发生．特别地，当信噪比作为加性噪声强度的函数时，较大的5次刚度系数不易于出现随机共振现象，而当信噪比作为乘性噪声强度的函数时，情况则相反，即5次刚度系数越大越容易发生随机共振现象．     

一种含噪混合信号的盲分离方法

基于信息极大化和自然梯度原理,提出了一种超高斯与亚高斯混合信号的盲分离方法。该方法联合利用高斯函数与双曲正割函数平方的乘积和两个高斯函数的组合对源信号概率密度函数进行估计,放宽了约束条件,并采用峰度信息作为参数来选择概率密度模型及相应的非线性函数,对超高斯和亚高斯混合信号有较好的分离效果。并且,用小波变换与此方法相结合对含有加性噪声的混合信号进行分离。实验仿真证明了算法的有效性。     

基于双谱的噪声信号检测

传统的功率谱分析方法不能提供信号的高阶统计信息,在信号检测中无法有效地抑制噪声．本文根据高阶谱对高斯噪声是零响应的这一特性,提出了一种基于双谱的信号检测方法．通过实验仿真,结果表明：无论是对混有随机噪声还是高斯噪声的信号,在低信噪比的情况下,该方法均可获得比传统FFT方法更好的检测效果．     

基于粒子滤波的MIMO雷达目标似然比检测方法

针对多输入多输出（MIMO）雷达在非高斯杂波背景、信号参数随机或未知的情况下,难以建立目标统计检测模型的问题,基于粒子滤波方法,根据参数的概率分布函数抽取粒子,将复杂积分运算转化为求和运算求取似然函数,给出了一种MIMO雷达目标似然比检测的通用模型,解决了非高斯杂波条件下无法得到检测统计量的问题．以复SG-Alpha联合稳定分布作为MIMO雷达非高斯杂波分布模型,给出了基于粒子滤波的似然比检测方法．最后通过仿真实验给出了该方法在不同条件下的检测性能,并与传统MIMO雷达目标检测方法进行了比较,结果表明在非高斯杂波背景下该方法的检测性能要明显优于传统方法的．     

航道多载波的通信时延与多普勒频移联合估计

针对海上航道立体监测系统中水声信道高斯噪声和对称α稳定(SαS,Symmetric α Stable) 脉冲噪声干扰的复杂环境,以基带OFDM（Orthogonal Frequency Division Multiplering）水声通信系统的发射信号作为研究对象,提出了一种基于分数低阶循环模糊函数的多循环频率时延与多普勒频移联合估计算法．该方法将分数低阶矩与循环平稳特性相结合,能够在SαS脉冲噪声条件下检测信号的循环平稳特性．仿真结果表明:在脉冲噪声和干扰环境中该算法均能稳定工作,估计性能优于基于二阶循环模糊函数．     

非平稳噪声环境下LFMCW信号恒虚警检测算法研究

为了提高电子侦查系统中对非平稳噪声环境下线性调频连续波信号的实时检测能力,提出了一种对信号进行分段检测的低复杂度算法.根据假定最大调频斜率设定窗函数宽度,将截获信号均匀分割为多个序列,在每个时间序列内建立短时谐波模型,并采用多个正交窗函数对信号进行加权离散傅里叶变换.在此基础上,推导出符合F分布的检测模型.该模型与噪声功率无关,因此检测前无需统计噪声功率,可对非平稳噪声环境下的信号进行恒虚警率检测.仿真分析了影响该算法性能的参数,通过与单窗口检测算法对比,验证了该算法在非平稳噪声环境下优良的检测性能.      

基于厚尾分布的异常信号检测方法

为了检测具有厚尾分布信号的异常值,提出将基于EM算法的统计诊断方法应用于正态逆高斯信号的异常信号检测.为了避免计算贝塞尔函数的困难,考虑将正态逆高斯信号看作缺失变量,通过EM算法求解参数的极大似然估计,简化了计算过程;通过Q函数代替对数似然函数,提出了在正态逆高斯分布的信号中基于Q函数的影响度量方法,分别给出了数据删除模型与局部影响分析的诊断统计量,理论和实例计算结果表明:该文所提出的检测方法对于正态逆高斯信号的检测效果明显.     

基于FHN神经元模型的UWB信号检测方法

针对FHN模型检测UWB信号时需要已知UWB信号和调节噪声强度来产生随机共振的局限性,研究分析了FHN模型系统参数与发生随机共振现象的关系,推导了新的输入输出互相关函数,提出了基于新互相关函数的参数调节FHN模型检测新方法。采用新方法对强噪声中的UWB脉冲信号进行检测并对该方法的检测性能进行了仿真比较与分析。仿真结果表明,新方法可以较为准确地检测到淹没在强噪声中的未知UWB脉冲信号,是一种低信噪比非合作下检测UWB信号的方法。     

马尔科夫链蒙特卡洛地面磁共振信号参数提取

为解决MＲS( Magnetic Ｒesonance Sounding) 信号中乘性噪声干扰的问题,提出了马尔科夫链蒙特卡洛的 参数提取方法。建立MＲS 复包络参数的先验信息模型与似然函数模型,使用马尔科夫链蒙特卡洛( MCMC: Markov Chain Monte Carlo) 方法对参数后验分布进行采样与拟合,在后验分布中出现次数最多、权值最大的数据 作为参数的最优估计值。通过多组不同噪声条件下的MCMC 参数提取结果与非线性拟合方法对比,证明了 MCMC 方法可在乘性噪声的干扰下进行MＲS 信号参数提取,准确度高、稳定性强。     

一种自适应性神经元控制器研究

经典的控制器参数的整定过于依赖控制对象的数学模型,不便在线调整。为了解决这一问题,提出一种自适应性PID神经元控制器。在PID控制原理的基础上,充分利用神经网络用于非线性控制的特性,对神经元赋予了比例、积分和微分的功能。采用可微可导的激励函数,通过反向传播算法,实现了控制器参数的在线调整。仿真实例证明PID神经网络控制器具有较好的自适应性和抗干扰能力。     

一种基于过采样技术的非最小相位系统盲辨识方法

提出了一种在时域中盲辨识非最小相位系统传递函数的方法,该方法通过对系统输出过采样来获得系统结构参数的信息.对于单输入单输出的线性离散系统,经过输出过采样后可以等价为单个输入、多个输出的传递函数模型,这多个输出函数具有相同的分母多项式和不同的分子多项式.采用子空间分解法可以确定分子多项式的参数,通过对系统输出信号自相关函数的处理可以得到分母多项式,最终可以得到原系统的结构参数.与传统高阶矩方法相比,该方法对噪声的敏感度更低,辨识的精度和速度也有很大提高.仿真结果表明,当信噪比大于15dB时,该方法可以有效地辨识出系统参数.与高阶矩方法相比,辨识门限信噪比降低了10dB,估计精度提高了20%,辨识速度加快了3倍.     

用Monte Carlo方法计算非Gauss噪声的重整流和效率

为提高分子马达的流与效率,用Monte Carlo方法研究了非Gauss噪声驱动的布朗粒子在闪烁棘轮势场中的流和效率。在无势情况下,粒子向两边对称地自由扩散,其分布密度函数偏离Gauss分布,存在一个长拖尾或大随机力分布被截断;当势恢复后,不对称的棘轮势将无规扩散整流成定向输运流。结果表明:棘轮势整流非Gauss噪声驱动的布朗马达,能获得比Gauss噪声情况大很多的流和效率;而且随着噪声参数的变化,流能发生反向现象。     

分数阶Duffing系统动态特性研究及微弱信号检测

为了进一步提高微弱信号的检测能力,在更低信噪比环境下提取微弱信号的特征信息,提出采用分数阶Duffing系统实现微弱周期信号检测。基于常规Duffing-Holmes数学模型 ,通过加入分数阶微分算子引入了分数阶Duffing方程数学模型,利用变量代换对该模型进行改进可实现任意频率的微弱周期信号检测。研究分析系统阻尼比参数变化对系统非线性动力学特性的影响,给出了最佳阻尼比参数范围;研究了微分阶次与系统临界混沌阈值变化关系,得出微分阶次与系统临界混沌阈值成反比关系的结论。分别在高斯白噪声及色噪声背景下对微弱信号进行检测与识别,大量仿真结果表明,分数阶Duffing系统检测微弱信号的最低信噪比门限值比整数阶Duffing系统降低了10 dB,提高了检测微弱信号能力。     

有色噪声下系统阶次辨识的一种近似方法

本文分析了有色噪声下损失函数与噪声模型之间的关系。引入一广义损失函数J′,在噪声模型能估计的条件下,应用损失函数最小法能确定模型的阶次。     

SISO线性模型的阶次辨识和参数估算

对于ＳＩＳＯ线性差分方程模型,利用ＵＤ分解技术和数据向量的“移位性质”,可实现信息压缩阵的递推分解,从而在每步递推中能同时获得从１到ｎ（ｎ为实际系统的最大可能阶次）各阶的模型多数估值和损失函数值。利用所得的各阶损失函数值,可方便地确定系统的阶次、当系统噪声为有色噪声时,本方法党政军可同时确定噪声模型的阶次。本算法可显著减少辨识过程的计算量,具有良好的数值计算品质,提高了辨识精度。     

振动系统时变参数识别分析

本文利用变物理参数微分方程模型,讨论了刚度与阻尼随时间变化时,物理参数与模态参数的识别问题,比较了三种在线识别技术.数字模拟结果表明,采用变物理参数微分方程模型可比采用差分方程模型极大的提高最小二乘法识别阻尼比的精度.当加入系统的噪音较大时,有些改进识别方法失效,但最小二乘法仍能给出较好的估计.     

周期调制噪声驱动的具质量涨落的欠阻尼谐振子的随机共振

本文研究了周期调制噪声驱动的具有质量涨落的欠阻尼谐振子的随机共振,其中的振子质量的涨落为对称双态噪声而内噪声为高斯噪声.通过Shapiro-Loginov公式和Laplace变换,本文得到了系统稳态响应的一阶矩的解析表达式,接着利用Routh-Hurwitz判据推导了系统响应的一阶矩的稳定性条件,进而通过数值仿真研究了系统响应的一阶矩与系统各参数间的依赖关系.仿真结果表明稳态响应振幅与周期输入信号频率、涨落噪声参数及系统固有参数均呈非单调变化关系,模型出现真实共振、广义随机共振和参数诱导共振等丰富的随机共振现象.进而,本文的研究还表明质量涨落噪声和周期信号调制噪声的相互协作将导致系统的一些新的共振效应出现,比如关于系统稳态响应振幅与驱动频率的双峰共振及关于某些噪声参数的单谷共振行为.