波动与噪音的信件++世界科技出版公司.docVIP

波动与噪音的信件世界科技出版公司 在非高斯噪声我们立足过程的交叉谱表示我们以前已应用于其他问题。我们证明该方法在一个复合信号由十亿个样本,减少数据量1000倍或更多,我们证明了弱信号检测在减少表示。 在这些情况下，信号弱可能和可能消失，由于多径和其他影响。此外，环境噪声和干扰的可能不是假定固定或对于一个信号模型,我们假定一个数码录音宽带复合信号叠加组成的疲弱,未知,窄带信号的噪声。我们假设数据段包含十亿或更多的样品。在这个问题上的挑战是保存能量的窄带信号的同时减少数据量，可以显示，和有效地搜索。我们立足过程的交叉谱表示我们以前已应用于其他问题。基于CPS的相位误差估计算法 Phase-offset Estimation Algorithms ... 这个过程类似于移动窗口法（mmwm）首次提出了小寺等人。基本假设和问题 其中，η(t)是噪音的功能。 在这种环境下，我们假设，有几个薄弱的未知信号，我们要检测和参数。为简单起见，我们假设所需的信号是窄带的意义，其瞬时频率，，慢慢随时间变化的瞬时带宽比较小的带宽必须搜索。这个模型也同样描述了水声问题检测弱机噪声或搜索问题,一个广泛的射频带必须寻找未知的信号。信号干扰比因为我们不假设白噪音静止不动的,这个过程必须适应变化的时间和频率的噪音。最后这个过程必须提供一个低密度、高分辨率表示从潜在的大量的数据。干扰和非线性表示瞬态检测问题解决。在论文问题的干扰不是一个问题,因为在瞬态信号稀疏和这样的短时间内没有胃镜干扰。因此,一个检测方法的基础上提出了维格纳分布。也许有人会问是否维格纳分布或相关的双线性分布是一个合理的陈述问题,我们考虑。如果我们只考虑的数据量,答案是否定的。对于一个信号由一百万(106)样品,维格纳分布包含1012个元素,这显然是一个棘手的计算问题。一个可能,然而计算一个短的时间维格纳分布用更少的坐标。然后问题仍然是是否魏格纳或任何相关的双线性分布可以很好地表示为该任务。如果我们不承担短期信号和允许多个信号是活跃在任何给定的时间,情况发生了戏剧性的变化。这个维格纳分布[11]在该文件中，干扰的问题不是一个问题，由于暂态信号稀疏，在如此短的时间内，并没有明显不能干扰。因此，检测方法的基础上提出了维格纳分布。有人会问维格纳是否分布或相关的双线性分布是一个合理的代表为我们认为这个问题。如果我们只考虑了数据量，答案是否定的。一个信号组成的一百万（106）样本，维格纳分布由1012个元素组成，这显然是一个棘手的计算问题的一个可能。然而，计算时间短的维格纳分布较少的坐标。接下来的问题仍然存在是否维格纳或任何相关的双线性分布是一个很好的代表性的任务。如果我们不承担短时间信号，允许多个信号是活跃在任何特定时间，形势急剧变化。维格纳分布[ 11 ]维格纳分布和许多其他代表的基础上二次（双线性）过程中，导致交叉项的分布。这些交叉造成的非线性相互作用的信号分量和“能量”因子分布中不存在任何的原始信号成分。像噪音，这些交叉项的部分掩盖信号，我们试图找到，但糟糕的这些组件不随机。维格纳分布和许多其他代表的基础上二次（双线性）过程中，导致交叉项的分布。这些交叉造成的非线性相互作用的信号分量和“能量”因子分布中不存在任何的原始信号成分。像噪音，这些交叉项的部分掩盖信号，我们试图找到，但糟糕的这些组件不随机。图1中，我们提出一个简单的演示，维格纳分布不执行以及多组分信号中的噪音。图1是一个比较维格纳分布和集中到表面从我们将计算的心肺复苏术。在这个实验中，我们计算每个分布的和的正弦波在噪音和增加噪音水平直到方法之一，没有检测到信号。在一个关键的信噪比- 5分贝测试图信号的代表，不能从维格纳分布。临界信噪比的集中代表was-12分贝的到岸价。比较差的业绩不佳的维格纳分布在这个测试是由于交叉项。本试验是一致的各种多分量信号，有一些变化在关键的信噪比。在处理多个信号在噪声，线性的代表是重要的。在非线性交涉，信噪比/先生是退化的非线性相互作用的信号在建筑的代表。可以说，谱图是一个非线性的代表。然而，谱图计算为平方级的短时傅里叶变换（短时）[ 17 ]，这是线性的。非线性混合信号元件的光谱是localin意识，混合发生在一个特定的时频坐标，（T；！0）如果一个以上的信号分量有重要不能能在特定的坐标。如果信号分量分离的，他们没有意义间存在相互干扰的频谱图。在处理多个信号在深噪音,线性度的表示是重要的。在非线性表示,信噪比/先生是退化非线性相互作用的信号施工中的表示。有人可能认为,这个光谱图是一个非线性表示。然而,随着谱图计算平方级的短时傅立叶变换[17],这是线性的。非线性混合信号组件在光谱图是locali n的感觉混合发生在一个特定的时频坐标,(T0;! 0)只有在超过一个信号组件已经胃镜能源特定坐标。如果信号组件是由