基于广义协方差矩阵的乘性和加性噪声中的谐波恢复

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。      

基于子空间旋转不变性的加性有色噪声中谐波频率的估计

噪声中的谐波恢复问题是信号处理领域的一个典型问题,在众多领域中有着广泛的应用。本文主要研究加性有色噪声中谐波频率的估计问题,提出了一种基于子空间旋转不变性的谐波频率的高分辨率估计方法。利用观测信号的自协方差函数构造了一个协方差矩阵,通过对协方差矩阵的特征值进行理论分析,结合子空间旋转不变性,得到了加性有色噪声中谐波的频率和协方差矩阵之间的一种内在联系。利用这个性质可以估计加性有色噪声中谐波的频率。本文方法对于有色噪声的模型无任何假设,而且对于噪声的分布也没有限制,对于高斯和非高斯有色噪声都适用。仿真实验验证了本文所提算法的有效性。      

乘性和加性噪声相关背景下的二维谐波频率估计

本文利用二维循环统计量方法对乘性噪声之间相关、乘性噪声和加性噪声之间也相关这种复杂噪声背景下的谐波恢复问题进行了研究.首先,提出了二维噪声互可混的概念,用它来体现多个二维噪声之间的关系;然后,在乘性噪声为非零均值时,定义了二维循环均值来估计信号频率.在乘性噪声和加性噪声为零均值时,定义特殊的二维六阶时间平均多矩谱切片来估计信号频率.仿真实验证明了算法的有效性.     

乘性和加性噪声中二维谐波的参数估计

本文从循环平稳的观点出发来研究乘性和加性噪声中二维谐波的参数估计问题,利用循环累积量的性质证明了二维二阶循环累积量单一记录估计的统计性质.在此基础上,对于零均值乘性噪声中的二维谐波信号提出了基于二阶循环累积量的二维谐波分量个数和频率对的估计方法,并分别得到了估计的强收敛速度.仿真试验验证了所提方法的性能.     

基于Hamilton四元数矩阵奇异值分解的二维谐波频率参量估计

对于二维谐波信号的四元数模型,首先论述其与二维谐波的实数模型和复数模型之间的对应与转换关系,之后提出运用四元数矩阵奇异值分解估计二维谐波中频率参量的算法.这种算法首先可以利用四元数矩阵的奇异值判断出原始的二维谐波信号个数,然后再分别利用四元数矩阵的左、右奇异向量中的噪声向量构造的噪声子空间估计出两维的谐波频率参量.算法本身需要的数据量少,数据矩阵构造简单,并且可以同时估计出两维谐波频率参量.从仿真实验中可以看出,本文提出的算法计算量相对其它针对二维谐波四元数模型的算法要小.仿真实验验证了本文算法的正确性.     

零均值独立复杂噪声背景下二维谐波估计的时间平均矩方法

对于零均值独立乘性噪声背景下二维谐波的三次非线性耦合估计问题,由于缺乏理论支持及有效的计算方法,至今尚无有效的解决办法.本文首先分析了不同的噪声模型对谐波耦合分析所产生的影响,通过对原始采样数据进行平方预处理,改变了采样信号的信噪模型,利用新模型下噪声的统计特性及噪声间的相关特性,通过定义一种特殊四阶时间平均矩,首次解决了零均值独立噪声背景下谐波频率的二维三次非线性耦合问题.数学推导了该特殊四阶时间平均矩的矩多谱,理论证明了相应估计子渐进无偏性和一致性.理论分析和试验结果表明,该方法用于二维谐波的三次耦合分析时,不再需要对噪声的统计特性及噪声间的相关特性作任何限制.     

乘法噪声中非线性耦合谐波分析

针对信号的非平稳性质,引入傅里叶级数多谱和比例多周期图的概念,分别提出了零均值乘法噪声二次耦合及非零均值乘法噪声三次耦合谐波频率估计方法,仅使用单个数据记录即可得到耦合频率估计,并且可以抑制加性平稳噪声而无须假定其颜色和分布.最后给出了仿真实验结果.     

乘性和复加性噪声中复谐波的循环估计量的性能分析

从通信和探测系统需要的频率估计出发,文中研究了实乘性和复加性随机噪声中复谐波的恢复问题,表明循环均值和循环相关函数可用来对不同分布的有色实乘性和复加性随机噪声中的谐波进行恢复,分别对于非零均值和零均值乘性噪声情形分析了循环估计量的性能.证明了循环估计量与一定意义下的最小二乘估计量渐近等价,并给出了循环估计量的大样本方差表达式.模拟结果验证了大样本性能分析.     

乘性和复加性噪声中复谐波的循环估计量的性能分析

从通信和探测系统需要的频率估计出发，文中研究了实乘性和复加性随机噪声中复谐波的恢复问题，表明循环均值和循环相关函数可用来对不同分布的有色实乘性和复加性随机噪声中的谐波进行恢复，分别对于非零均值和零均值乘性噪声情形分析了循环估计量的性能。证明了循环估计量与一定意义下的最小二乘估计量渐近等价，并给出了循环估计量的大样本方差表达式。模拟结果验证了大样本性能分析。     

相关乘性噪声背景下的三次非线性耦合谐波分析

本文利用特殊四阶时间平均多矩谱对任意均值乘性噪声与任意均值加性噪声共存,并且乘性噪声之间相关、乘性噪声与加性噪声之间相互独立的噪声背景下的三次非线性耦合进行了分析,该方法能够有效地估计出观测信号中参于三次非线性耦合的频率和耦合产生的频率.并且该方法无需限制乘性噪声与加性噪声的颜色和分布.最后,文中把此方法拓广到二维,用此二维四阶时间平均多矩谱方法分析了二维三次非线性耦合问题,同样取得了良好的效果.仿真实验验证了文中结论.     

Frequencies Estimation of Two Dimensional Harmonics in Additive Noise with Quaternion

1 Introduction In many applications ,such as radar ,sonar and com-munication, parameters esti mation of two di mensionalharmonics was veryi mportant .In order to get highres-olutions esti mation, many subspace methods of one di-mensional harmonics , such as MUSIC, MEMP,ES-PRIT, have been developed to esti mate parameters oftwo di mensional harmonics[1 ~3]. When additive noise was colored Gaussian noiseH.M.ibrahi m[4]and R. R. Gharieb[5]analyzed thisproblem with high-order cumulants sin…     

基于二维循环统计量的二维谐波信号参数估计

本文利用二维循环统计量方法对二维平稳乘性噪声与二维平稳加性噪声共存情况下的二维谐波信号参数估计问题进行了讨论.利用二维循环统计量能够有效地抑制二维平稳乘性噪声和二维平稳加性噪声的特点,有效地从噪声中提取出信号参数.仿真实验对算法作了说明.     

Performance analysis of cyclic statistics for the estimation ofharmonics in multiplicative and additive noise

The problem of estimating the frequencies of harmonics in multiplicative and additive noise is addressed. The cyclic mean (CM) can be used if the multiplicative noise has nonzero mean; the cyclic variance (CV) can be used whether or not the multiplicative noise has zero mean. This paper answers the following question: under what conditions should we use the CV instead of the CM? The criteria used are the ease of detection and the accuracy of estimation. The CV is preferable to the CM if the coherent to noncoherent harmonic power ratio is less than a threshold that depends on the first four cumulants; when the noises are colored, this threshold becomes frequency dependent. Third- and fourth-order cyclic statistics are also studied, and it is shown that they will always be outperformed either by the CM or CV when the multiplicative noise is symmetric     

Harmonic Signals Retrieval Approach Based on Blind Source Separation

A frequently encountered problem in signal processing is harmonic retrieval in additive colored Gaussian or non-Gaussian noise, especially when the frequencies of the harmonic signals are very close in space. The purpose of this paper is to develop an efficient Blind Source Separation (BSS) algorithm from linear mixtures of source signals, which enables to separate harmonic source signals using only one observed channel signal even if the frequencies of the harmonic signals are closely spaced. First, we establish the BSS based harmonic retrieval model in additive noise by using the only one observed channel, and analyze the fundamental principle by utilizing BSS method to retrieve harmonics. Then, we propose a BSS-based approach to the harmonic retrieval by resorting the concept of W-disjoint orthogonality in the over-complete BSS situation, and as a result, we get the separation algorithm using only one channel mixed signals. Simulation results show that the proposed separation algorithm-BSS-HR is able to separate the harmonic source signals.     

二维谐波频率估计的高精度稳健迭代算法

本文运用基于两阶段的稳健迭代算法考虑了加性噪声中二维多分量谐波频率参数的估计问题。可以证明该算法仅需要三次迭代就能达到收敛,且最终估计量达到和最小二乘估计（LSE）相同的收敛速度以及估计方差达到Cramer-Rao下界。由于基于统计量的迭代估计充分利用了谐波模型的内在特性以及噪声分布特性,所以仅需要三步迭代就达到收敛,因而使得算法计算量很小且稳定,另外还可以证明三步迭代之后的估计量为二维谐波频率的无偏以及一致估计。本文证明了[9]中的单分量模型下的迭代算法可用于多分量情形下的估计,并且本文所采用的频率参数的平行估计方式避免了[9]中逐个估计方式下前一个已估计频率对分量对后一个要估计频率对分量的影响。最后模拟实验证实了估计的无偏性和一致性以及估计量在中样本情形下具备很高的估计精度。      

Harmonics in multiplicative and additive noise: parameterestimation using cyclic statistics

The problem of concern here is parameter estimation of harmonics in the presence of multiplicative and additive noise. Cyclic statistics are employed to estimate the frequencies and phases, after which the time series is demodulated and cumulants of the noise processes are estimated. The latter are then supplied to linear or nonlinear cumulant-based algorithms to identify ARMA model parameters for the noises. Cyclic statistics and higher order spectra-based approaches are shown to yield the same frequency estimates. Simulation examples illustrate the algorithms