ALPHA-SABLE过程中的信号检测与参数估计.pdf

ALPHA-STABLE过程中的信号检测与参数估计 ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ ALPHA-STABLE过程中的信号检测与参数估计 摘 要 在传统的信号处理中通常认为噪声是服从高斯分布的 大多数情况 下 高斯模型是合理的 高斯分布噪声的统计特性完全可由其一 二阶矩 确定 并且在这种噪声模型中的许多信号处理问题具有解析的解 但当噪 声偏离高斯性假设时 这些基于高斯性背景噪声而建立起来的信号处理系 统的性能将急剧下降 如匹配滤波器 Turbo解码器或Viterbi算法,频 率估计(谐波估计),DOA估计等 在电子 经济 水力 生物等诸多领域中存在着非高斯的现象 如在 电子通信系统中的水下通信 雷达 天电干扰等 另外在信号处理或控制 算法实现的过程中 还会产生一些非高斯噪声 所以研究非高斯噪声情况 下的信号处理是很有意义且非常必要的 典型的非高斯噪声的过程有 a stable 过程 非对称广义高斯过程 广义高斯过程 参数过程 AR等 和柯西-高斯混合过程等 其中a stable 过程在近几年来引起了广泛的关 注 在文献中出现了大量的研究 a stable 分布的文章 它们涉及到a stable 分布的参数估计 a stable 分布噪声中的信号检测 波形估计 a stable 分 布的检验以及a stable 分布中的频率估计与DOA估计等 a stable 与高斯混合分布更能准确描述工程中的噪声的特性 a stable 分布的显著特点有两点 一是其概率密度函数无法用数学表达式描述出 来 二是这种分布的噪声具有低阶矩特性 即不存在高阶矩 所以 经典 的基于高斯分布的信号处理理论已不再适用于a stable 分布 本文主要以 对称a stable 与高斯混合过程为研究对象 研究a stable 分布各参数的估 计 过程中的信号检测和超分辨参数估计等 另外 与文献中的许多文章 的同样的思路 在做超分辨参数估计时 直接改造并移用高斯过程中的一 些算法 所以 本文还提出了一些高斯过程中的超分辨参数估计的新算法 论文的主要内容列如下 1)在对经验特征函数及a stable 分布的各参数估计方面做了改进 具 体表现在 l 经验特征函数在信号处理中是被广为应用的一种方法 是基于数据 样本计算出来的 是对特征函数的一种逼近 但它与特征函数之间的相对 i 摘要 ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 误差随自变量绝对值的增大而增大 本文提出了在计算经验特征函数时进 行加窗处理的方法 大大减小了它与特征函数之间的相对误差 l 提出了基于经验特征函数对对称a stable 分布各参数进行估计的解 析表达式 使得利用短的数据序列都能得到更准确的估计结果 l 提出了改进的矩方法对高斯与对称a stable 的混合分布的各参数进 行估计 传统的矩方法要求必须利用1附近的经验特征函数 而经验特征 函数的特点是 在自变量靠近0的时候 它与特征函数的相对偏差小 所 以传统的矩方法对自变量的取值要求是需要改进的 另外 传统的矩方法 需要解复杂的方程 计算量大 相对于传统矩方法而言 改进算法避免了 解复杂方程 去掉了必须利用1附近的经验特征函数来进行参数估计的限 制 能用相对少的数据量来进行参数估计 大大减小了计算量 2)提出了两种信号检测方法 因为对称a stable 与高斯混合分布的概率密度函数很难用数学表达式 表达出来 所以 很难实现基于似然比的检测算法 本文提出了一种可以 逼近对称a st