共查询到18条相似文献,搜索用时 73 毫秒
1.
2.
3.
4.
5.
6.
7.
在非高斯相关杂波背景下,通常杂波分布的概率密度函数结构复杂甚至无闭式表达,难以建立统计检测模型。针对此问题,以α稳定分布为背景,基于分数低阶统计量和最佳滤波器理论,以滤波器输出分数低阶信杂比最大为准则,给出了一种分数低阶本征滤波(FLOEF)模型。该模型利用杂波的分数低阶协方差矩阵对非高斯相关杂波进行白化,可显著改善信杂比,实现非高斯相关杂波背景下雷达目标的有效检测。通过仿真和实测数据给出了FLOEF在不同条件下的检测性能,并同传统基于二阶统计量的本征滤波进行了比较,结果验证了FLOEF的优越性。 相似文献
8.
根据自回归(AR) SαS模型的α谱,分析了基于分数低阶矩(FLOM)法估计AR SαS模型参数的不足.提出了一种基于分数低阶协方差(FLOC)的AR SαS模型参数估计方法,并给出了基于FLOC的AR SαS模型α谱方法.分别对AR SαS模型参数的估计、α稳定分布噪声中单一正弦信号的估计和两个正弦信号的分辨进行了仿真.仿真结果表明,基于FLOC的AR SαS模型α谱估计方法对于不同的α值均具有较好的韧性.特别是在α值较小,即α稳定分布噪声概率密度函数(PDF)拖尾比较严重时,本文所提出的基于FLOC的AR SαS模型α谱估计方法,其性能明显优于基于FLOM的AR SαS模型α谱估计方法. 相似文献
9.
α-稳定分布可以更好地描述实际应用中所遇到的具有显著脉冲特性的随机信号和噪声。与其它统计模型不同, α稳定分布没有统一闭式的概率密度函数,其二阶及二阶以上统计量均不存在。本文先简要介绍稳定分布统计特性,再提出了适用于盲信源分离的神经网络结构与基于分数低阶统计量与子空间技术的预白化过程,并利用一种新型传递函数修正了分离算法,提出了一种基于分数阶预白化与新型传递函数的盲信源分离方法。计算机模拟和分析表明,这种算法是一种在高斯和分数低阶α稳定分布噪声条件下具有良好韧性的盲信源分离方法,是对传统的二阶统计量基础上的盲信源分离方法的改造与推广。 相似文献
10.
稳定分布可以更好地描述实际应用中所遇到的具有显著脉冲特性的随机信号和噪声。与其它统计模型不同, 稳定分布没有统一闭式的概率密度函数,其二阶及二阶以上统计量均不存在。针对系统中存在独立SS噪声与高斯噪声,该文基于SSG分布模型,提出了一种混合噪声环境下基于滑动窗与韧性函数自适应广义递归最小p范数滤波算法,并对算法进行了分析。计算机模拟和分析表明,这种算法是一种在SSG分布背景噪声条件下具有良好鲁棒性的方法。 相似文献
11.
According to the performance degradation problem of parameter estimation algorithm in the Alpha stable dis-tribution noise, inspired by the concept of correntropy, a new class of statistics, namely, the fractional lower-order cor-rentropy-analogous statistics (FCAS) was proposed. By employing the fractional lower-order correntropy-analogous sta-tistics based cost function in parallel factor (PARAFAC), the FCAS-PARAFAC algorithm was deduced which can be utilized for the parallel factor under impulsive noise environments. The FCAS-PARAFAC algorithm was applied to pa-rameter estimation in bistatic MIMO radar under impulsive noise environment. The proposed method can suppress the impulse noise interference and has better estimation performance. Furthermore, the estimated parameters are automati-cally paired without the additional pairing method. Simulation results are presented to verify the effectiveness of the pro-posed method. 相似文献
12.
基于分数阶谱的频域广义白化滤波方法 总被引:14,自引:2,他引:12
在简要介绍稳定分布统计特性的基础上,描述了稳定分布的谱表示,提出了一种不同于二阶过程功率谱的共变谱密度概念及基于共变函数与共变谱密度的稳定分布白噪声的概念及其判断标准,对传统意义上的白噪声进行了广义化,并依据稳定分布的参数模型,论述了一种基于α谱的频域广义白化滤波方法。仿真实验表明,这种算法是一种在高斯和分数低阶α稳定分布噪声条件下具有良好韧性的白化滤波方法,是对传统的二阶统计量基础上的白化滤波方法的改造与推广。 相似文献
13.
14.
15.
稳定分布多项式自回归有色噪声及其白化方法 总被引:1,自引:0,他引:1
本文提出了一种稳定分布白噪声的概念及其判断标准,对传统意义上的白噪声进行了广义化,提出了一种非线性系统中稳定有色的噪声概念并建立其非线性PAR模型,提出EIRLP算法对多项式自回归稳定有色噪声的模型参数进行估计,并探讨了其白化方法.计算机模拟表明,这种算法是一种在高斯和分数低阶稳定分布噪声条件下具有良好韧性的白化滤波方法. 相似文献
16.
基于SαSG分布噪声模型的自适应混合矩滤波方法 总被引:1,自引:0,他引:1
α-稳定分布可以更好地描述实际应用中所遇到的具有显著脉冲特性的随机信号和噪声.与其他统计模型不同,α-稳定分布没有统一闭式的概率密度函数,其二阶及二阶以上统计量均不存在.针对系统中存在独立SαS噪声与高斯噪声,基于SαSG分布模型,提出了一种稳定分布与高斯混合噪声环境下的自适应混合矩滤波的修正RMN(混合参数)算法,并对算法进行了步长归一化改进.计算机模拟和分析表明,这种算法是一种在SαSG分布背景噪声条件下具有良好韧性的滤波方法. 相似文献
17.
18.
分数低阶α稳定分布噪声下HB加权自适应时间延迟估计新方法 总被引:1,自引:0,他引:1
针对LMS-HB自适应时间延迟估计方法在分数低阶α稳定分布噪声环境下的退化现象,依据分数低阶统计量理论,提出了基于分散系数最小化的LMP-HB自适应时延估计方法,并进一步提出了不依赖于参数估计的基于非线性变换的HB加权自适应时延估计方法。理论分析和计算机仿真结果表明,新方法在高斯和分数低阶α稳定分布噪声环境下具有良好的韧性。 相似文献