二维正弦波检测的直接数据法

本文用一种新方法证明了,二维正弦波频率服从的二维特征多项式可取四种不同形式,并提出了一种直接数据法,借助它可直接利用观测数据本身高分辨检测出白噪声中的多个二维正弦波。     

非高斯ARMA噪声中谐波恢复的杂交ESPRIT方法

本文研究非高斯ＡＲＭＡ噪声中的谐波恢复问题，提出了一种基于二阶和三阶统计量的杂交ＥＳＰＲＩＴ方法，该方法先估计噪声过程的ＡＲ部分参数，然后对观测值进行预滤波，最后估计谐波信号参量。模拟实验还验证了该方法的有效性和高分辨率。     

用一块声卡生成噪声正弦波

测试音频降噪电路、PLL(锁相环)和音频滤波器等都可能需要一个噪声正弦波,它是白噪声的累加结果。使用一块普通的计算机声卡、免费软件,以及一个外接放大器电路,就可以制造出噪声正弦波。     

非高斯ARMA噪声中谐波恢复的杂交ESPRIT方法

本文研究非高斯ARMA噪声中的谐波恢复问题,提出了一种基于二阶和三阶统计量的杂交ESPRIT方法,该方法先估计噪声过程的AR部分参数,然后对观测值进行预滤波,最后估计谐波信号参量。模拟实验还验证了该方法的有效性和高分辨率。     

有色噪声中的信号检测

本文的建模方法用于在有色噪声中检测随机信号。接收序列用回归/自回归时间序列为模型,用假设检验方法确定所希望的信号存在与否,这一检验的基础是用似然函数构造一个 F—统计量,这个统计量和雷达信号处理中需要计算的虚警率不难联系起来。文章给出了根据模拟数据与实际雷达数据得出的结果。     

线宽检测中的量子噪声

本文从半导体激光器的速率方程组出发，讨论了线宽检测时的量子噪声，分析了在各种检测条件下量子噪声的变化，给出了数值计算结果。     

分形噪声中的信号检测

本文讨论在１／ｆ类分形噪声中的信号检测问题，利用小波变换对１／ｆ噪声的近似白化作用，来消除１／ｆ噪声间的相关性，文中给出白化滤波器的传递函数，信号检测的判决规则和接收系统结构，分析了系统的接收性能，最后给出了仿真实验结果。     

光外差检测中的量子噪声

本文分析了光外差检测中的量子噪声,探讨本振光功率对量子噪声谱的影响     

系统设计中有色噪声的研究

针对近些年系统设计以计算机仿真为基础这一特点,着重研究了有色噪声的仿真方法。利用ARMA模型完成了对已知功率谱密度图形的各种有色噪声的仿真,并对原始的建模方法进行了修正,使得仿真后的结果更加理想。     

白噪声中二维谐波的二维ARMA建模

本文研究了白噪声中二维谐波的二维ＡＲＭＡ建模问题，并从理论上探讨了利用所建立的二维ＡＲＭＡ模型进行二维谐波信号频率估计的方法。     

分形差分高斯噪声中正弦波频率估计

本文提出了分形噪声中的谐波恢复问题，针对分形差分高斯噪声中正弦波频率估计，提出了一种偏差补偿线性最小二乘与极大似然估计相结合的组合算法。模拟实验结果表明，该方法不仅具有高的分辨率，而且能有效地抑制分形差分高斯噪声的影响。     

高斯ARMA噪声中非因果非最小相位系统的辨识

本文研究在加性高斯有色噪声背景下，非因果非最小相位系统的辨识问题，提出了一种三步辨识方法。数值仿真例子证明了本文所提出方法的高分辨率性能。     

一种基于ARMA的WSN非均衡分簇路由算法

 针对无线传感器网络中分簇路由算法中存在的“热区”问题,提出了一种基于虚拟区域划分的非均衡簇路由算法。算法将簇划分的任务交由能量无限制的汇聚节点完成,使得靠近汇聚节点的内层簇的规模小于外层簇的规模。在簇的结构中引入了主、从簇头节点,从而实现了分布式簇头选举工作,同时在分簇过程中避免了每个阶段的能量消耗。将ARMA预测模型引入到主簇头节点的更换过程中,从而避免了主簇头因为能量完全消耗而死亡,也避免了因为主簇头死亡而造成网络分割,降低网络的生存时间,利用NS2.31仿真平台对基于虚拟区域划分的非均衡簇路由算法进行了仿真验证,结果表明与传统路由算法相比,该算法延长了WSN的生存时间,有效提高了WSN网络健壮度。     

非高斯有色噪声中谐波恢复的累积量投影方法

本文研究非高斯有色噪声中的谐波恢复问题。首先建立了复数线性非高斯过程的高阶累积量投影定理。应用该定理，由含噪谐波信号的四阶累积量求得非高斯有色噪声的自相关，然后通过求解一个广义特征值问题对矢量空间进行预白化，最后结合噪声子空间方法ＭＵＳＩＣ恢复谐波信号参数。本文方法克服了以往的困难，成功地解决了对称分布非高斯噪声背景下和谐波信号中存在二次相位耦合时的谐波恢复问题。仿真实验验证了本文结论。     

ARMA建模在神经网络卡钻预测方法中的应用研究

为准确预测卡钻事故的发生,利用一种基于时间序列的神经网络卡钻预测方法,将时间序列ARMA建模与神经网络非线性建模相结合。选取与卡钻事故相关性较大的参数作为神经网络的输入项,运用现场数据对神经网络进行训练,再利用神经网路的强非线性和自适应学习能力来建立卡钻事故预测模型;通过时间序列对历史数据的挖掘功能,揭示实际钻井过程中对卡钻事故影响较大的各参数的隐含规律,建立时序ARMA模型,求出卡钻时刻钻井相关参数的预测值;将预测值放入神经网络模型进行测试训练,从而达到预测卡钻事故的效果。运用延安地区实际现场数据证实该方法具有精确的卡钻预测能力及较好的泛化能力。     

乘性和加性噪声中复谐波恢复的乘积型循环统计量方法

本文提出了乘积型循环统计量的概念,利用这一概念讨论了乘性和加性平稳噪声条件下的谐波恢复问题。首先从理论上证明了循环均值的样本估计误差服从零均值渐近正态分布,提出采用乘积型循环均值来抑制噪声,并给出了基于乘积型循环统计量的谐波估计的具体方法,仿真实验验证了该算法的有效性。     

基于零极点预测模型的码激励线性预测语音编码算法

针对传统码激励线性预测（Code Excited Linear Predictive，CELP）语音编码器在预测模型和参数估计方面的不足，提出了一种基于零极点预测模型的CELP语音编码新算法。该算法采用零极点预测模型来更准确地描述语音信号的短时相关性，并采用梯度法来同时对零极点模型的参数和激励码本增益进行联合优化求解。实验结果表明所提语音编码算法可显著降低CELP编码器合成语音的归一化均方误差，有效提高合成语音的质量。