基于稳定分布白噪声的信号处理新方法研究
| 摘要 | 第1-6页 |
| Abstract | 第6-13页 |
| 1 绪论 | 第13-18页 |
| ·课题的背景及意义 | 第13-14页 |
| ·矩理论简介 | 第14-17页 |
| ·本文的主要研究工作 | 第17-18页 |
| 2 非高斯稳定分布简介 | 第18-32页 |
| ·历史回顾 | 第18-20页 |
| ·稳定分布的概念 | 第20-24页 |
| ·α稳定分布的概念 | 第20-22页 |
| ·α稳定分布的几种特殊情况 | 第22-23页 |
| ·广义中心极限定理 | 第23页 |
| ·α稳定分布的性质 | 第23-24页 |
| ·分数低阶统计量 | 第24-26页 |
| ·分数低阶矩 | 第24-25页 |
| ·负阶矩 | 第25页 |
| ·零阶矩 | 第25-26页 |
| ·共变及其应用 | 第26-27页 |
| ·共变的概念 | 第26-27页 |
| ·共变的主要性质 | 第27页 |
| ·稳定分布随机变量的产生 | 第27-28页 |
| ·稳定分布的参数模型方法 | 第28-32页 |
| ·广义Yule Walker方程 | 第29-30页 |
| ·最小p范数估计 | 第30-32页 |
| 3 非高斯稳定有色噪声及其白化 | 第32-60页 |
| ·基于分数阶谱的频域广义白化滤波方法 | 第32-39页 |
| ·共变谱与稳定白噪声 | 第32-34页 |
| ·稳定分布的广义白化滤波 | 第34-35页 |
| ·基于α谱的系统频响估计 | 第35-36页 |
| ·白化滤波器的渐近特性 | 第36-37页 |
| ·仿真结果及分析 | 第37-39页 |
| ·基于广义尤拉-沃克方程的预测反卷积白化 | 第39-45页 |
| ·广义预测反卷积尤拉-沃克方程 | 第39-41页 |
| ·共变系数λ(i)的估计 | 第41-42页 |
| ·仿真结果与数据分析 | 第42-45页 |
| ·稳定分布非线性有色噪声及其白化 | 第45-52页 |
| ·多项式自回归稳定有色噪声 | 第45-46页 |
| ·PAR稳定有色噪声的参数估计 | 第46-49页 |
| ·PAR稳定有色噪声的白化 | 第49页 |
| ·仿真结果与数据分析 | 第49-52页 |
| ·分数极点系统中稳定有色噪声的白化 | 第52-58页 |
| ·分数极点系统模型 | 第52-54页 |
| ·非高斯稳定有色噪声的白化滤波 | 第54-55页 |
| ·白化滤波器特性分析 | 第55-56页 |
| ·仿真实验结果 | 第56-58页 |
| ·小结 | 第58-60页 |
| 4 基于稳定白噪声的自适应滤波新方法 | 第60-98页 |
| ·SαSG分布噪声下的自适应混合矩滤波 | 第61-68页 |
| ·系统模型 | 第62-63页 |
| ·基于SαSG分布的修正RMN算法 | 第63-64页 |
| ·M-RMN算法的特性分析与步长归一化 | 第64-66页 |
| ·仿真结果 | 第66-68页 |
| ·基于滑动窗与韧性函数的最小p范数滤波 | 第68-74页 |
| ·问题模型 | 第68页 |
| ·加窗递归最小p范数滤波算法 | 第68-70页 |
| ·SW-RLP算法的韧性改进 | 第70-71页 |
| ·误差与权值的渐近特性 | 第71-72页 |
| ·仿真结果 | 第72-74页 |
| ·最小p范数递归Kalman滤波算法 | 第74-85页 |
| ·问题模型 | 第74-75页 |
| ·无限方差新息过程 | 第75-76页 |
| ·递归最小p范数Kalman滤波 | 第76-77页 |
| ·LP-Kalman算法与RLP算法的关系 | 第77-78页 |
| ·LP-Kalman算法的改进与渐近特性 | 第78-80页 |
| ·盲多用户检测的R-LP-Kalman实现 | 第80-82页 |
| ·仿真实验结果 | 第82-85页 |
| ·最小p范数格型滤波器及其递归实现 | 第85-89页 |
| ·问题模型 | 第85-87页 |
| ·LMP格型滤波 | 第87-88页 |
| ·LMP-L格型滤波的归一化 | 第88页 |
| ·仿真结果 | 第88-89页 |
| ·基于中值正交化准则的滤波新框架 | 第89-93页 |
| ·预备知识 | 第89-90页 |
| ·滤波模型 | 第90-93页 |
| ·仿真结果 | 第93页 |
| ·基于最小误差熵准则的自适应滤波 | 第93-97页 |
| ·系统模型 | 第93-94页 |
| ·最小误差熵准则滤波 | 第94-97页 |
| ·小结 | 第97-98页 |
| 5 基于稳定白噪声的波束形成与方向估计 | 第98-129页 |
| ·基于分数低阶协方差矩阵的波束形成 | 第100-107页 |
| ·传统的最佳波束形成方法 | 第100-101页 |
| ·基于分数低阶协方差矩阵的最佳波束形成 | 第101-103页 |
| ·算法性能分析 | 第103-105页 |
| ·仿真结果 | 第105-107页 |
| ·广义最小平均P范数波束形成方法 | 第107-113页 |
| ·算法描述 | 第107-109页 |
| ·性能分析 | 第109-111页 |
| ·仿真实验结果 | 第111-113页 |
| ·分数阶相关最小范数平面波达方向估计 | 第113-121页 |
| ·问题模型与分数阶相关 | 第113-114页 |
| ·基于分数阶相关的最小范数算法 | 第114-116页 |
| ·方位分辨率 | 第116-117页 |
| ·伪峰 | 第117-118页 |
| ·仿真实验结果 | 第118-121页 |
| ·基于FLOS的水下二维信源定位 | 第121-128页 |
| ·定位模型建立 | 第121-123页 |
| ·共变与分数阶相关 | 第123页 |
| ·阵列分数阶相关矩阵结构分析 | 第123-125页 |
| ·基于分数阶相关的新算法 | 第125页 |
| ·仿真实验 | 第125-128页 |
| ·小结 | 第128-129页 |
| 6 基于稳定白噪声的盲源分离及其应用 | 第129-149页 |
| ·玻耳测度峰值判定及独立分量分析 | 第129-134页 |
| ·稳定分布的离散玻耳测度 | 第129-131页 |
| ·玻耳测度Γ(s)的估计 | 第131-132页 |
| ·混合矩阵基矢量a_n的辨识 | 第132页 |
| ·仿真实验结果 | 第132-134页 |
| ·基于低阶预白化与新型传递函数的盲源分离 | 第134-141页 |
| ·网络模型 | 第134-136页 |
| ·低阶预白化 | 第136-137页 |
| ·学习算法 | 第137-139页 |
| ·仿真实验结果 | 第139-141页 |
| ·基于MD准则与旋转变换的EP信号提取 | 第141-148页 |
| ·问题模型 | 第141-143页 |
| ·基于归一化协方差矩阵的预白化 | 第143-144页 |
| ·基于MD准则与旋转变换的解混算法 | 第144-145页 |
| ·分散系数γ_(yi)估计 | 第145-146页 |
| ·实验结果 | 第146-148页 |
| ·小结 | 第148-149页 |
| 7 基于稳定白噪声的超声图像处理 | 第149-163页 |
| ·超声图像散粒噪声抑制 | 第149-158页 |
| ·散粒噪声模型 | 第150-151页 |
| ·对数超声图像的多尺度小波分解 | 第151-152页 |
| ·小波系数阈值化处理 | 第152-154页 |
| ·实验结果 | 第154-158页 |
| ·超声图像散粒噪声的模型特性分析 | 第158-162页 |
| ·共异与长记忆特性 | 第158页 |
| ·散粒噪声模型分析 | 第158-161页 |
| ·实验结果 | 第161-162页 |
| ·小结 | 第162-163页 |
| 8 总结与展望 | 第163-165页 |
| ·总结 | 第163页 |
| ·展望 | 第163-165页 |
| 参考文献 | 第165-174页 |
| 附录A 式(3.11)的证明 | 第174-175页 |
| 附录B 式(4.14)的证明 | 第175-176页 |
| 附录C 式(4.142)的证明 | 第176-177页 |
| 创新点摘要 | 第177-178页 |
| 攻读博士学位期间发表学术论文情况 | 第178-182页 |
| 致谢 | 第182-183页 |
| 大连理工大学学位论文版权使用授权书 | 第183页 |
