基于Borel测度峰值判定的欠定混合盲语音信号分离

简要介绍稳定分布的特征函数及其Borel测度表示,给出了Borel测度的估计方法,并利用Borel测度的峰值确定混合矩阵的基矢量,从而可以确定各个独立分量,实现信号的盲分离。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Alpha稳定分布噪声条件下具有良好韧性的独立分量分析与盲源分离方法,在盲语音混合信号的分离应用中也得到了很好的效果。     

基于分数低阶统计量的双谱及其估计方法

稳定分布可更好地描述实际中所遇到的具有显著脉冲特性的随机噪声.为了更好地抑制信号背景中的非高斯噪声,本文提出了基于分数低阶的双谱定义,并给出在分数低阶有色噪声背景下双谱非参数和参数模型的估计方法.仿真结果表明,同传统的双谱估计相比较,非参数法分数低阶双谱估计能有效的识别信号,保留了信号的幅度和相位信息,但存在较大的估计方差.基于AR模型的分数低阶双谱估计具有最大的谱平坦度,能够有效地抑制噪声,具有良好的韧性.     

基于分数阶谱的频域广义白化滤波方法

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。     

一种基于分数低阶协方差矩阵的波束形成新方法

利用稳定分布对具有脉冲特性的噪声进行建模，提出了一种新的分数低阶协方差概念，推导了一种基于分数低阶协方差矩阵的波束形成方法，并分析了其旁瓣特性。模拟表明新方法具有更高的信号干扰噪声比及更强的波束形成与旁瓣抑制能力。新算法在高斯和分数低阶稳定分布环境下比传统的算法具有更好的韧性。     

一种新的最优小波基选择准则及其应用

针对分数低阶口稳定分布信号具有显著脉冲这一特性,参照最优小波包基选择的熵准则,提出了一种针对该类噪声的最优小波基选择新准则,解决了以往最优小波基选择的熵准则中,由于需计算二阶统计量而不适合分析分数低阶口稳定分布信号的问题.还得出了针对该类信号,在运用该新准则进行判别最优小波基时,只需对各个小波基函数在第1层尺度下的变换系数进行对比判别的结论,极大地减化了以往多尺度的判别过程.将新准则应用于医学超声图像消噪时,获得了较好的效果.     

脉冲噪声环境下基于分数低阶循环相关的MUSIC算法

该文以稳定分布作为噪声模型,研究了脉冲噪声环境下循环平稳信号的波达方向估计问题。针对在脉冲噪声环境中基于传统2阶循环相关的算法效果显著退化的问题,该文提出了基于分数低阶循环相关的分数低阶循环MUSIC算法(FLOCC-MUSIC)。将分数低阶循环相关与MUSIC算法相结合,可以有效抑制脉冲噪声的同频带干扰。计算机仿真表明了此算法可有效完成高斯噪声和脉冲噪声条件下的波达方向估计,其性能优于传统的基于2阶循环相关的Cyclic-MUSIC。     

基于分数阶共变的有色谐波信号频谱估计

在alpha稳定分布噪声下,传统的谐波信号的频谱估计方法会失去其韧性.本文简要分析了分数阶共变矩阵的结构,在此基础上提出了基于分数阶统计量的谐波信号的频谱估计新方法:基于分数阶共变的Pisarenko谐波分解(FOC-PHD)算法和多信号分类法(FOC-MUSIC)算法.这种方法将信号频谱估计的范围从二阶矩扩大到P阶矩(1＜p＜a≤2).通过对给定的alpha稳定分布噪声中正弦信号的估计与分辨进行仿真,详细比较了传统的谐波信号频谱估计和FOC-PHD、FOC-MUSIC频谱估计算法的性能,仿真结果表明,本文提出的方法明显优于传统的频谱估计算法,具有良好的韧性.     

基于滑动窗与韧性函数的递归最小p范数滤波方法

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。     

基于Durbin与Burg算法的AR SαS有色噪声α谱估计

稳定分布可更好地描述实际中所遇到的具有显著脉冲特性的随机噪声。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。为了对AR SαS过程进行α谱估值,通过对广义Yule-Walker方程进行分析,借鉴杜宾推算法和Burg算法推导了一种求解广义Yule-Walker方程的新方法。仿真结果表明,该方法能够较为准确地估计出AR模型参数,且能准确地估计出AR SαS过程的α谱。