一、色噪声背景下时间延迟估计的高阶谱SVD算法（论文文献综述）
张亚斌[1]（2020）在《基于潜标平台的舰船目标探测技术研究》文中研究指明水下潜标平台是一种用于水下监测的作业平台,可对目标海域实行长期有效监测,本论文的研究主要围绕水面舰船被动声学探测需求,开展基于潜标平台的舰船目标辐射声信号检测及测向技术研究。首先,对舰船辐射噪声进行了建模与计算机仿真研究;在对舰船辐射噪声信号的组成及产生机理进行阐述与分析的基础上,研究了舰船辐射噪声在时、频及高阶域上的分布特性,对其典型特征进行提取并采用实船数据验证建模仿真的有效性。在舰船辐射噪声中,低频线谱与调制信息是最为重要的特征,利用LOFAR谱分析、DEMON谱分析、1.5维DEMON谱分析及2.5维DEMON谱分析等多种谱分析技术对舰船辐射噪声的线谱与调制信息进行分析与对比,为后续的目标检测奠定理论基础。其次,针对潜标平台需要较长时间工作且一经布放很难进行能源供给的特点,认为潜标平台工作系统需要采用分级值班工作模式以降低功耗,在值更工作模式系统只需要对目标进行检测,结合舰船辐射噪声特点研究了多种舰船目标检测算法;针对舰船辐射噪声的低频信号时域波形特征,研究了宽带能量检测法、过零检测法等传统算法在不同信噪比和虚警概率条件下的检测效果。在此基础上,为进一步提高对舰船目标的检测能力,降低由虚警概率频繁唤醒工作系统引起的不必要功耗。论文研究了基于谱分析的联合特征检测技术,充分利用辐射噪声的频域、高阶域和调制信息,从多角度提取舰船辐射噪声特征,构建联合特征空间,利用支持向量机技术对所提取的辐射噪声特征进行匹配检测,分析验证了联合特征检测技术的检测能力。最后,在潜标系统检测到舰船目标信号后,往往还需要对目标方位进行估计,为下一级精细处理提供前级信息。针对水下潜标平台空间有限的特点,研究了小平台条件下的目标测向技术;重点围绕传统的平面五元十字阵型,分析了阵元间距与时延估计误差对测向精度的影响。针对时延估计误差对测向精度影响较大的问题,提出了基于高阶累积量的高精度时延估计算法,分析了该时延估计算法在不同噪声环境、不同信噪比条件下的时延估计精度,接着对所提测向技术进行仿真与对比验证。
贾鹤鸣[2]（2020）在《非合作直扩信号扩频序列盲估计》文中指出直接序列扩频（DSSS）因频谱利用率高、截获率低、保密性强等诸多优点,近几十年来在移动通信、电子对抗等领域中应用广泛。合作条件下,通信双方可以根据约定好的信号参数进行下变频、解调、解扩等操作。但是在非合作条件下,由于只有少量的先验信息,如要想要破译原始信息,则必须估计出伪码序列,所以直扩信号的伪码估计研究具有迫切性和重要意义。本文在DSSS信号的检测和参数估计已经完成的基础上,将研究重点放在伪码序列的盲估计上。本文主要工作如下:研究了基于矩阵分解的伪码序列估计方法。首先分析了经典的特征分解方法,并进行了仿真,讨论其估计效果以及优缺点。在讨论了特征分解和奇异值分解（SVD）之间关系的基础上,提出一种基于SVD的伪码序列和信息码元联合估计方法,并将其应用于长码信号的伪码序列恢复中。针对长码信号在估计出每段伪码序列后拼接存在符号不确定的问题,根据m序列的移位相加性质,使用三阶相关函数（TCF）找到一个判决函数,该函数可以在误码率小于20%的情况下准确估计出峰值,从而确定伪码序列的符号。根据直扩信号的矩阵形式可以由伪码序列和信息码元序列相乘得到,而伪码序列和信息码元序列又有低秩的特性,提出一种基于低秩矩阵分解（LRMF）的伪码估计方法。该方法首先根据似然函数推导出一个代价函数,然后通过最优化方法求此代价函数的极小值。当代价函数取得最小值时,得到的矩阵就是伪码序列和信息码元序列的估计结果。通过仿真实验可知,基于低秩矩阵分解的方法可以有效地在低信噪比条件下进行信息序列和伪码序列的联合估计。针对脉冲噪声场景下伪码序列估计受噪声和干扰影响较大的问题,在讨论了基于投影逼近子空间跟踪（PAST）方法后,本文依据M估计方法提出了一种新的代价函数,并在此基础上推导了基于最小M估计的投影逼近子空间跟踪方法的递归算法。首先对接收信号进行盲同步处理,然后将同步后的信号以码片周期采样并以伪码序列周期进行分段,接着使用迭代的方法求解使代价函数取最小值时的信号子空间,最后对信号子空间的特征向量取符号函数即可估计出伪码序列。通过仿真实验可知,本文所提的方法与SVD方法以及采用递归最小二乘估计的子空间跟踪方法相比,在脉冲噪声环境下具有更好的性能。
曲坦[3]（2020）在《目标线谱自主检测技术研究》文中指出水下无人系统因其优秀的灵活性以及安全性,可以在作战过程中执行相对危险的任务,减少作战伤亡,并且便于集群化作战,能够极大地扩展海军的作战能力,具有重要的军事价值。作为水下无人系统的“耳目”,声呐系统在水下无人系统有着重要的地位。舰船辐射噪声中的线谱成分由于具有能量集中稳定、传播距离远的优点,可以显着提升被动声呐对低噪声目标的探测性能。针对水下无人系统无人参与、工作环境多变、运动状态多变的特性,本文对线谱自主检测算法以及线谱自主跟踪算法进行了探究,得出了分别在不同条件影响下不同线谱自主检测算法和不同线谱自主跟踪算法的优缺点。本文研究了三种功率谱估计算法,在不同情况下对三种功率谱估计方法进行比较:基于平均周期图法的功率谱估计方法是比较稳健的功率谱估计方法,在各种情况下都具有较为稳定的检测效果;基于相位补偿的功率谱估计方法在线谱稳定的情况下具有优秀的检测性能,但是在线谱频率、相位发生变化时检测性能会下降;基于稀疏重构的功率谱估计方法在白噪声背景下有很好的检测性能,但是在色噪声背景下因为稀疏性被破坏,检测性能降低,且计算量大。针对水下无人平台工作环境多变的特点,本文还研究了背景自主估计算法,可以根据功率谱的估计结果自适应地估计连续谱背景,针对水下无人平台无人参与的特点,研究了线谱自主提取算法。根据线谱在时间上稳定存在的特点,本文研究了三种线谱自主跟踪的算法,在不同情况下对三种算法进行比较,基于边缘检测的线谱跟踪算法具有算法简单,运算量少的优点,但是在低信噪比条件下对噪声的抑制能力弱,对间断线谱的连接能力变弱;基于Kohonen神经网络的线谱跟踪算法可以在各种情况下完成线谱跟踪,但是会将孤立的噪声点连接起来形成虚假谱线,在多普勒条件下跟踪出来的线谱宽度很宽,且运算量巨大;基于隐马尔可夫模型的线谱跟踪算法在本章讨论的情况中都具有十分优越的跟踪效果,但是其计算量较大、运算速度较慢、占用内存较大且需要实现预知最大线谱数目。本文对无人平台上被动声呐采集的试验数据使用各种方法分别进行了处理,对比分析了其处理结果,各个算法都可以有效地观察到发射的信号,验证了各个算法的有效性。为了验证算法的实用性,使用TMS320C6678设计并实现了线谱实时自主提取软件,并对软件进行了测试,通过对水池采集的实测数据处理验证了软件的正确性与实时性。
韩雪[4]（2020）在《舰船地震波信号特性分析与应用研究》文中研究表明在浅海,当舰船辐射噪声的频率低于简正波截止频率时,水中声信号严重衰减,通过海底以舰船地震波的形式传播成为声传播的一个途径。舰船地震波作为一种新型的物理场,对其特性的分析和应用研究在水声领域具有重要意义。对水面船只信号的检测和特征提取是水面船只探测的关键。由于水面船只的传播信道非常复杂,导致强背景噪声干扰下水面船只微弱信号检测难度大,因此仍需探索新的水面船只检测方法。同时,舰船地震波信号在低频段,低频信号对人的生理和心理等方面都会造成影响,因此有必要研究舰船地震波信号移频处理的客观规律以及听觉特征提取方法。本论文围绕舰船地震波的特性及其在水面船只检测和听觉特征提取两方面的应用展开研究。首先对舰船地震波的极化特性进行了分析,研究了舰船地震波的线谱极化滤波算法,旨在改善强背景噪声干扰下的水面船只微弱信号检测问题,为水面船只远距离探测提供新的信号处理思路。其次对舰船地震波的调制特性进行了分析,针对舰船地震波包络调制信号的低频特性,研究了舰船地震波包络调制信号移频处理的心理声学特征参数变化规律。同时根据舰船地震波信号的包络调制特性在听音上具有“节奏感”的特点,借鉴水声听音处理对水声目标优良的探测性能,研究了舰船地震波信号的听觉特征提取方法,旨在为听音安全保障提供技术支持。论文的主要研究内容和结论如下:1.舰船地震波信号极化特性分析与应用论文对地震波线谱信号的极化特性进行了分析,通过优化选取得到了适用于线谱信号的频域极化度参数,然后构造了基于频域极化度参数的极化滤波函数,对线谱信号极化特征谱加权实现了线谱极化滤波算法;分析了极化滤波函数的影响因素,构造了四阶累积量联合极化滤波函数和多重自相关联合极化滤波函数。仿真和实验研究结果表明,相应的四阶累积量极化滤波算法和多重自相关极化滤波算法克服了受分析点数制约以及舰船地震波信号信噪比较低的问题;所提出的舰船地震波线谱极化滤波算法可以抑制背景噪声干扰,提取出线谱信号,实现了强背景噪声干扰下的水面船只微弱信号检测,对被动声呐信号处理和水声目标远距离探测有较好的应用前景。2.舰船地震波信号调制特性分析与听觉特征提取论文对舰船地震波信号调制特性进行了分析,针对舰船地震波包络调制信号的低频特性,对听音移频处理进行了研究,给出了舰船地震波包络调制信号的心理声学特征参数变化规律,为听音移频处理提供了理论依据和参考。研究了舰船地震波包络调制信号的时变响度特征提取。研究表明,时变响度时频图相比功率谱时频图能更好地表征舰船地震波包络调制信号。在此基础上,提出了节拍响度变化量特征。仿真和实验研究结果表明,节拍响度变化量特征的识别率高于稳态特征响度的识别率。此外,在舰船地震波信号的听觉滤波器特征提取研究中发现,可以利用听觉滤波器检测和提取舰船地震波线谱信号,相比传统线谱提取方法,线谱信号的输出信噪比有所提高。最后,研究发现等带宽三角形滤波器倒谱系数特征在低信噪比下有较好的鲁棒性。所获取的舰船地震波包络调制信号移频处理的心理声学特征参数变化规律以及所研究的舰船地震波听觉特征参数为便于低频舰船地震波听音识别提供了新方法。
袁锐[5]（2019）在《改进的多元经验模式分解理论及其在机械故障诊断中的应用研究》文中认为随着我国综合实力的日益提升和科技水平的不断进步,现代工业对于安全生产的需求越来越高,发展研究机械故障诊断技术对于确保机械设备的安全高效运行具有十分重要的意义。随着多传感器采集系统的发展,多元信号的同步处理变得尤为重要。在机械故障诊断研究中,采用多元信号处理方法可以更全面地描述故障部件的动力学信息,有益于实现机械故障诊断。因此,本文在深入研究多元经验模式分解（MEMD）的基础上,针对MEMD存在的模态混叠问题、多信道间功率不平衡问题以及一维信号隐藏特征的高维提取问题,提出改进的MEMD理论。重点旨在优化MEMD在处理多元信号过程中的分解性能,使分解得到的多元IMF准确表征系统动力学信息,利用其分解特性和动力学表征属性进行机械故障诊断。通过理论推导、特性仿真分析和实际实验说明改进的MEMD理论的有效性及优越性。本文以滚动轴承为对象,开展基于改进的MEMD理论的机械故障诊断方法研究,将改进的MEMD理论成功应用于机械故障特征提取及故障分类中。本文主要内容包括以下五个方面:1.深入研究MEMD理论,通过特性仿真分析和实际实验说明MEMD的有效性和优越性,表明MEMD作为一种多元信号同步处理方法能够被很好地应用于机械故障诊断研究中,为本文提出的改进的MEMD理论及其在机械故障诊断中的应用研究打下坚实基础。2.针对MEMD存在的模态混叠问题,在深入研究MEMD滤波器组特性的基础上,提出噪声辅助多元经验模式分解（NAMEMD）。通过添加高斯白噪声信道作为辅助信道,具有频谱均匀分布特性的高斯白噪声作为MEMD在频率自适应分解过程中的参考。提出两种添加噪声的方法,一种添加高斯白噪声信道作为辅助信道直至迭代完成,另一种通过逐次添加高斯白噪声信道,逐次生成每阶多元IMF,产生相同数量的模态。3.针对MEMD存在的多信道间功率不平衡问题,采用自适应非均匀投影策略,提出自适应投影多元经验模式分解（APITMEMD）。通过主成分方向自适应地表征多信道间功率不平衡的最大方向并考虑不同信道间相关性,采用自适应投影方向向量进行迭代分解,减轻不同信道间功率不平衡导致的局部均值次优化估计。并研究APITMEMD在高斯白噪声辅助下的滤波器组特性,进一步提出噪声辅助自适应投影多元经验模式分解（NAAPITMEMD）。4.针对MEMD存在的一维信号隐藏特征的高维提取问题,提出相空间重构优化NAAPITMEMD。相空间重构得到的高维相空间与原始动力系统微分同胚,原始动力系统中隐藏的演化规律能够在高维相空间中展现出来。将NAAPITMEMD分解得到的多元IMF进行相空间重构,得到的高维IMF能够表征一维信号固有和隐藏的动力学信息。通过对高维IMF中高维相点的研究来提取一维信号隐藏的动力学信息和演化规律,实现一维信号在高维相空间中的内蕴动力学特征提取。5.将改进的MEMD理论应用于机械故障诊断中,提出基于NAAPITMEMD的滚动轴承复合故障特征提取方法以及不同工况下滚动轴承智能故障诊断方法。采用NAAPITMEMD减轻模态混叠效应和多信道间功率不平衡导致的局部均值次优化估计。在滚动轴承复合故障特征提取中,从分解得到的多元IMF中提取滚动轴承的复合故障特征。在滚动轴承故障分类中,采用神经网络进行不同工况下滚动轴承的智能故障诊断:一方面通过选取部分多元IMF来表征故障滚动轴承的动力学信息,采用多元IMF的熵值作为神经网络的输入,由于熵值测量时间序列的复杂性,可以实现不同工况下滚动轴承的智能故障诊断;另一方面通过相空间重构得到高维IMF,采用高维IMF的特征量作为神经网络的输入,通过选取对异常值不敏感的高维特征量,实现不同工况下滚动轴承的智能故障诊断。
杨乐[6]（2018）在《MHD角速度传感器微弱信号处理方法研究》文中研究说明磁流体动力学（MagnetoHydroDynamics,MHD）角速度传感器具有宽频带、低噪声、小体积等优势,因此适用于空间结构微角振动的测量。MHD角速度传感器用于测量微小角振动,其最主要的性能指标之一是等效噪声。目前MHD角速度传感器的研究集中于提高其低频信噪比以改善低频性能,以及进一步降低通带噪声以获取更高的分辨力,因此MHD角速度传感器微弱信号提取和处理是实现上述研究目标的关键问题。本文研究MHD角速度传感器微弱信号的处理方法,研究低信噪比情况下的信号频率和幅值的估计算法。首先,本文研究了MHD角速度传感器的噪声特性。采集传感器的本底噪声,得出传感器的噪声功率谱密度曲线和噪声信号概率密度曲线,确定MHD角速度传感器噪声属于高斯有色噪声。其次,本文研究了小波去噪算法与功率谱估计算法,用于MHD角速度传感器的参数估计。使用小波去噪算法对不同频段和不同信噪比条件下的仿真信号和MHD角速度传感器信号进行去噪处理,比较不同去噪算法性能,最终选择阈值去噪算法处理传感器信号。然后,本文研究了经典谱和现代谱估计算法,估计信号的频率和幅值,分析了各功率谱估计算法的频率和幅值估计性能,选定周期图法对传感器信号进行处理。最终将小波阈值去噪算法和周期图法结合使用,估计MHD角速度传感器的频率和幅值。最后,本文采用四阶累积量与现代互谱相结合的高阶谱方法,包括:互四阶谱、互四阶谱MUSIC、互四阶Esprit-Tls和互四阶SVD算法。在不同频段和信噪比条件下,估计仿真信号和传感器信号的频率和幅值,并分析信号信噪比的改善情况。结果表明互四阶谱估计算法对MHD角速度传感器的高斯有色噪声具有很好的抑制能力,频率估计分辨力<1 Hz,信噪比提高了7-11 dB。
刘庆财[7]（2017）在《α和高斯混合噪声背景下谐波恢复方法研究》文中研究说明谐波恢复问题是信号处理领域中非常基本但是又非常重要的一类问题,具有极为重要的理论研究意义和实际意义。高斯分布在传统的信号处理中占据很重要的地位,主要是因为高斯分布满足中心极限定理,但是高斯分布本身无法描述具有冲击特性的信号。α稳定分布是一种极为重要的随机过程,α稳定分布可以很好的描述非高斯冲击性质信号和具有与自然界很多数据相符的优点,因此国内外很多学者在α稳定分布噪声背景下进行信号处理的研究。本文要解决的问题是在α稳定分布和高斯分布混合噪声背景下谐波信号频率估计问题,由于α稳定分布本身具有的分数低阶统计量是非线性的,因此对含有α稳定分布噪声的谐波恢复问题进行研究就具有难度。针对α稳定分布和高斯分布混合噪声背景下谐波信号频率的估计问题,提出基于共变函数的线性归一化相关函数,并且证明了线性归一化相关函数的存在性和普适性。采用线性归一化相关函数代替原有的相关函数和分数低阶统计量的方法,基于线性归一化相关函数,采用Pisarenko方法对本课题中α稳定分布和高斯分布混合噪声背景下谐波恢复问题进行研究。采用MUSIC方法对本课题中α稳定分布和高斯分布混合噪声背景下谐波恢复问题进行研究。采用ESPRIT方法对本课题中α稳定分布和高斯分布混合噪声背景下谐波恢复问题进行研究。对α稳定分布和高斯分布混合噪声背景下谐波恢复问题推导其满足的尤尔-沃克（Yule-Walker）方程,采用总体最小二乘（SVD-TLS）的方法对本课题中α稳定分布和高斯分布混合噪声背景下谐波恢复问题进行研究。通过仿真实验来验证和比较各种算法对本课题中α稳定分布和高斯分布混合噪声背景下谐波信号频率的估计性能。理论和实验表明本论文提出的方法能够有效的解决本课题的研究问题。
吴鹏[8]（2012）在《相位匹配信号去噪方法的研究》文中研究说明在信号处理过程中,有效地获取需要的信号,去除各种噪声对信号的不利影响一直是不断被研究的课题。为了获取正确而有用的信号,对信号去噪算法的研究变得非常重要。在实际中使用有效的去噪算法,能更好地获得有用信号,去掉噪声的干扰,更真实的反映信号的原貌,有利于分析信号获取信息。论文中提出相位匹配噪声估计的小波去噪方法。将带噪信号在复数域进行相位匹配,通过数学推导获取噪声的方差,由噪声方差获取小波阈值,进行小波去噪,可以实时的反映噪声的变化,无需知道噪声的先验信息,准确获取小波阈值。通过-3dB和-9dB信噪比的正弦波、方波、三角波这三种代表波去噪仿真与对比,其对低信噪比的信号去噪效果是Donoho小波去噪方法去噪效果的4-8倍。提出了一种线性过渡阈值小波去噪方法。使小波软阈值去噪方法和小波硬阈值去噪方法成为本方法的特例,更进一步扩展了阈值的变化范围。可以根据实际情况灵活调整线性过渡阈值的梯度值,从而获得输出不同信噪比的信号,并使信号输出变得平滑。通过梯度值取3,选用Sym8三层小波对加入高斯白噪声信噪比12dB的Block和Quadchirp信号去噪仿真,经线性过渡阈值法处理后,信号幅值高于软阈值去噪,信号的尖刺跳变低于硬阈值去噪,信噪比提高的同时使得信号更加平滑。通过梯度值取1.5、3、6线性过渡阈值去噪法与软、硬阈值去噪法对比,其处理后信号标准差低于软、硬阈值去噪方法的标准差。提出了相位匹配噪声估计的高阶谱去噪方法。对带有高斯和非高斯噪声信号进行双谱去噪,进行二维傅立叶反变换,获得去除高斯噪声的信号,再利用相位匹配噪声差来估计噪声谱,在频域内进行谱差去噪,去除未处理的非高斯噪声。给出了获取噪声谱的数学公式,以及谱差计算公式。将频率100Hz的正弦波分别加入信噪比是-1dB、-5dB、-10dB的非高斯有色噪声和高斯白噪声的混合噪声,利用相位匹配噪声估计的高阶谱去噪方法进行去噪仿真,去噪后的信噪比明显高过双谱去噪,既去除了高斯白噪声又去掉了高阶谱去噪法无法去除的非高斯有色噪声,尤其是在-10dB的情况下效果更加明显。提出了相位匹配双阵元去噪方法。给出相位匹配双阵元去噪方法的数学推导过程。利用相位匹配双阵元去噪方法进行去噪处理,在噪声无突变的情况下可以直接解出信号。其与单个阵元获取信号相比,可以获得更多信号和噪声的信息,利于噪声的抵消。弥补了Orris提出的相位匹配算法需要知道噪声先验信息的不足。采用频率300Hz的正弦波,加入-70dB、-50dB和-30dB的高斯白噪声,在采样率为10kHz条件下,给出了解出信号与实际信号的拟合度表,拟合度达到90%以上。分析了噪声相位与幅值的变化对本方法的影响,分析了信号相位变化对求解信号的影响。分析得到结论是噪声的相位变化对信号求解无影响,幅值变化可以通过起伏系数K对去噪结果进行调整。信号的相位变化可以通过匹配系数k对去噪结果进行调整。在噪声相位和幅值都有变化,信噪比为-50dB的情况下,对不同时间段的不同起伏系数值进行仿真,获得信号拟合度均大于90%。提出了相位匹配的信号与混沌背景分离方法。通过信号的相位匹配直接从混沌背景中解出信号,达到信号与混沌背景分离的目的。不需要在最小相空间利用非线性最小化来提取信号,克服低维流形状态下分离效果差的缺点与全局非线性逼近拟合存在很大误差的缺点。以Lorenz为混沌背景,加入不同频率和不同幅值的正弦波信号,采用相位匹配的方法去除混沌背景,进行混沌相图仿真,获得信号分离度表,得到结论是频率小时分离度较小,幅值大时分离度也较小,信号分离度值小于3,能够将信号从混沌背景中分离出来。最后将核心的相位匹配去噪算法应用到实际的FPGA中去,实现软IP核的结构设计。结构采用模块设计,对各个组成模块和整体IP核进行了功能仿真和时序仿真,仿真结果与理论结果相符,为其应用于嵌入式设备打下基础。
孙晓东[9]（2009）在《混沌噪声背景下谐波参数估计方法研究》文中指出混沌信号处理是非线性信号处理的一个崭新的学科分支,不仅在海洋、生物、医学、化学等自然和工程领域有着丰富的研究课题,而且在保密通信、数字水印和电子对抗中有广阔的应用前景。混沌噪声背景下谐波信号参数估计是混沌信号处理的一个重要研究内容,对它的研究有着重大的理论意义和重要的实用价值。例如,海洋杂波中目标信号的特征参数估计、生物医学中母体胎儿心电信号的检测和视觉诱发脑电信号中微弱信号的检测和提取,以及反混沌干扰过程等都可以归结为混沌噪声背景下信号参数估计问题。本文首先介绍了混沌理论和混沌信号处理的相关知识,在此基础上提出了基于单变量驱动混沌同步的谐波频率估计方法,并利用互四阶累积量参数估计方法提高频率估计精度。具体研究内容包括:基于确定系统混沌同步的谐波频率估计方法;基于系统模型已知但参数摄动混沌同步的谐波频率估计方法;基于系统模型已知但系统参数完全未知混沌同步的谐波频率估计方法;基于结构互异混沌同步的谐波频率估计方法。本文方法能实现强混沌噪声和强随机噪声共存背景下谐波频率估计;随机噪声可以为相关的高斯（白色或有色）噪声,也可为互不相关的（白色或有色、高斯或非高斯）噪声。理论分析和仿真实验表明,本文提出的混沌噪声背景下谐波信号频率估计方法,具有噪声抑制能力强、估计精度高的优点。
李亚峻[10]（2007）在《地震勘探子波估计、面波消减新技术研究》文中进行了进一步梳理本文对合成单道地震记录、合成单炮地震记录和野外单炮地震记录进行了研究,研究的主要目的是消减地震记录中的面波和随机噪声,提取有效波同相轴,估计地震子波。把地震子波看成是MA模型参数,假设第一个参数值不为1,改进了四阶累积量的矩阵方程,使其适用于处理地震记录。针对双谱相位重构BMU算法初值不稳定的问题,提出了一种新的初值选取方法,使地震子波估计的稳定性得到提高。为了能够从对称分布信号中估计子波,提出了三谱幅值和相位重构的最小二乘法和离散傅里叶变换方法。对于合成和野外单炮地震记录,用奇异值分解方法（SVD）消减面波,用小波变换和小数据体SVD方法抑制随机噪声,从地震记录中提取出有效波同相轴后,用高阶谱重构地震记录的功率谱,用高阶谱的幅值和相位重构方法估计地震子波。提出了用SVD第一奇异值的极大值,或者第一和第二奇异值差值的极大值,或者第一和第二奇异值之和与第三奇异值差值的极大值所对应的斜率作为面波同相轴的最佳斜率。根据最佳斜率,把面波同相轴旋转为水平后,用SVD第一奇异值或前两个奇异值重构提取出来。
二、色噪声背景下时间延迟估计的高阶谱SVD算法（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、色噪声背景下时间延迟估计的高阶谱SVD算法（论文提纲范文）
（1）基于潜标平台的舰船目标探测技术研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.2 潜标平台应用技术概况 |
| 1.3 水下目标检测技术研究现状 |
| 1.4 论文结构安排 |
| 第2章 舰船辐射噪声特征建模与谱分析 |
| 2.1 舰船辐射噪声组成 |
| 2.1.1 机械噪声 |
| 2.1.2 螺旋桨噪声 |
| 2.1.3 水动力噪声 |
| 2.2 舰船辐射噪声建模 |
| 2.2.1 连续谱的建模 |
| 2.2.2 线谱的建模 |
| 2.2.3 调制信息的建模 |
| 2.2.4 舰船辐射噪声整体建模 |
| 2.3 舰船辐射噪声的谱分析方法 |
| 2.3.1 LOFAR谱分析原理 |
| 2.3.2 DEMON谱分析原理 |
| 2.3.3 1.5 维DEMON谱分析原理 |
| 2.3.4 2.5 维DEMON谱分析原理 |
| 2.4 舰船信号谱分析处理 |
| 2.4.1 舰船信号处理计算机仿真 |
| 2.4.2 实船信号处理 |
| 2.5 本章小结 |
| 第3章 舰船目标检测技术研究 |
| 3.1 宽带能量信号检测方法 |
| 3.2 过零信号检测方法 |
| 3.3 过零检测与能量检测的联合检测方法 |
| 3.4 联合特征目标检测方法 |
| 3.5 舰船目标检测技术的计算机仿真对比 |
| 3.5.1 宽带能量检测法计算机仿真 |
| 3.5.2 过零检测法计算机仿真 |
| 3.5.3 过零检测与能量检测的联合检测法计算机仿真 |
| 3.5.4 联合特征检测法计算机仿真 |
| 3.6 舰船目标检测技术的实船数据分析 |
| 3.7 本章小结 |
| 第4章 舰船目标测向技术研究 |
| 4.1 舰船目标测向原理 |
| 4.1.1 平面阵舰船目标测向方法 |
| 4.1.2 五元平面阵舰船测向精度分析 |
| 4.2 时延估计算法原理 |
| 4.2.1 广义互相关时延估计算法 |
| 4.2.2 广义二次相关时延估计算法 |
| 4.2.3 高阶累积量一维切片时延估计算法 |
| 4.2.4 基于高阶累积量的高精度时延估计算法 |
| 4.3 计算机仿真分析 |
| 4.3.1 时延估计算法仿真 |
| 4.3.2 五元十字阵测向性能仿真 |
| 4.4 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间发表的论文和取得的科研成果 |
| 致谢 |
（2）非合作直扩信号扩频序列盲估计（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号对照表 |
| 缩略语对照表 |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 基于本原多项式的伪码估计现状 |
| 1.2.2 基于特征分析的伪码估计现状 |
| 1.2.3 基于子空间跟踪的伪码估计现状 |
| 1.2.4 基于神经网络的伪码估计现状 |
| 1.3 本论文的主要工作内容及组织结构 |
| 第二章 DSSS通信系统 |
| 2.1 引言 |
| 2.2 扩频通信理论基础 |
| 2.3 DSSS信号模型与脉冲干扰模型 |
| 2.3.2 短码DSSS信号模型 |
| 2.3.3 长码DSSS信号模型 |
| 2.3.4 脉冲干扰模型描述 |
| 2.4 扩频序列 |
| 2.4.1 m序列 |
| 2.4.2 Gold序列 |
| 2.5 本章小结 |
| 第三章 基于矩阵分解的伪码序列与信息码元联合估计 |
| 3.1 引言 |
| 3.2 基于特征分解的扩频码估计 |
| 3.2.1 DSSS信号相关矩阵分解 |
| 3.2.2 基于滑动宽窗口的特征分解法 |
| 3.2.3 算法仿真分析 |
| 3.3 基于SVD的信息码与伪码序列联合估计 |
| 3.3.1 基于SVD的信息码与伪码序列联合估计分析 |
| 3.3.2 基于TCF的伪码序列符号确定 |
| 3.3.3 算法仿真分析 |
| 3.4 基于低秩矩阵分解的扩频码估计 |
| 3.4.1 低秩矩阵分解原理 |
| 3.4.2 基于低秩矩阵分解的伪码估计原理 |
| 3.4.3 算法仿真分析 |
| 3.5 本章小结 |
| 第四章 脉冲噪声环境下的扩频序列估计 |
| 4.1 引言 |
| 4.2 信号模型 |
| 4.3 非同步延迟的估计方法 |
| 4.3.1 基于测度的延迟估计方法 |
| 4.3.2 基于向量范数的序列同步 |
| 4.4 基于投影逼近子空间跟踪的伪码序列估计 |
| 4.4.1 投影逼近子空间跟踪原理 |
| 4.4.2 改进的基于M估计的PAST算法 |
| 4.4.3 伪码序列估计步骤 |
| 4.5 仿真实验与分析 |
| 4.6 本章小结 |
| 第五章 总结与展望 |
| 5.1 文章总结 |
| 5.2 对未来研究的展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（3）目标线谱自主检测技术研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 选题背景及意义 |
| 1.2 国内外发展现状 |
| 1.2.1 线谱检测发展现状 |
| 1.2.2 线谱跟踪发展现状 |
| 1.3 研究内容及工作安排 |
| 第2章 线谱自主检测方法研究 |
| 2.1 线谱信号模型 |
| 2.2 功率谱估计方法 |
| 2.2.1 基于平均周期图的功率谱估计方法 |
| 2.2.2 基于相位补偿的频率估计方法 |
| 2.2.3 基于稀疏重构的功率谱估计方法 |
| 2.3 背景均衡方法 |
| 2.3.1 水下背景噪声及海洋环境噪声频域特性 |
| 2.3.2 双α滤波法估计背景原理 |
| 2.3.3 仿真实验 |
| 2.4 基于线谱在功率谱中的形状特征进行线谱自主提取方法 |
| 2.4.1 线谱的形状特征 |
| 2.4.2 线谱提取原理 |
| 2.4.3 线谱提取过程 |
| 2.5 本章小结 |
| 第3章 线谱自主跟踪方法研究 |
| 3.1 线谱在LOFAR图中的形状特征 |
| 3.2 基于边缘检测的线谱自主跟踪技术 |
| 3.2.1 边缘检测原理 |
| 3.2.2 边缘检测算法改进 |
| 3.3 基于无监督学习神经网络的线谱跟踪技术 |
| 3.3.1 Kohonen神经网络基本原理 |
| 3.3.2 基于Kohonen神经网络进行线谱跟踪的网络设计 |
| 3.3.3 代价函数 |
| 3.3.4 仿真实验 |
| 3.4 基于隐马尔科夫模型的线谱跟踪技术 |
| 3.4.1 隐马尔科夫模型基本原理 |
| 3.4.2 基于隐马尔科夫模型的线谱跟踪算法参数选取 |
| 3.4.3 基于隐马尔科夫模型的线谱跟踪算法 |
| 3.5 本章小结 |
| 第4章 线谱检测与线谱跟踪算法的性能分析及试验验证 |
| 4.1 线谱检测算法性能对比 |
| 4.1.1 低信噪比下线谱检测算法对比 |
| 4.1.2 色噪声背景下线谱检测算法对比 |
| 4.1.3 多普勒条件下线谱检测算法对比 |
| 4.2 线谱跟踪算法性能对比 |
| 4.2.1 低信噪比下线谱跟踪算法对比 |
| 4.2.2 多普勒条件下线谱跟踪算法对比 |
| 4.3 试验数据处理结果 |
| 4.3.1 功率谱估计实验数据处理结果 |
| 4.3.2 线谱跟踪算法处理结果 |
| 4.4 本章小结 |
| 第5章 线谱实时检测软件设计与实现 |
| 5.1 TMS320C6678介绍 |
| 5.2 CCS开发环境介绍 |
| 5.2.1 CCS集成开发环境 |
| 5.2.2 SYS/BIOS系统简介 |
| 5.3 软件模块设计方案 |
| 5.3.1 网络通信 |
| 5.3.2 核间通信 |
| 5.3.3 线谱实时自主提取算法 |
| 5.4 软件测试 |
| 5.4.1 网络通信测试 |
| 5.4.2 软件实时性测试 |
| 5.4.3 水池试验数据测试 |
| 5.5 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间发表的论文和取得的科研成果 |
| 致谢 |
（4）舰船地震波信号特性分析与应用研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 立题背景与意义 |
| 1.2 舰船地震波特性研究概况 |
| 1.3 舰船地震波应用研究概况 |
| 1.3.1 线谱检测方法研究概况 |
| 1.3.2 听觉特征提取方法研究概况 |
| 1.4 矢量信号极化分析方法研究概况 |
| 1.5 本文研究的主要内容 |
| 第2章 舰船地震波基础理论 |
| 2.1 引言 |
| 2.2 舰船地震波信号频谱特性 |
| 2.3 舰船地震波信号极化特性和分析方法 |
| 2.3.1 舰船地震波线谱信号极化特性 |
| 2.3.2 地震波极化分析方法 |
| 2.4 舰船地震波信号统计量计算方法 |
| 2.5 舰船地震波听觉计算模型 |
| 2.5.1 心理声学参数计算模型 |
| 2.5.2 听觉滤波器模型 |
| 2.6 本章小结 |
| 第3章 舰船地震波信号极化特性分析与应用 |
| 3.1 引言 |
| 3.2 地震波线谱信号模型 |
| 3.3 舰船地震波线谱信号极化特性分析 |
| 3.4 线谱极化滤波算法 |
| 3.4.1 极化滤波函数影响因素分析 |
| 3.4.2 线谱极化滤波算法仿真分析 |
| 3.5 线谱四阶累积量极化滤波算法 |
| 3.5.1 四阶累积量极化分析方法 |
| 3.5.2 线谱四阶累积量极化滤波算法仿真分析 |
| 3.6 线谱多重自相关极化滤波算法 |
| 3.6.1 多重自相关极化分析方法 |
| 3.6.2 线谱多重自相关极化滤波算法仿真分析 |
| 3.7 实验数据处理 |
| 3.8 本章小结 |
| 第4章 舰船地震波信号调制特性分析与听觉特征提取 |
| 4.1 引言 |
| 4.2 舰船地震波信号调制特性分析 |
| 4.3 舰船地震波包络调制信号移频处理的心理声学特征参数变化规律研究 |
| 4.3.1 信号仿真分析 |
| 4.3.2 响度变化规律仿真分析 |
| 4.3.3 尖锐度变化规律仿真分析 |
| 4.3.4 调制特性变化规律仿真分析 |
| 4.3.5 舰船地震波包络调制信号实验分析 |
| 4.4 舰船地震波包络调制信号的时变响度特征提取研究 |
| 4.4.1 时变响度特征提取及其适用性分析 |
| 4.4.2 节拍响度变化量特征提取算法 |
| 4.5 舰船地震波信号的听觉滤波器特征提取研究 |
| 4.5.1 听觉滤波器对舰船地震波线谱信号的提取性能 |
| 4.5.2 等带宽三角形滤波器倒谱系数特征 |
| 4.5.3 实验结果与分析 |
| 4.6 本章小结 |
| 结论 |
| 参考文献 |
| 攻读博士学位期间发表的论文和取得的科研成果 |
| 致谢 |
（5）改进的多元经验模式分解理论及其在机械故障诊断中的应用研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 机械故障诊断方法及应用研究现状 |
| 1.2.1 机械故障诊断方法 |
| 1.2.2 机械故障诊断方法的应用 |
| 1.3 经验模式分解方法研究现状 |
| 1.4 多元经验模式分解方法研究现状 |
| 1.4.1 多元经验模式分解方法 |
| 1.4.2 多元经验模式分解方法存在的问题 |
| 1.5 论文研究内容和结构安排 |
| 第2章 多元经验模式分解方法 |
| 2.1 引言 |
| 2.2 EMD基本理论 |
| 2.2.1 本征模式函数 |
| 2.2.2 EMD基本原理 |
| 2.3 EMD处理多元信号的排列紊乱问题 |
| 2.4 MEMD基本理论 |
| 2.4.1 Hammersley采样原理 |
| 2.4.2 MEMD基本原理 |
| 2.4.3 MEMD特性仿真分析 |
| 2.5 基于MEMD的滚动轴承故障特征提取方法 |
| 2.5.1 方法介绍 |
| 2.5.2 实验数据介绍 |
| 2.5.3 滚动轴承内圈故障特征提取研究 |
| 2.5.4 滚动轴承外圈故障特征提取研究 |
| 2.6 本章小结 |
| 第3章 噪声辅助多元经验模式分解方法 |
| 3.1 引言 |
| 3.2 CEEMDAN基本理论 |
| 3.2.1 EMD存在的模态混叠问题 |
| 3.2.2 CEEMDAN特性仿真分析及对比研究 |
| 3.3 基于CEEMDAN的滚动轴承性能退化状态监测研究 |
| 3.3.1 方法介绍 |
| 3.3.2 实验数据介绍 |
| 3.3.3 滚动轴承性能退化状态监测研究 |
| 3.4 MEMD存在的模态混叠问题 |
| 3.5 噪声辅助MEMD基本理论 |
| 3.5.1 MEMD的滤波器组特性 |
| 3.5.2 NAMEMD基本原理 |
| 3.5.3 NAMEMD特性仿真分析及对比研究 |
| 3.6 本章小结 |
| 第4章 自适应投影多元经验模式分解方法 |
| 4.1 引言 |
| 4.2 非均匀采样BEMD基本理论 |
| 4.3 MEMD存在的不同信道间功率不平衡问题 |
| 4.4 自适应投影MEMD基本理论 |
| 4.4.1 APITMEMD基本原理 |
| 4.4.2 APITMEMD特性分析 |
| 4.5 噪声辅助APITMEMD基本理论 |
| 4.5.1 NAAPITMEMD基本原理 |
| 4.5.2 NAAPITMEMD特性仿真分析及对比研究 |
| 4.6 本章小结 |
| 第5章 相空间重构优化多元经验模式分解方法 |
| 5.1 引言 |
| 5.2 MEMD存在的一维信号隐藏特征的高维提取问题 |
| 5.3 相空间重构基本理论 |
| 5.3.1 相空间重构基本原理 |
| 5.3.2 多元相空间重构基本原理 |
| 5.4 IMF的高维特征 |
| 5.4.1 二维IMF的高维特征 |
| 5.4.2 三维IMF的高维特征 |
| 5.5 相空间重构优化NAAPITMEMD基本理论 |
| 5.5.1 相空间重构优化NAAPITMEMD基本原理 |
| 5.5.2 相空间重构优化NAAPITMEMD特性仿真分析 |
| 5.6 本章小结 |
| 第6章 基于改进的多元经验模式分解的机械故障诊断方法 |
| 6.1 引言 |
| 6.2 改进的MEMD方法在机械故障诊断中的应用 |
| 6.3 基于NAAPITMEMD和 HOSVD的滚动轴承故障特征提取方法 |
| 6.3.1 方法介绍 |
| 6.3.2 HOSVD基本理论 |
| 6.3.3 实验数据介绍 |
| 6.3.4 滚动轴承故障特征提取及对比研究 |
| 6.4 基于NAAPITMEMD和 IMMSE的滚动轴承故障分类方法 |
| 6.4.1 方法介绍 |
| 6.4.2 IMMSE基本理论 |
| 6.4.3 实验数据介绍 |
| 6.4.4 滚动轴承故障分类及对比研究 |
| 6.5 基于相空间重构优化NAAPITMEMD的滚动轴承故障分类方法 |
| 6.5.1 方法介绍 |
| 6.5.2 实验数据介绍 |
| 6.5.3 滚动轴承故障分类及对比研究 |
| 6.6 本章小结 |
| 第7章 结论与展望 |
| 7.1 结论 |
| 7.2 展望 |
| 参考文献 |
| 附录1 攻读博士学位期间取得的科研成果 |
| 附录2 攻读博士学位期间参与的科研项目 |
| 致谢 |
（6）MHD角速度传感器微弱信号处理方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 课题研究背景 |
| 1.2 MHD角速度传感器工作原理及噪声分析 |
| 1.2.1 MHD角速度传感器工作原理 |
| 1.2.2 MHD角速度传感器的噪声特性 |
| 1.3 MHD角速度传感器参数估计研究现状 |
| 1.3.1 MHD角速度传感器参数估计国内外研究进展 |
| 1.3.2 算法性能评价指标与信号模型 |
| 1.4 论文的主要内容 |
| 第2章 基于小波去噪的MHD角速度传感器微弱信号处理 |
| 2.1 小波变换原理 |
| 2.1.1 连续小波变换 |
| 2.1.2 离散小波变换 |
| 2.1.3 多分辨分析 |
| 2.1.4 Mallat塔形算法 |
| 2.2 小波去噪算法 |
| 2.2.1 阈值去噪 |
| 2.2.2 模极大值去噪 |
| 2.2.3 相关性去噪 |
| 2.3 仿真信号与传感器信号的小波去噪 |
| 2.3.1 不同频段信号的小波去噪 |
| 2.3.2 不同信噪比信号的小波去噪 |
| 2.4 本章小结 |
| 第3章 MHD角速度传感器微弱信号参数估计的功率谱方法 |
| 3.1 谱估计算法原理 |
| 3.1.1 经典谱估计原理 |
| 3.1.2 现代谱估计原理 |
| 3.2 经典谱估计算法的信号处理 |
| 3.2.1 经典谱算法对不同频段信号的频率估计 |
| 3.2.2 经典谱算法对不同信噪比信号的频率估计 |
| 3.2.3 经典谱算法对信号的幅值估计 |
| 3.3 现代谱估计算法的信号处理 |
| 3.3.1 现代谱算法对不同频段信号的频率估计 |
| 3.3.2 现代谱算法对不同信噪比信号的频率估计 |
| 3.4 小波去噪与谱估计结合 |
| 3.4.1 不同频段信号的频率估计 |
| 3.4.2 不同信噪比信号的频率估计 |
| 3.4.3 幅值估计 |
| 3.5 本章小结 |
| 第4章 MHD角速度传感器微弱信号参数估计的高阶谱方法 |
| 4.1 高阶统计量理论基础 |
| 4.2 互高阶谱估计算法 |
| 4.2.1 互四阶谱 |
| 4.2.2 互四阶MUSIC |
| 4.2.3 互四阶Esprit-Tls算法 |
| 4.2.4 互四阶SVD算法 |
| 4.3 互高阶谱估计算法的信号处理 |
| 4.3.1 采样条件对频率和幅值估计的影响 |
| 4.3.2 互高阶谱估计对不同频段信号的频率估计 |
| 4.3.3 互高阶谱估计对不同信噪比信号的频率估计 |
| 4.3.4 互高阶谱估计去噪效果 |
| 4.3.5 互高阶谱估计幅值估计 |
| 4.4 本章小结 |
| 第5章 总结与展望 |
| 5.1 全文总结 |
| 5.2 工作展望 |
| 参考文献 |
| 发表论文和参加科研情况 |
| 致谢 |
（7）α和高斯混合噪声背景下谐波恢复方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 谐波恢复研究背景和研究意义 |
| 1.2 α稳定分布的研究背景和研究意义 |
| 1.3 谐波恢复研究现状 |
| 1.3.1 高斯白噪声背景下谐波恢复研究现状 |
| 1.3.2 有色噪声背景下谐波恢复研究现状 |
| 1.3.3 α稳定分布噪声背景下谐波恢复研究现状 |
| 1.4 本论文的主要工作内容以及章节安排 |
| 1.4.1 本论文的主要工作内容 |
| 1.4.2 本论文的章节安排 |
| 第2章 稳定分布和线性归一化相关函数 |
| 2.1 α稳定分布的概念 |
| 2.2 α稳定分布的性质 |
| 2.2.1 α稳定分布的叠加性质 |
| 2.2.2 α稳定分布的位移性质 |
| 2.2.3 α稳定分布的尺度性质 |
| 2.2.4 α稳定分布的对称性质 |
| 2.2.5 α稳定分布的p阶矩 |
| 2.3 α稳定分布的序列产生 |
| 2.4 α稳定分布的参数估计 |
| 2.4.1 高斯性和对称性检验 |
| 2.4.2 α稳定分布参数估计算法比较及其实现 |
| 2.5 谐波信号数学模型和α稳定分布白噪声 |
| 2.6 线性归一化相关函数 |
| 第3章 谐波恢复的Pisarenko方法和MUSIC方法 |
| 3.1 谐波恢复的Pisarenko方法 |
| 3.2 谐波恢复的MUSIC方法 |
| 3.2.1 噪声子空间的MUSIC方法 |
| 3.2.2 信号子空间的MUSIC方法 |
| 3.2.3 求根MUSIC方法 |
| 3.2.4 最小范数的MUSIC方法 |
| 3.2.5 第一主向量的MUSIC方法 |
| 3.3 仿真实验 |
| 第4章 谐波恢复的SVD-TLS方法和ESPRIT方法 |
| 4.1 谐波恢复的SVD-TLS方法 |
| 4.1.1 混合噪声背景下谐波恢复ARMA建模 |
| 4.1.2 AR模型阶次和系数向量估计的SVD-TLS方法 |
| 4.2 谐波恢复的ESPRIT方法 |
| 4.2.1 谐波恢复的LS-ESPRIT方法 |
| 4.2.2 谐波恢复的ES-ESPRIT方法 |
| 4.2.3 谐波恢复的TLS-ESPRIT方法 |
| 4.3 仿真实验 |
| 第5章 总结与展望 |
| 5.1 全文总结 |
| 5.2 后续工作展望 |
| 参考文献 |
| 作者简介及科研成果 |
| 致谢 |
（8）相位匹配信号去噪方法的研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题背景及研究的目的和意义 |
| 1.2 信号去噪方法研究的现状 |
| 1.2.1 小波去噪方法的现状 |
| 1.2.2 高阶谱去噪方法的现状 |
| 1.2.3 相位匹配去噪方法的现状 |
| 1.3 论文的研究内容 |
| 第二章 相位匹配噪声估计的小波去噪 |
| 2.1 信号相位匹配实时噪声差的获取方法 |
| 2.1.1 信号相位匹配原理 |
| 2.1.2 实时噪声差的获取及几何描述 |
| 2.2 噪声方差的估计 |
| 2.2.1 噪声方差估计的数学证明 |
| 2.2.2 噪声方差估计的仿真 |
| 2.3 相位匹配噪声估计的小波去噪 |
| 2.3.1 小波分析去除信号噪声 |
| 2.3.2 线性过渡阈值小波去噪方法 |
| 2.3.3 相位匹配线性过渡阈值的小波去噪 |
| 2.4 小结 |
| 第三章 相位匹配噪声估计的高阶谱去噪 |
| 3.1 高阶统计量理论 |
| 3.1.1 累量与高斯分布的累量 |
| 3.1.2 累量的性质与高阶谱 |
| 3.2 相位匹配噪声估计的高阶谱去噪方法 |
| 3.2.1 双谱去除对称分布噪声 |
| 3.2.2 相位匹配噪声估计的双谱去噪 |
| 3.3 小结 |
| 第四章 相位匹配双阵元信号去噪 |
| 4.1 信号波形的估计 |
| 4.1.1 信号波形的MMSE估计 |
| 4.1.2 非随机未知信号的ML估计 |
| 4.2 相位匹配双阵元去噪算法 |
| 4.2.1 相位匹配双阵元去噪算法 |
| 4.2.2 相位匹配双阵元噪声估计对去噪性能影响的分析 |
| 4.2.3 相位匹配双阵元信号相位起伏对去噪性能影响的分析 |
| 4.3 阵列波束的形成 |
| 4.3.1 阵列波束形成理论 |
| 4.3.2 相位匹配双阵元阵列去噪处理与波达方向估计 |
| 4.3.3 相位匹配双阵元阵列去噪性能分析 |
| 4.4 小结 |
| 第五章 相位匹配信号与混沌背景分离方法 |
| 5.1 混沌的基本数学模型 |
| 5.1.1 典型混沌动力学模型 |
| 5.1.2 混沌的度量方法 |
| 5.2 信号在混沌背景下的检测 |
| 5.2.1 混沌背景下信号检测原理 |
| 5.2.2 周期信号在混沌背景下的检测 |
| 5.3 相位匹配去除信号混沌背景 |
| 5.3.1 混沌背景信号提取方法 |
| 5.3.2 相位匹配法去除混沌背景 |
| 5.4 小结 |
| 第六章 相位匹配双阵元去噪算法的IP设计 |
| 6.1 相位匹配双阵元去噪算法IP核设计 |
| 6.1.1 相位匹配双阵元算法步骤分析 |
| 6.1.2 相位匹配双阵元算法IP核结构设计 |
| 6.1.3 相位匹配双阵元算法IP核内部模块的实现 |
| 6.2 相位匹配双阵元去噪算法IP核的仿真 |
| 6.2.1 IP核功能仿真 |
| 6.2.2 IP核时序仿真 |
| 6.3 小结 |
| 第七章 结论与展望 |
| 7.1 结论 |
| 7.2 今后工作展望 |
| 参考文献 |
| 致谢 |
| 在学期间发表的学术论文 |
（9）混沌噪声背景下谐波参数估计方法研究（论文提纲范文）
| 提要 |
| 第1章 绪论 |
| 1.1 引言 |
| 1.2 课题背景及意义 |
| 1.3 国内外研究发展和现状 |
| 1.4 本文的研究内容 |
| 第2章 混沌、混沌同步及谐波波参参数估计基础理论 |
| 2.1 混沌基本理论 |
| 2.1.1 混沌定义 |
| 2.1.2 混沌的主要特征 |
| 2.1.3 混沌动力学的数值分析方法 |
| 2.2 混沌同步基本理论 |
| 2.2.1 混沌同步定义及类型 |
| 2.2.2 混沌同步方法 |
| 2.2.3 混沌同步稳定性理论 |
| 2.2.4 驱动信号受扰的混沌同步稳定性理论 |
| 2.2.5 混沌吸引子估计基本理论 |
| 2.2.6 模型参数摄动的混沌同步理论 |
| 2.2.7 参数未知混沌同步基本理论 |
| 2.3 混沌噪声背景下信号处理理论与方法 |
| 2.3.1 混沌相关函数特性分析 |
| 2.3.2 互谱分析的谐波参数估计 |
| 2.3.3 高阶统计量 |
| 2.3.4 互四阶累积量谐波参数估计基础 |
| 2.3.5 互四阶累积量MUSIC方法 |
| 2.3.6 互四阶累积量SVD-MN方法 |
| 2.4 本章小结 |
| 第3章 基于确定混沌系统统同同步的参数估计研究 |
| 3.1 基于混沌同步的谐波频率估计方法 |
| 3.1.1 驱动信号受扰的混沌同步分析 |
| 3.1.2 基于混沌同步的谐波频率估计方法基本思想 |
| 3.2 统一混沌系统及其吸引区估计 |
| 3.2.1 统一混沌系统 |
| 3.2.2 统一混沌系统引区估计 |
| 3.3 基于变量替代混沌同步的谐波参数估计 |
| 3.3.1 变量替代混沌同步设计 |
| 3.3.2 仿真实验 |
| 3.3.3 结论 |
| 3.4 基于线性误差反馈同步的谐波参数估计 |
| 3.4.1 统一混沌系统误差反馈同步 |
| 3.4.2 混沌同步控制器设计 |
| 3.4.3 仿真实验 |
| 3.4.4 结论 |
| 3.5 基于非线性反馈混沌同步的谐波参数估计 |
| 3.5.1 统一混沌系统非线性反馈同步 |
| 3.5.2 仿真实验 |
| 3.5.3 结论 |
| 3.6 基于反馈系数自适应控制混沌同步的谐波参数估计 |
| 3.6.1 统一混沌系统自适应反馈同步 |
| 3.6.2 仿真实验 |
| 3.6.3 结论 |
| 3.7 基于滤波混沌同步的谐波参数估计 |
| 3.7.1 统一混沌系统状态变量频谱特征 |
| 3.7.2 驱动信号滤波同步及其参数估计 |
| 3.7.3 误差滤波反馈同步参数估计 |
| 3.7.4 结论 |
| 3.8 本章小结 |
| 第4章 基于参数数摄摄动混沌系统统同同步的参数估计 |
| 4.1 系统参数摄动混沌吸引子估计 |
| 4.2 基于参数摄动线性误差反馈同步的谐波参数估计 |
| 4.2.1 参数摄动线性误差反馈同步设计 |
| 4.2.2 仿真实验 |
| 4.2.3 结论 |
| 4.3 基于参数摄动非线性误差反馈同步的谐波参数估计 |
| 4.3.1 参数摄动非线性误差反馈同步 |
| 4.3.2 仿真实验 |
| 4.3.3 结论 |
| 4.4 改进的参数摄动混沌同步及其在谐波参数估计应用 |
| 4.4.1 参数摄动柔性耦合混沌同步 |
| 4.4.2 仿真实验 |
| 4.4.3 结论 |
| 4.5 本章小结 |
| 第5章 基于参数未知混沌同步的谐波波参参数估计 |
| 5.1 参数未知混沌同步及其在谐波频率估计中的应用 |
| 5.2 基于参数未知线性误差反馈混沌同步的谐波参数估计 |
| 5.2.1 单参数未知谐波参数估计 |
| 5.2.2 多参量未知下的谐波参数估计 |
| 5.2.3 结论 |
| 5.3 基于反馈系数自适应控制的参数未知混沌同步的谐波参数估计 |
| 5.3.1 单参数未知谐波参数估计 |
| 5.3.2 多参量未知下的谐波参数估计 |
| 5.3.3 结论 |
| 5.4 本章小结 |
| 第6章 基于异结构混沌同步的谐波波参参数估计 |
| 6.1 异结构混沌同步及其在谐波参数估计中的应用 |
| 6.2 基于Lü系统驱动Lorenz系统同步的谐波频率估计 |
| 6.2.1 Lü系统驱动Lorenz系统同步控制器设计 |
| 6.2.2 仿真实验 |
| 6.2.3 结论 |
| 6.3 基于Lorenz系统驱动Lü系统同步的谐波频率估计 |
| 6.3.1 Lorenz系统驱动Lü系统同步控制器设计 |
| 6.3.2 仿真实验 |
| 6.3.3 结论 |
| 6.4 本章小结 |
| 第7章 全文总结 |
| 参考文献 |
| 攻读博士学位期间的研究成果 |
| 致谢 |
| 中文摘要 |
| Abstract |
（10）地震勘探子波估计、面波消减新技术研究（论文提纲范文）
| 提要 |
| 第一章 绪论 |
| 1.1 地震子波估计的研究进展 |
| 1.2 高阶统计量的研究背景及意义 |
| 1.3 地震信号去噪处理方法的研究状况 |
| 1.3.1 去除面波的处理方法 |
| 1.3.2 去除随机噪声的处理方法 |
| 1.3.3 用奇异值分解和小波变换消减面波与随机噪声的方法 |
| 1.4 本文所做工作及结构安排 |
| 第二章 高阶统计量方法 |
| 2.1 高阶统计量的基本概念与性质 |
| 2.1.1 高阶累积量 |
| 2.1.2 高阶谱 |
| 2.1.3 工程上近似的高阶统计量公式 |
| 2.1.4 窗函数的构造 |
| 2.1.5 地震道褶积模型的高阶统计量 |
| 2.2 基于高阶统计量的功率谱重构 |
| 2.3 基于高阶统计量的信号重构方法 |
| 2.3.1 MA 模型参数估计的高阶累积量算法 |
| 2.3.2 信号重构的双谱估计算法 |
| 2.3.3 信号重构的三谱估计算法 |
| 2.4 基于高阶统计量的地震子波估计方法 |
| 2.5 小结 |
| 第三章 地震子波估计的两种改进算法 |
| 3.1 基于双谱幅值和相位重构的地震子波估计 |
| 3.1.1 子波的幅值重构 |
| 3.1.2 子波的相位重构改进算法 |
| 3.1.3 仿真实验 |
| 3.2 基于四阶累积量的地震子波估计 |
| 3.2.1 问题的提出 |
| 3.2.2 基于四阶累积量的矩阵方程 |
| 3.2.3 仿真实验 |
| 3.3 小结 |
| 第四章 单炮合成地震记录中的地震子波估计 |
| 4.1 构造单炮合成地震记录 |
| 4.2 奇异值分解重构提取面波同相轴 |
| 4.2.1 奇异值分解的定义及其分解重构原理 |
| 4.2.2 判别面波最佳同相轴斜率的依据 |
| 4.2.3 消减面波的仿真实验 |
| 4.3 小波变换抑制高频、低频随机噪声 |
| 4.3.1 连续小波变换原理 |
| 4.3.2 小波变换去噪原理 |
| 4.3.3 小波变换去噪仿真实验 |
| 4.4 小数据体奇异值分解方法提取反射波同相轴 |
| 4.4.1 小数据体奇异值分解去噪原理 |
| 4.4.2 小数据体中最佳同相轴方向的确定 |
| 4.4.3 小数据体奇异值分解去噪仿真实验 |
| 4.5 双谱估计合成地震记录中的地震子波 |
| 4.6 不同条件对奇异值分解重构提取面波同相轴的影响 |
| 4.6.1 面波速度的影响 |
| 4.6.2 面波主频的影响 |
| 4.6.3 面波数目的影响 |
| 4.6.4 信噪比的影响 |
| 4.6.5 地震记录子集大小的选取对搜索最佳斜率的影响 |
| 4.7 小结 |
| 第五章 实际地震记录中面波与随机噪声的消减 |
| 5.1 地震记录加增益 |
| 5.2 小波变换抑制高频、低频干扰 |
| 5.3 奇异值分解重构面波同相轴 |
| 5.4 不同处理阶段单道地震记录的频谱与功率谱 |
| 5.5 小结 |
| 第六章 总结与展望 |
| 6.1 工作总结 |
| 6.2 工作展望 |
| 参考文献 |
| 攻博期间发表的学术论文及其他成果 |
| 摘要 |
| ABSTRACT |
| 致谢 |
四、色噪声背景下时间延迟估计的高阶谱SVD算法（论文参考文献）
- [1]基于潜标平台的舰船目标探测技术研究[D]. 张亚斌. 哈尔滨工程大学, 2020(05)
- [2]非合作直扩信号扩频序列盲估计[D]. 贾鹤鸣. 西安电子科技大学, 2020(05)
- [3]目标线谱自主检测技术研究[D]. 曲坦. 哈尔滨工程大学, 2020(05)
- [4]舰船地震波信号特性分析与应用研究[D]. 韩雪. 哈尔滨工程大学, 2020(04)
- [5]改进的多元经验模式分解理论及其在机械故障诊断中的应用研究[D]. 袁锐. 武汉科技大学, 2019(08)
- [6]MHD角速度传感器微弱信号处理方法研究[D]. 杨乐. 天津大学, 2018(06)
- [7]α和高斯混合噪声背景下谐波恢复方法研究[D]. 刘庆财. 吉林大学, 2017(04)
- [8]相位匹配信号去噪方法的研究[D]. 吴鹏. 东北大学, 2012(07)
- [9]混沌噪声背景下谐波参数估计方法研究[D]. 孙晓东. 吉林大学, 2009(08)
- [10]地震勘探子波估计、面波消减新技术研究[D]. 李亚峻. 吉林大学, 2007(05)