高阶累积量与高阶谱读书笔记.docVIP

江 苏 科 技 大 学 文献综述 论文名称：高阶累积量、高阶谱阅读文献报告 姓 名： 学 号： 专 业： 电子与通信工程 学院指导： 课程指导： 2013 年 11 月 高阶累积量、高阶谱阅读文献报告 【摘要】高阶统计量方法是近几年国内外信号处理领域内的一个前沿课题。高阶统计量广泛应用于所有需要考虑非高斯性、非最小相位、有色噪声、非线性或循环平稳性的各类问题中。其研究包括高阶统计量、非参数化高阶谱分析、因果和非因果最小相位系统的辨识、自适应估计和滤波、信号重构、信号检测、谐波恢复、多元时间序列分析、时变非高斯信号的时频分析、阵列处理、循环平稳时间序列分析以及其他专题(时延估计、盲反卷积和盲均衡、多维高斯信号)。特别是近二十年以来，高阶统计量理论和应用都得到了非常大的发展，其应用几乎涉及所有工程领域，特别是在语音处理、雷达、声纳、地震、通信系统、自动控制、生物医学工程、机械振动、图像处理、经济时间序列、遥感遥测!故障诊断、天文学、电磁学、等离子体、结晶学、地球物理等领域获得了广泛的应用，有效地推动了这些领域和学科的发展。可以说，只要涉及到信号的领域，都有高阶统计量在信号处理中的用武之地。 关键词：高阶统计量、高阶谱、应用研究 前言 高阶统计量、高阶谱的定义与性质 高阶累积量定义 的第二特征函数按泰勒级数展开，有 (3) 并且与的阶导数之间的关系为 称为随机变量的阶累积量，实际上由及的连续性，存在，使时，，故第二特征函数对有意义且单值（只考虑对数函数的主值），的前阶导数在处存在，故也存在。 高阶累积量的性质 高阶累积量具有下列重要特性： 设为常数，为随机变量，则 　　　　　　　　 累积量关于变量对称，即 　　　　　　　　 其中为中的任意一种排列。 累积量关于变量具有可加性，即 　　　　 如果为常数，则 　　　　　　　 如果随机变量与随机变量相互独立，则 　　　　 如果随机变量中某个子集与补集相互独立，则 高阶谱的定义 设为零均值平稳随机过程，则其阶累积量的维付里叶变换定义为的阶谱(kth-order spectrum)，即 　 (8) 通常为复数，其存在的充分必要条件是绝对可和，即 　　　　　　　　　 高阶谱又称作多谱(Polyspectrum)，通常阶谱对应于谱。例如三阶谱对应双谱(Bispectrum)，四阶谱对应于三谱(Trispectrum)，今后我们大多数采用多谱这一概念。 取时，式(8)分别简化为功率谱、双谱和三谱公式，即 ，为功率谱 　　　　　　　　 (9) ，为双谱 ，为三谱 容易看出，式(9)就是维纳-辛钦定理。可见，功率谱也是高阶谱的一种特殊形式。 二的现状与发展趋势 在信号处理领域，二阶统计量（包括功率谱和自相关函数）是最传统，也是最常用的分析工具。其分析方法已经非常成熟。高阶统计量能够提供比二阶统计量更多的信息，从信息量的角度来讲，无疑会对信号处理带来好处。正是由于高阶统计量具有一系列相应的优点，近十几年来成为各方面研究开发的热门。从更高阶的概率结构上表征随机信号的高阶相关函数和高阶谱可以弥补二阶统计知识的不足，它们在许多领域正在获得越来越广的应用。以下将介绍高阶累积量的应用： 2.1 低信噪比数字通信信号识别算法研究 基于高阶累积量可以抑制高斯噪声的特性以及分形盒维数对噪声不敏感的特性，对于现代通信中常用的BPSK、QPSK、OQPSK、MSK 和 GMSK 五种信号，建立了信号模型。理论推导了信号的高阶累积量特征，分析了信号的分形盒维数特征，提出了一种有效的识别算法。仿真试验证实了算法的可行性。 2.2 高阶累积量计算优化的仿真研究 高阶累积量由于计算量大而未得到广泛的应用，所以对其进行计算优化以及算法的简化能更好的发挥其优越性，根据推导的非平稳随机过程四阶累积量精确递推估计公式，从减少四阶累积量估计的计算量，增强四阶累积量的工程实用性出发，给出了四阶累积量近似递推估计定理。只要四阶累积量的更新因子满足定理的条件，就能减少计算量，并且使估计的四阶累积量保持抑制高斯噪声的性能，并且根据四阶累积量的优化给出了五阶累计量的优化和仿真。从时域和频域进行了优化仿真，仿真结果证实了估计的有效性。 2.3高阶累积量调制识别改进算法的FPGA实现 基于高阶累积量的数字调制信