基于ROTH加权的韧性时间延迟估计新方法

通过对附加噪声的α稳定分布建模,针对传统的基于二阶统计量的时间延迟估计方法在α稳定分布噪声环境下的退化现象,提出基于ROTH加权的韧性时间延迟估计新方法.理论分析和仿真实验表明,新方法在高斯和分数低阶α稳定分布噪声环境下都具有良好的韧性.     

谐波和间谐波参数估计的新方法

为解决谐波和间谐波参数估计受噪声影响的难题,从被检测信号噪声的基本特性出发,提出了一种基于现代互谱、总体最小二乘、旋转不变参数估计和改进普罗尼技术的谐波和间谐波参数估计新方法.该方法采用互谱技术处理不同采样序列的互相关矩阵;根据不同时刻白噪声相互独立的原理划分信号子空间和噪声子空间,并结合总体最小二乘与旋转不变参数估计判定被检测信号的频率;最后,根据白噪声均值为0的特性,采用改进普罗尼技术估计信号分量的幅值和初始相角.仿真结果表明,该方法在低信噪比环境下可检测出多个子信号,且频率的相对误差均小于0.4%,而耗时仅0.058 s,具有良好的估计精度和估计效率.     

α稳定分布过程的谱分析方法

对于α稳定分布的随机过程,由于没有有限的二阶矩,因此不能利用功率谱来进行相应的频域分析.基于分数低阶统计量,提出了新的谱分析方法,并研究了分数低阶协方差谱的几种估计方法.理论分析和仿真实验表明,分数低阶协方差谱是一种有效的α稳定分布过程的谱分析方法,三种分数低阶协方差谱估计方法中,加权交叠平均法由于采用加窗和分段使得估计方差明显变小.     

基于卡尔曼滤波的快时变稀疏信道估计新技术

针对高铁以及山区环境下正交频分复用（orthogonal frequency division multiplexing,OFDM）通信系统的信道估计问题,提出一种基于卡尔曼滤波的快时变稀疏信道估计方法.该方法基于快时变信道的基扩展模型（basic expansion model,BEM）,应用压缩感知（compressed sensing,CS）理论进行稀疏时延估计,并应用卡尔曼滤波（Kalman filter,KF）技术对BEM系数进行估计,进而获得信道增益.仿真结果表明,在相同信噪比（signal to noise ratio,SNR）条件下,随着归一化多普勒频移（frequency-normalized Doppler shift,FND）增大,新方法的信道估计均方差（mean square error,MSE）性能优于传统方法,如当SNR为20 dB,FND为0.1时,新方法较传统方法性能提升了4 dB,表明对信道时变性具有更优的鲁棒性;在相同的多普勒频移条件下,随着SNR增加,各方法的均方差均有所改善,新方法改善更明显,如当FND为0.2时,在信道估计均方差为0.06的条件下,新方法较传统方法获得了6 dB的信噪比增益,表明对抗信道噪声能力更强.      

基于WVD-MUISC算法的单矢量水听器DOA估计

针对MUSIC算法在非平稳噪声背景下DOA估计性能下降和信源个数受限的问题,利用空间时频分布（spatial time-frequency distribution ,STFD）,选择时频点构造时频相关矩阵,替代MU-SIC算法中的相关矩阵,设计了单矢量水听器DOA估计的WVD-MUSIC算法,通过仿真验证了新方法在噪声抑制能力、空间分辨能力和多目标分辨能力优于原方法。     

脉冲噪声环境下的改进MUSIC谱估计方法

针对传统MUSIC谱估计方法在脉冲噪声环境下的退化现象,依据脉冲噪声特性,基于分数低阶协方差的定义,首先对带噪信号进行非线性处理,然后再计算非线性处理后信号的自相关矩阵,得到改进MUSIC和改进的ROOT-MUSIC谱估计方法.理论分析和仿真结果表明,新方法在高斯噪声和脉冲噪声环境下均具有良好的性能,改进的ROOT-MUSIC谱估计方法在处理短序列信号时性能明显优于改进的MUSIC谱估计方法.     

高速列车纵向动力学模型时变参数在线辨识方法

针对高速列车纵向动力学特性,分析了牵引力、制动力、阻力与速度和加速度的关系;考虑了天气和线路对高速列车运行状态造成的随机干扰,以及机械磨损和运行环境对列车模型结构参数造成的随机影响,建立了噪声干扰下的高速列车纵向动力学参数化状态空间模型,利用期望极大化准则,计算了列车模型参数的条件数学期望,并结合粒子滤波理论估计了参数粒子下的列车状态;基于贝叶斯后验概率理论,建立了高速列车非线性动力学模型的时变参数辨识方法,估计了列车的实时状态,并在噪声与参数分布均属于高斯分布、噪声属于高斯分布与参数属于指数分布、噪声属于伽玛分布与参数属于高斯分布的3种工况下,进行了蒙特卡洛仿真试验。仿真结果表明:在3种工况下,高速列车位移和速度的估计值与真实值的相对误差小于5%,列车模型参数估计值与真实值的相对误差小于10%,满足实际系统需求,因此,在高斯或伽玛噪声的干扰下,针对给定概率分布的时变参数,本方法均能实现系统状态的估计和模型参数的辨识。     

单矢量水听器改进MUSIC算法的噪声抑制性能研究

针对MUSIC算法在相干噪声背景下估计目标方位性能下降的问题,利用酉变换的空时相关矩阵（unitary spatio-temporal correlation matrice—USTCM）,替代MUSIC算法中的数据协方差矩阵,设计了单矢量水听器的USTC-MUSIC算法,通过仿真验证了新方法不论噪声是不相干或相干,其噪声抑制能力和目标分辨能力均优于原方法.     

诱发电位潜伏期变化的分析处理方法

研究了诱发电位的主要检测参数潜伏期变化的估计测定方法：广义相关时间延迟方法、处适应时间延迟估计方法和自适应相位谱时间延迟估计方法,并分析了动态跟踪潜伏期时变规律的有效性。     

广义相关时延估计方法在神经系统损伤检测中的应用

应用广义相关时间延迟估计方法，经由诱发电位潜伏期变化的测定，分析研究了撞击加速度和缺窒息实验条件下中枢时间系统的损伤问题。计算机模拟和诱发电位信号分析表明，当神经系统发生损伤时，诱发电位的潜伏期会出现显的变化，这种化可以由广义相关时间延迟估计方法而有效测定。