一、PERFORMANCE ANALYSIS OF SECOND-ORDER STATISTICS FOR CYCLOSTATIONARY SIGNALS（论文文献综述）
赵洋[1]（2021）在《复杂噪声背景下的稀疏测向方法研究》文中研究说明“如无必要,勿增实体”。这是着名的奥卡姆剃刀原理,是渗透于从古至今所有哲学、艺术与科学领域的基础思想。稀疏表示理论以及后来在其基础上发展而来的压缩感知理论正是该节省性原则在现代统计学、机器学习、信号处理领域的集中体现。阵列信号参数估计是雷达、声纳、通信等系统的原理性技术,其基本任务如测向、定位、跟踪与许多现存或即将到来的技术增长领域紧密联系,如无人机（Unmanned Aerial Vehicle,UAV）、无人驾驶、3D打印等。随着测向系统的不断改进和突破,各种低成本、小型化的新型雷达不断涌现,同时目标隐身以及干扰技术也在不断升级换代,阵列信号处理系统所面临的电磁环境日益复杂,传统的子空间类测向方法在小快拍、低信噪比、空域临近信号以及复杂背景噪声环境等非理想场景愈发无法胜任测向任务。最近二十年引起学者广泛关注的稀疏表示理论为解决参数估计问题提供了新思路,此类方法对一些非理想环境表现出极强的适应能力。本文从噪声抑制角度出发,着眼于稀疏重构与阵列信号处理过程中的区别和联系,考虑网格的存在对阵列参数估计的影响,研究了高斯白噪声、高斯有色噪声、alpha白噪声和alpha色噪声背景下的稀疏测向方法,并取得了一些有意义的成果。具体的研究工作可以概括如下:第一,针对贪婪算法处理测向问题时存在角度分辨能力有限的问题,提出了一种利用子空间信息的新算法（Noise Subspace Reprojection OMP,NSR OMP）。该算法在匹配追踪算法的架构下,有机融合了两个子空间的有效信息:使用信号子空间作为重构信号,减小了算法寻优的工作量的同时降低了噪声对支撑集选择的干扰;使用噪声子空间修正算法的支撑集选取规则,提高了算法的分辨力。仿真试验验证了所提方法继承了匹配追踪类算法小快拍性能好且运算量小的优点,同时极大改进了原始算法角度分辨力差的问题。第二,利用阵列输出协方差矩阵的对称Toeplitz特性,可以经由两次矩阵变换过程将DOA估计问题从复数域的多测量矢量（Muitiple Measurement Vector,MMV）问题转化为实数域的单测量矢量（Single Measurement Vector,SMV）问题。该过程在保证测向性能的前提下将ULA阵列的DOA估计问题简化。又从去冗余的角度定义了一种线性变换对阵列输出四阶累积量协方差矩阵进行降维,使其满足实值化条件,从而将上述方法推广到四阶累积量。第三,针对现有的基追踪（Basis Pursuit,BP）类测向方法计算量较大的问题,基于第二点中提出的二阶统计域和高阶统计域的实值向量化测向模型,我们分别提出了适用于高斯白噪声和高斯有色噪声背景下的BP测向方法。由于算法只需要解决低变量数的SMV问题,比现有的BP测向方法计算效率更高。算法无需进行特征值分解,节省计算量的同时对信源数是否被准确估计不敏感。又将处理实值化SMV问题的ISL0算法引入测向问题,该算法对正则化参数的设置准确度要求不高,可以有效解决基于四阶累积量的凸优化算法设置正则化参数困难的问题。第四,针对现有的离格测向方法计算量较大的问题,建立了DOA估计的实值化离格模型。采用第三点中提出的算法对DOA与网格误差进行交替迭代求取,分别提出了适用于高斯白噪声和高斯有色噪声背景下的离格测向方法,后者填补了现存离格测向方法无法处理高斯有色噪声的空白。与现有的同类算法相比,所提算法在一定程度上减小了运算时间,提高了离格类测向算法的实用性。通过计算机仿真验证了所提算法的有效性。第五,基于分数低阶统计量（Fractional Lower Order Statistics,FLOS）的子空间方法需要较大的快拍数、较高信噪比门限才能处理alpha噪声背景下的测向问题。针对该问题,我们分析了相位分数低阶矩（Phase Fractional Lower Order Moment,PFLOM）协方差矩阵满足范德蒙德分解定理的条件,将PFLOM与协方差匹配准则相结合,提出了两种适用于alpha白噪声背景下的无网格测向方法。仿真实验验证了所提方法与现有的同类算法相比可以在较低信噪比、较少快拍数的不利条件下有效解决强冲击性alpha白噪声背景下的稳定测向问题。第六,针对现存适用于alpha噪声的测向方法只能处理alpha白噪声的问题,本文将一种全新的统计量—分数阶累积量（Fractional Order Cumulant,FOC）引入测向问题,并简要分析了该统计量对alpha色噪声的抑制机理。借助该统计量对alpha色噪声的抑制作用,结合本文前面章节的内容提出了适用于alpha色噪声环境下的离格、无格稀疏测向方法,填补了现存测向方法无法妥善处理alpha色噪声的空白,并通过仿真实验验证了所提算法的有效性。
林春生[2]（2021）在《基于深度学习的数字信号调制方式识别技术研究》文中研究表明物联网（Internetof Things,IoT）的快速发展使得机器类型通信日益增长,移动服务和机器类型通信的融合迎来了无线通信大数据时代。然而,这也导致了频谱环境中各类低功耗的信号越来越多,加剧了无线电磁环境的复杂性。此外,无缝连接的物联网会带来许多诸如干扰和欺骗等物理层威胁。而有效的数字信号调制方式识别技术可以为频谱监测和管理提供更高精度的感知和分析能力,并且可以检测和识别导频干扰和欺骗性干扰等物理层威胁。因此,本文旨在采用深度学习技术,研究数字信号调制方式识别相关问题,以提高数字信号调制方式识别的准确率和鲁棒性。本文主要内容如下:1.基于循环相关熵和长短时密集连接网络的信号调制方式识别方法本文提出了一种基于循环相关熵（Cyclic correntropyvector,CCV）和长短时密集连接网络（Long short-term memory densely connected network,LSMD）的信号调制方式识别方法。该方法可分为离线训练阶段和在线识别阶段。在离线训练阶段,本文使用大量的CCV特征数据来驱动LSMD网络的训练,并得到最终的LSMD分类器;在在线识别阶段,本文首先计算并提取从接收端得到的信号的CCV特征,然后将CCV特征输入到LSMD分类器中,最终输出判决结果。在LSMD 网络设计中,本文使用加性余弦损失函数来最大化类间差异和最小化类内差异,以此来提高LSMD分类器的分类识别能力。仿真结果验证了该方法与最优的对比方案相比,在识别准确率为95%的时,能够取得3.8dB的性能增益。2.基于多模块融合网络的信号调制方式识别方法为了解决常用的基于人工设计的统计特征在特征计算的过程中存在着无法逆转的信息丢失问题,本文提出了基于多模块融合网络的信号调制方式识别方法。该方法通过计算复杂度极低的像素着色星座图投影算法（pixel-coloring constellation projection,PCCP）得到增强后的像素着色星座图特征。然后本文设计了包含特征转换、表征和分类三个模块的多模块融合网络（Multi-module fusion neural network,MMFN）,通过特征转换和表征模块自动地提取不同调制方式的高维表征。此外,通过采用跨层组合的设计思想极大的增强了 MMFN 网络的学习能力。大量的仿真实验结果证明,在信噪比为0dB时,该方法的识别准确率比最优的对比方案提升了 7%。
张晋[3]（2021）在《基于互质阵的循环平稳信号波达方向估计技术研究》文中提出波达方向（Direction-of-Arrial,DOA）估计技术是5G与物联网相融合的关键技术之一,超分辨子空间类DOA估计算法实现了较优估计性能,但由于均匀阵列存在孔径较小、阵元间互耦误差较大、阵列分辨力较低等不足,其性能仍有待提高。互质阵列作为一种新型的稀疏阵列,具有等阵元数时阵列孔径大、等孔径时阵元开销数少、阵元互耦误差小、高分辨力等优势,能够获得更优异的阵列信号处理增益,因此结合互质阵列的DOA估计方法研究受到了国内外专家和学者的广泛关注。通信系统中的大量信号具有时域循环平稳特性,将这一特性与DOA估计方法相结合可获得信号筛选分离估计能力、较强的噪声和干扰抑制能力。当前,基于互质阵的DOA估计研究领域中,互质阵结合循环平稳信号DOA估计的研究尚处于起步阶段,针对具体信号场景下的DOA解算方法较少,阵列与信号自身特性相结合的估计方法研究还有待深入研究。本文以互质阵为核心,深入探究互质阵在循环平稳信号DOA估计中的适用性,开展基于互质阵的循环平稳信号DOA估计方法研究,以提高DOA估计方法性能。主要包括两个方面:阵型特性和循环平稳特性融合的解算方法研究、联合循环平稳特性和非圆特性的解算方法研究。本文的主要研究内容和创新之处如下:1.针对循环平稳信号DOA估计算法精度受限于均匀阵列结构问题,将互质阵结合到循环平稳信号的DOA估计中,提出一种基于谱峰融合的循环平稳信号高精度DOA估计算法。该算法首先构造互质阵子阵的接收信号模型,结合信号的循环平稳特性计算阵元的循环相关函数,重塑阵列输出数据矩阵。其次,利用循环MUSIC（Cyclic MUSIC）算法分别求解子阵的DOA估计值。最后,利用解集之间的互质特性结合谱峰融合思想,消除阵列阵元间距稀疏存在的模糊解问题。仿真实验表明,该算法较现有基于均匀阵的循环平稳信号DOA估计算法具有较高的估计精度。2.针对在欠定估计条件下无法对循环平稳信号实现有效DOA估计的问题,对循环相关矩阵进行矢量化重构处理构造虚拟阵列,提出一种基于矢量化重构的循环平稳信号欠定DOA估计算法。该算法首先构造了互质阵阵列接收信号模型,通过矢量化处理构造虚拟阵列模型,引入虚拟阵元从而实现了阵列自由度（Degree of Freedom,DOF）的提升;其次,应用空间平滑技术处理最大连续虚拟阵元部分的输出矩阵,采用循环MUSIC算法求解DOA;最后,为降低算法运算复杂度,结合无需划分网格搜索的求根多项式方法求解DOA值。理论分析和仿真验证表明,该算法能有效提升自由度,且算法的计算复杂度较低,算法基于互质阵利用矢量化重构方法实现了在欠定条件下对有用信号的有效估计,突破可估计信号数需小于物理阵元数的限制,改善了DOA估计性能。3.针对具有非圆特性的循环平稳信号DOA估计问题,结合信号非圆特性构造虚拟扩展阵列,提出一种联合非圆特性的循环平稳信号DOA估计算法。该算法首先建立了阵列接收信号模型,利用入射信号在统计特征上的非圆特性,将阵列接收信号矢量与其共轭级联构成一个非圆扩展阵列接收信号矢量,扩展了阵列模型的等效孔径;其次,结合循环平稳特性计算阵列各阵元的循环相关函数,构造非圆扩展阵列的接收数据矩阵,应用子空间类算法求解子阵的DOA值;最后,采用谱峰融合方法消除模糊值得到真实信号来波角度值。仿真实验表明,该算法具有较高估计精度,同时验证了该算法相较于现有算法,充分利用了信号非圆特性,有效提升了算法的DOA估计精度。
张波[4]（2021）在《基于分数低阶循环统计量的轴承故障诊断研究》文中研究指明机械设备安全运行事关企业安全生产和成本节约,而故障诊断技术是确保机械设备安全运行的关键。轴承是机械工业领域中最广泛应用的零部件之一,因此对轴承故障的精确诊断显得尤为重要。针对传统的基于二阶循环统计量的循环平稳分析方法,难以有效提取非高斯噪声背景下的故障特征信息的问题,基于Alpha稳定分布模型,研究了基于分数低阶循环统计量的信号处理方法。以滚动轴承为研究对象,分别用轴承外圈故障仿真和实测振动信号验证了提出方法的有效性。主要研究内容总结如下:（1）针对非高斯背景噪声,利用Alpha稳定分布模型,探讨了常用分数低阶统计量的性质及其在故障特征提取中的优缺点,将分数低阶统计量与传统的故障诊断方法结合,提出了基于分数低阶统计量的频谱分析方法和基于分数低阶统计量的包络谱方法,并用仿真信号验证了该方法的有效性;（2）从理论上深入分析了基于分数低阶循环统计量方法的解调原理,并进行了仿真验证。针对Alpha稳定分布噪声背景下的调幅仿真信号,分别用传统的基于二阶循环统计量的方法、基于高阶循环统计量的方法和基于分数低阶循环统计量的方法进行了处理,验证了分数低阶循环统计量方法的解调能力;在不同α取值和不同信噪比情况下,对比分析了循环共变谱、分数低阶循环相关谱、分数低阶循环协方差谱和相位分数低阶循环协方差谱的解调性能,验证了分数低阶循环协方差谱和相位分数低阶循环协方差谱,对非高斯噪声背景下的调幅信号具有更好的解调性能。（3）提出了基于分数低阶循环统计量的轴承故障诊断方法。针对非高斯噪声背景下的轴承外圈故障仿真信号和电机轴承外圈故障的实测振动信号,分别利用基于二阶循环统计量的方法和基于分数低阶循环统计量的方法进行了处理,处理结果进行了对比,验证了所提出方法的有效性。
张宇涵[5]（2021）在《多载波信号检测方法研究》文中进行了进一步梳理非协作通信领域下信号检测识别对于无线电频谱管理、军事领域信息获取等方面有着重要的意义。而多载波信号中正交频分复用（OFDM）技术作为应用较为广泛的信号,其非协作领域的高效检测意义非凡。本文以检测OFDM信号为研究重点,通过对OFDM信号的特性进行研究,旨在提升低信噪比情况下多载波信号的检测性能,主要研究的内容有以下几点:1.研究了基于统计特性的多载波信号检测算法。在非协作通信领域中用于信号检测的高阶累积量方法进行研究,根据OFDM信号的统计特性,发现其具备渐进高斯性,而常规的单载波调制信号不具备此特性。利用此研究了高斯信道下、瑞利信道下的检测算法,利用信号的统计特性研究了包括利用高阶累积量、高阶混合矩和二者的联合算法,方式是利用信号六阶、四阶、二阶累积量或者高阶矩构造特征参数,并根据特征参数的特点,改进了多载波信号检测门限办法,有效的提升了检测算法的可靠性和正确率。2.研究了基于循环前缀的检测算法。针对基于统计特性的检测算法无法区分高斯信号和OFDM信号的不足,为进一步完善多载波信号检测方案,利用加入循环前缀后的OFDM信号,多载波信号所表现的循环平稳特性和相关性提出用于区分高斯信号和OFDM信号的算法,分析了OFDM信号的循环自相关函数及其抗干扰性能,研究了利用循环平稳特性构造二元假设问题的循环平稳特性检测算法和利用OFDM信号符号的相关性的循环前缀检测算法,并分析了两个算法在抗干扰性能和算法复杂度上优势和劣势。3.研究了α稳定分布噪声下基于广义累积量的检测算法。针对非传统噪声下多载波信号检测问题进行研究。以α稳定分布噪声为信号噪声,研究了α稳定分布噪声的性质和特点,并分析了该噪声对传统信号检测算法的影响。针对传统检测算法失效的问题,定义了非线性变换方法和广义累积量,给出基于广义累积量的多载波信号检测算法,并结合第三章高阶累积量的相关知识,提出新的特征参数。针对两种基于广义累积量的检测算法进行性能对比,并由仿真结果可以看出,新提出的特征参数在低信噪比下的检测正确率高于旧方案,最后针对特征指数对于检测算法性能的影响给出仿真及分析,为后续的研究提供了一种新的思路。
张行[6]（2021）在《面向非圆复数的自适应估计算法性能分析及其应用研究》文中进行了进一步梳理复值随机信号是很多理论科学和工程实践问题的基础,在通信、雷达、声纳、光学、声学、电磁学、海洋学和其他应用科学中必不可少,但是通常所采用的复随机信号服从圆分布的统计假设并不能很好的反映问题内在的物理特点。在本论文中,我们主要关注面向非圆复数的自适应估计算法的设计,性能分析及其在通信中的应用。充分探索和利用复数信号完备的二阶统计特性不仅可以显着提升自适应估计算法的性能,还可以提供关于算法理论性能的深层理解,这进一步启发了其在实际中的应用。主要研究内容和贡献如下:对非圆高斯输入时,均方误差（Mean square error,MSE）和高斯熵准则下的严格线性（Strictly linear,SL）和宽线性（Widely linear,WL）估计器性能进行了理论分析和比较。首先,提出了互补权重误差方差分析,以量化各估计器在不同准则下的权重误差的非圆度。接着通过强不相关变换方法同时对角化输入信号协方差矩阵和互补协方差矩阵,我们分析了各个估计器互补权重误差方差的上界。同时,联合标准和互补权重误差方差分析也为进一步分析各个估计器在实虚数据通道各自的性能提供了足够的自由度,分析表明,对于SL估计器,高斯熵准则下其在实虚两个通道的权重误差方差都总是小于或等于相应的MSE准则下的结果;对于WL估计器,当将其用于线性估计问题时,在MSE准则下,尽管其在总体上相比于SL估计器有性能损失,在实通道或虚通道之一却可能有较小的权重误差方差,而在高斯熵准则下,WL估计器相比于SL估计器在实虚通道上均有性能损失。最后,系统辨识场景下的仿真实验验证了理论分析结果。对非圆高斯输入时的最小随机熵（Least stochastic entropy,LSE）自适应估计算法进行了完备的二阶统计性能分析。首先给出了相互耦合的权重误差协方差矩阵和互补协方差矩阵的迭代计算式,接着推导了自适应算法中步长应满足的均方稳定条件,以保证算法收敛,在此基础上,给出了LSE算法稳态时权重误差方差的闭合表达式。分析显示,在权重误差方差的递归最小化过程中,LSE算法的权重误差向量逐渐趋近于圆。最后,系统辨识场景下的仿真实验验证了相应的理论分析结果。在频域中分析了输入信号非圆时无约束频域块最小均方（Unconstrained frequency domain block least mean square,UFBLMS）算法的性能。首先,分析了算法的均方性能,以研究非圆相关复值输入信号的二阶统计特性如何影响UFBLMS算法的权重误差协方差矩阵和MSE的收敛性。接着,进行了互补均方分析,通过互补MSE（Complementary MSE,CMSE）和权重误差互补协方差矩阵可以看出输入信号和系统噪声的非圆性是如何传播到输出误差和权重误差向量中的。如此,我们给出了瞬态和稳态时UFBLMS算法输出误差和权重误差向量性能的完备二阶统计分析框架;并推导了稳态MSE/CMSE与输入信号非圆性之间关系的闭合表达式。仿真和真实数据实验均验证了相应的理论分析结果。提出了一般复值卡尔曼滤波（Generalized complex-valued Kalman filter,GCKF）算法及其非线性扩展算法,适用于二阶圆或非圆信号。首先提出了用于估计一般复值信号的批处理估计器,其联合了传统的线性最小均方误差（Linear minimum mean square error,LMMSE）估计器和共轭线性最小均方误差（Conjugate linear minimum mean square error,CLMMSE）估计器。对所提的估计器的理论性能分析表明,其MSE性能优于传统的LMMSE估计器,基于此,我们推导了GCKF算法,将新息及其复数共轭同时用于状态的更新以取得性能增益。接着,将这种滤波器结构用于非线性状态空间方程,我们得到了一般复值扩展KF（Generalized complex-valued extended KF,GCEKF）算法和一般复值无味KF（Generalized complex-valued unscented KF,GCUKF）算法。其中在后者的推导过程中,我们提出了一种sigma点选择方案,对前二阶矩的样本估计可以达到二阶精度。最后,基于自回归过程估计和信道估计的仿真实验验证了分析结果。提出了一种盲自适应频率相关同相/正交（Inphase/quadrature,I/Q）分量不平衡补偿算法,解决直接下变频接收机中的频率相关I/Q不平衡问题。算法的原理在于,I/Q不平衡会破坏理想接收信号的二阶圆性,则使含干扰的非圆信号重新变为圆信号即可实现不平衡的补偿。进一步,通过权重误差协方差和互补协方差分析,我们给出了所提补偿器的完备二阶性能分析。由分析可知,在I/Q不平衡补偿算法迭代收敛的同时,其权重误差向量在理论上将趋于圆分布。另外,我们还分析了补偿前后的镜像抑制比（Image rejection ratio,IRR）,以评估补偿算法的镜像频率干扰衰落能力。分析表明,补偿算法有效消除了整个带宽范围内的I/Q失真,即补偿后的IRR与频率无关。最后,在正交频分复用（Orthogonal frequency division multiplexing,OFDM）传输方案下的仿真实验验证了理论分析。
王龙奇[7]（2021）在《X射线脉冲星循环平稳信号处理算法研究》文中进行了进一步梳理深空探测是是人类获取太空知识,走向宇宙深处,实现自我认知的伟大征程。脉冲星的发现为探索大尺度时空提供了新方向,同时X射线脉冲星导航作为一种新兴的天文自主导航方式,它利用X射线脉冲星天体分布特点和宇宙灯塔特性为航天器提供导航信息,尤其适用于深空导航。本文针对X射线脉冲星信号处理领域的关键问题,利用脉冲星自转周期稳定、脉冲星信号循环平稳的特点,提取有效频域和时域特征,并结合与特征模型相匹配的神经网络,有效实现了已知脉冲星信号辨识、待定脉冲星信号搜索和脉冲星相位信息提取。主要研究内容如下:总结脉冲星的基本物理特性,包括其辐射机制、基本分类、信号特性。针对X射线脉冲星信号循环平稳的特性,给出该类信号常用的分析手段,包括循环平稳定义,循环统计量的低阶和高阶信息,以及相应的时域和频域特征表示方法。研究脉冲星信号基于循环平稳理论的特征表示方法。首先基于信号的循环平稳特性建立数学模型,模型中考虑了脉冲星辐射过程中的周期抖动、相关性干扰和高斯噪声。将信号模型分为确定性分量和随机性分量研究其频谱特点:有用信号的频谱是离散的,随机信号的频谱是连续的。引入循环统计量,分析脉冲星信号的二阶循环谱和三阶循环谱（循环双谱）分布特点,给出循环双谱的直接估计策略,相比于传统频谱其具备更好的抗噪特性和抗干扰特性以及更丰富的相位信息。介绍罗西X射线计时探测器卫星数据,并基于仿真和实测数据对所提方法加以验证。这种特征表示方法为后续与神经网络结合提供了建模思路和效果保障。提出了一种利用双谱和DCNN的已知X射线脉冲星信号辨识方法。由于脉冲星光子通量、传播距离以及探测器面积的限制,接收到的脉冲星信号往往十分微弱。传统的基于FFT的频谱搜索技术需要累积很长时间的观测数据才能获得合适的信噪比增益。本文利用包含了非均匀采样、高通滤波、自相关等策略的高阶谱估计方法在很大程度上抑制了噪声。同时将这种二维特征与Goog Le Net相结合,充分发挥了DCNN在二维数据挖掘方面的优势,精准的实现了脉冲星信号辨识任务。实验数据来自罗西X射线计时探测器数据库中的三颗旋转供能脉冲星:B0531+21、B0540-69、B1509-58,在三颗星观测时长仅有0.5s、40s、15s的情况下可达90%以上的分类准确率。进一步的实验表明,高通滤波和自相关能有效抑制红噪声和随机噪声,双谱的非均匀采样策略能有效避免频率泄露。虽然提出算法的时间复杂度（O（n2））高于传统的FFT（O（nlogn））,但该算法从实质上减少了观测时长的要求,因此其计算复杂度与传统方法相当。提出了二维自相关轮廓图谱新概念,并与DCNN相结合,有效实现了待定X射线脉冲星信号搜索。从众多待定脉冲星信号中搜索到有效信息是脉冲星天文学的重要课题,本章从空间X射线脉冲星信号入手,提出了一种名为二维自相关轮廓图谱的特征建模方法,其通过对X射线脉冲星信号的自相关函数进行历元折叠和周期轴时域信息扩充得到。与传统折叠轮廓相比,该特征具有更强的抗噪能力、更丰富的信息和更好的特征一致性。利用高斯仿真模型对二维自相关轮廓图谱的特征分布特性进行分析,发现其特征分布与轮廓双峰间距密切相关。之后在tensorflow框架下将其与Inception-Res Net相结合,从克服数据不平衡问题和提高网络泛化能力的角度给出样本集生成策略,网络训练方案和超参数调试策略。在网络收敛到稳定状态后能成功识别99%以上的脉冲星信号,排除99%以上的干扰。实验结果验证了DCNN与特征模型的高契合度,以及提出方法在脉冲星搜索领域的巨大潜力。提出了一种基于Transformer结构的X射线脉冲星相位信息提取方法。高精度的脉冲到达时间估计是实现X射线脉冲星导航的保障。本部分对二维自相关轮廓图谱进行简化,去除自相关环节以恢复相位信息,并将简化后的特征命名为二维轮廓图谱。考虑到二维轮廓图谱在相位方向上具备前后时序关系,使用近年来在自然语言处理领域大放异彩的开创性结构Transformer,对这种时序关系进行建模学习,实现相位高精度估计的目的。仿真实验结果表明:本文所提算法优于传统互相关算法,在X射线脉冲星导航方面有很大的应用潜力。
赵雪军[8]（2020）在《轨道交通列车轮对轴承自供电感知与微弱故障诊断方法研究》文中提出安全是轨道交通向前发展的先决条件,列车安全是轨道交通安全最关键的一环。轮对轴承起着支撑列车的关键作用,是列车的核心部件,其重要程度不言而喻。因此,轮对轴承健康状态实时在线监测,及时准确地发现轮对轴承的故障对于保障轨道交通列车运行安全显得尤为重要。但我国现有的列车轮对轴承监测技术仍旧无法满足这一需求。为了保障列车轮对轴承的实时在线监测,本文从轮对轴承振动数据感知和健康状态的识别设计研究思路和框架。首先,从源头出发对轮对轴承振动数据的自供电感知技术进行了研究。接着,考虑到轮对轴承信号在复杂工况下运行易受噪声干扰等因素,开展轮对轴承微弱故障诊断方法研究:包括故障信号特征提取和故障诊断方法研究。最后,从满足列车运行现场检修的需求,设计开发轮对轴承故障诊断原型系统。论文主要进行了以下研究工作:（1）针对列车轮对轴承监测传感器和数据发送模块供电困难的问题,提出基于摩擦纳米发电的列车转向架低频振动能量收集方法,设计低频振动能量收集模块,实现列车轮对轴承监测传感器及数据发送模块的间歇性供电,保障轮对轴承在线状态数据的及时获取。搭建仿真列车转向架振动能量收集及数据传输一体化平台,通过仿真实验验证振动能量收集方法及设计模块的有效性。（2）针对列车轮对轴承监测传感器安装限制,获取信号通道单一,故障信号信噪比低的问题,提出基于信号分解和核相关的欠定盲源提取方法,对信号的微弱故障特征进行提取。并通过与传统的基于信号分解的二阶相关性欠定盲源特征提取方法对比实验,证明本文所提出方法的先进性和稳定性。（3）针对列车运行过程中运行环境复杂,轮对轴承故障信号易受冲击噪声干扰的问题,提出基于循环相关熵的轮对轴承故障特征提取方法,用以识别出轴承故障信号在冲击噪声干扰情况下的故障频率。并通过与传统的谱峭度方法对比实验,证明本文所提出方法的优越性。（4）基于前述提出的循环相关熵故障特征提取方法,从减少循环平稳方法计算量的角度出发,结合窄带滤波理论提取轴承故障信号的频域故障特征,采用最小二乘支持向量机对故障特征训练,实现列车轮对轴承的智能故障诊断。并通过与基于传统特征提取方式的故障诊断方法对比,证明本文所提出方法的先进性和有效性。（5）为了更好地满足列车轮对轴承故障监测的现场应用,基于MATLAB的App Designer工具箱,设计并实现了列车轮对轴承故障诊断原型系统,原型系统的诊断算法集成了本文提出的三种算法和已有的经典故障诊断算法,原型系统为生产现场的列车轮对状态监测及维修提供了可靠的支撑。
刘秋红[9]（2021）在《混叠条件下直扩信号的截获与分析》文中指出直接序列扩频（DSSS）是一种通过扩展频域带宽换取低信噪比的通信技术,具有频带宽、功率低、保密性好、截获率低、可实现码分多址等优点,被广泛应用于军事和民用通信中。在非合作接收条件下,如通信侦察、无线电频谱监测及非法通信电台的定位跟踪等,实现该类信号的截获和分析,具有重要的现实意义和研究价值。虽然目前针对DSSS信号的盲分析已取得了较多进展,但均基于单一的直扩信号。当非合作接收环境中存在其他通信体制的同频强功率干扰信号,或合作方采用非对称成对载波多址通信体制且为了提高保密性或实现多用户传输而将小站信号采用DSSS调制时,第三方所截获的DSSS信号是带有强信号干扰的混叠信号,再加上多径干扰、复杂的相位调制等,都使得直扩信号的检测和盲分析极具挑战。本文主要针对混叠条件下直接序列扩频信号的盲分析问题,做了以下几点研究:1、研究了混叠条件下直扩信号的强干扰信号抵消技术。分别讨论了窄带干扰和宽带干扰两种情况。其中,重点针对混叠窄带干扰的DSSS信号,提出了一种基于互补对称滤波器的干扰抵消算法,且研究了算法参数、信号参数等对算法性能的影响。仿真结果表明,针对混叠有功率较强、带宽较窄的干扰信号的DSSS信号,该算法能够实现精度较高的干扰抵消。此外,所提算法的实现思路有较多应用前景,如宽带多信号抵消、信道估计以及隐蔽传输下的扩频检测等。2、研究了强干扰信号抵消后直扩信号的检测与参数估计问题。从多相制（MPSK）和连续相位（CPM）两种调制方式出发,分别讨论了载波频率、码片速率、扩频（PN）码周期三类参数型特征检测器。针对信号检测与载波频率估计,讨论了倍频、循环谱两类算法,其中,重点对循环谱特性进行了详细梳理和证明,并分析了二者在常用的MPSK、CPM调制下的性能差异;针对信号检测与码片速率估计,首先研究了针对MPSK调制的延时相乘算法,并通过仿真分析了延时参数对其性能的影响,而后针对CPM调制,提出了一种基于小波时频分析的估计算法,该算法可适用于CPM灵活多变的调制参数;针对信号检测与PN码周期估计,研究了应用成熟的自相关波动和二次功率谱,并通过仿真分析了二者对MPSK、CPM调制的性能差异。3、针对短码直扩信号,分别研究了高斯信道和多径信道下的PN码估计问题。针对高斯信道,对比讨论了现有的三类成熟算法,矩阵分解、子空间跟踪、神经网络,其中,矩阵分解性能最优,可达到克拉美罗下界（CRB）,但算法存在复杂度高、跟踪性差等问题,子空间跟踪和神经网络避免了上述问题,但性能有所损失;针对多径信道,提出了一种基于最大似然的PN码和信道联合盲估计算法。为了降低低信噪比下信道估计误差对PN码估计带来的影响,进一步提出了一种改进的联合估计算法。此外,为了更好地评估算法对信道的估计性能,推导了合作通信下信道估计的CRB。所提算法不受PN码码型限制,且仿真结果表明,算法的PN码估计性能与理想情况下信道已知的PN码最大似然估计性能相当,信道估计性能逼近合作通信下的CRB。4、针对长码直扩信号,分别研究了高斯信道和多径信道下的PN码估计问题。针对高斯信道,对比分析了适用于复杂的非周期长码直扩信号的两类处理算法,分别是基于缺失数据模型转换的优化类算法和基于窄窗口重叠分段的矩阵分解类算法。其中,优化类算法可逼近CRB。而窄窗口分解类算法,由于存在概率上的近似性,因此算法性能低于优化算法。针对多径信道,提出了一种PN码和信道联合盲估计的算法。为了避免矩阵求逆等问题,给出了算法的自适应优化方式。此外,为了降低计算复杂度以及提高算法在低信噪比下的估计性能,进一步提出了一种基于近似模型的低复杂度联合盲估计算法。仿真结果表明,对于信道估计,所提方法性能优于基于已知PN码的信道半盲估计算法;对于PN码估计,所提方法性能优于基于已知多径信道均衡后的PN码盲估计算法。
王蕾[10]（2020）在《宽带频谱感知技术研究》文中研究说明随着无线电的普及,频谱资源变得越来越稀缺,这就造成了未授权用户可以合法使用的频带非常有限,正在使用的频带占总频带的比例不高。而认知无线电技术的出现,就是在不影响主用户频带资源的情况下,从而达到解决频带资源拥堵和分配不均等缺陷的目的。在认知无线电技术中,宽带频谱感知是非常重要一个组成部分,而采集宽带信号和对宽带信号进行检测又是宽带频谱感知中的重点,也是难点。特别是采集的信号高达GHz时,使用传统的奈奎斯特采样定理进行宽带信号采样时,能够支持奈奎斯特采样定理的AD设备很少,而且成本很高。在检测宽带信号时,绝大多数情况下是属于盲检测,对信号的先验知识了解的很少,现有的检测方法或无法适用于低噪比情形（能量检测等）,或计算复杂度高（循环平稳检测等）。在此基础上,本文对基于欠采样的宽带频谱感知技术进行了详细的研究。具体的研究内容和结果如下:1.在频谱感知的基本模型下,对最基本的三种经典的频谱感知算法进行了分析:利用信号能量进行检测的能量算法、在特定条件下使信号输出信噪比最大化的匹配滤波器检测算法以及利用信号内在周期性进行循环平稳特征检测算法。为了使这三种算法更加系统化,在第三章中不仅介绍了三种算法的特性,还重新推导三种算法的检验过程,阐述了三种检测算法各自的优缺点和适用的范围,这为全文研究工作奠定了理论基础。2.提出了一种基于嵌套采样的频谱感知方法,它是一种打破奈奎斯特定理分析现代信号的方法。使用此方法,可以使用比奈奎斯特速率低得多的采样率同时对信号进行欠采样并恢复其频谱。在对宽带频谱感知过程中涉及的宽带信号进行频谱分析时,嵌套采样结果可以直接频谱分析,本文在嵌套采样和频谱感知,提出了一种基于嵌套采样的频谱感知算法,相较于其他算法而言,该算法具有较低的采样率,同等采样率下,具有更高的检测性能。3.提出了一种基于嵌套采样的非圆信号的频谱感知算法。在实际的通信系统中,非圆信号是一种非常常见的信号。对于非循环圆信号来说,二阶统计特性除协方差外还包括共轭协方差,但现有感知算法都忽略了其共轭协方差。基于此,对于非圆信号,设计了一种新的非圆信号检测算法,并使用通过嵌套采样的协方差和共轭协方差构造出检验统计量,并推导了理论阈值。为了验证所提方法的检测性能,从检验统计量的特性、采样序列、采样长度和虚警概率等多个角度对所提方法的性能进行了研究。结果表明,该方法具有比其他感知算法更好的感知性能。另外,所提出的方法不需要任何已知的信道、噪声和主要用户的先验信息,并且即使在具有少量采样点和低SNR的场景中也可以实现较好的性能,可以广泛用于频谱检测的实际应用中。
二、PERFORMANCE ANALYSIS OF SECOND-ORDER STATISTICS FOR CYCLOSTATIONARY SIGNALS（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、PERFORMANCE ANALYSIS OF SECOND-ORDER STATISTICS FOR CYCLOSTATIONARY SIGNALS（论文提纲范文）
（1）复杂噪声背景下的稀疏测向方法研究（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 DOA估计的国内外研究现状 |
| 1.2.1 早期非参数化方法 |
| 1.2.2 参数化阵列测向方法的研究 |
| 1.2.3 半参数化方法(稀疏测向)的研究 |
| 1.2.4 高斯色噪声背景下的测向方法研究 |
| 1.2.5 alpha噪声背景下的测向方法研究 |
| 1.2.6 基于实值化模型的测向方法 |
| 1.2.7 离网格(off-grid)稀疏测向方法 |
| 1.2.8 无网格(gridless)稀疏测向方法 |
| 1.3 本文的主要内容和章节安排 |
| 第2章 相关理论以及预备知识 |
| 2.1 引言 |
| 2.2 稀疏表示的基本原理 |
| 2.3 稀疏测向的可行性分析 |
| 2.4 非高斯分布的基本模型 |
| 2.4.1 混合高斯分布 |
| 2.4.2 广义高斯分布 |
| 2.4.3 t分布 |
| 2.4.4 alpha稳定分布 |
| 2.5 alpha稳定分布的定义和性质 |
| 2.5.1 alpha稳定分布的定义 |
| 2.5.2 alpha稳定分布的性质 |
| 2.6 本章小结 |
| 第3章 基于全部子空间信息的匹配追踪测向算法 |
| 3.1 引言 |
| 3.2 基于均匀线形阵列(ULA)的DOA估计稀疏模型 |
| 3.3 MP类算法角度分辨能力不足的原因分析 |
| 3.4 子空间信息 |
| 3.5 NSR OMP算法提出 |
| 3.5.1 最小范数法 |
| 3.5.2 NSR OMP算法实现和计算量分析 |
| 3.6 仿真实验 |
| 3.6.1 实验3.1--NSR OMP算法估计实验 |
| 3.6.2 实验3.2--偏移角实验 |
| 3.6.3 实验3.3--快拍数实验 |
| 3.6.4 实验3.4--信噪比实验 |
| 3.7 本章小结 |
| 第4章 基于实值化模型的离格稀疏测向方法 |
| 4.1 引言 |
| 4.2 阵列的实值化测向模型 |
| 4.2.1 均匀线阵(ULA)的二阶统计量实值化测向模型 |
| 4.2.2 稀疏线阵(SLA)的二阶统计量实值化测向模型 |
| 4.2.3 ULA阵列的四阶累积量降维实值化测向模型 |
| 4.3 算法提出 |
| 4.3.1 RV L1-SSV DOA估计算法 |
| 4.3.2 基于平滑l_0范数的DOA估计算法 |
| 4.3.2.1 平滑函数设计 |
| 4.3.2.2 算法推导 |
| 4.3.2.3 RV ISL0-SSV算法流程 |
| 4.3.2.4 算法参数设置及其计算量分析 |
| 4.3.2.5 四阶累积量矢量实值化模型 |
| 4.3.3 在格方法的仿真实验与分析 |
| 4.3.3.1 实验4.1--可行性实验 |
| 4.3.3.2 实验4.2--偏移角实验 |
| 4.3.3.3 实验4.3--信噪比实验 |
| 4.4 实值化离格稀疏测向方法 |
| 4.4.1 RV L1-OGSSV测向方法 |
| 4.4.2 RV ISL0-OGSSV和RV ISL0-OGHOCV测向方法 |
| 4.4.3 离格测向方法的仿真实验与分析 |
| 4.4.3.1 实验4.4--收敛性分析 |
| 4.4.3.2 实验4.5--信噪比实验 |
| 4.4.3.3 实验4.6--运算时间比较 |
| 4.5 本章小结 |
| 第5章 Alpha白噪声背景下基于PFLOM的无网格稀疏测向方法 |
| 5.1 引言 |
| 5.2 理论基础 |
| 5.2.1 范德蒙德分解定理 |
| 5.2.2 原子范数 |
| 5.2.3 连续压缩感知 |
| 5.2.4 协方差匹配 |
| 5.3 基于分数低阶统计量无网格方法的可行性分析 |
| 5.4 基于PFLOM的无网格测向方法 |
| 5.4.1 基于PFLOM的 GLS方法 |
| 5.4.2 基于PFLOM的稀疏矩阵重构方法 |
| 5.4.3 参数b的设定 |
| 5.5 PFLOM-SMR和PFLOM-GLS算法与ANM方法的关联性 |
| 5.6 仿真实验与分析 |
| 5.6.1 实验5.1--可行性实验 |
| 5.6.2 实验5.2--信噪比实验 |
| 5.6.3 实验5.3--快拍数实验 |
| 5.6.4 实验5.4--噪声冲击性实验 |
| 5.7 本章小结 |
| 第6章 Alpha色噪声背景下基于FOC的稀疏测向方法 |
| 6.1 引言 |
| 6.2 分数阶累积量 |
| 6.3 算法提出 |
| 6.3.1 基于FOC的 MUSIC算法 |
| 6.3.2 基于FOC的离格稀疏测向方法 |
| 6.3.3 基于FOC的无网格稀疏测向方法 |
| 6.4 数值仿真实验分析 |
| 6.4.1 实验6.1--确定参数p的取值 |
| 6.4.2 实验6.2--可行性实验 |
| 6.4.3 实验6.3--信噪比实验 |
| 6.5 本章小结 |
| 第7章 总结与展望 |
| 7.1 全文总结 |
| 7.2 研究展望 |
| 参考文献 |
| 攻读博士学位期间所取得的科研成果 |
| 致谢 |
（2）基于深度学习的数字信号调制方式识别技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 研究现状 |
| 1.3 本文主要研究内容和论文组织结构安排 |
| 第二章 调制方式识别技术与深度学习基本理论 |
| 2.1 信号模型 |
| 2.1.1 信号类型 |
| 2.1.2 接收模型 |
| 2.2 基于似然比的信号调制方式识别算法 |
| 2.2.1 基于似然比的信号调制方式识别算法流程 |
| 2.2.2 基于似然比的信号调制方式识别算法原理 |
| 2.3 基于特征提取的信号调制方式识别算法 |
| 2.3.1 基于特征提取的信号调制方式识别算法流程 |
| 2.3.2 基于特征提取的调制方式识别算法原理 |
| 2.4 深度学习网络 |
| 2.4.1 长短期记忆网络 |
| 2.4.2 卷积神经网络 |
| 2.4.3 损失函数 |
| 2.5 本章小结 |
| 第三章 基于循环相关熵和长短时密集连接网络的信号调制方式识别方法 |
| 3.1 基于循环相关熵和长短时密集连接网络的信号识别系统 |
| 3.2 循环相关熵特征提取 |
| 3.2.1 循环相关熵谱 |
| 3.2.2 循环相关熵谱特征优化 |
| 3.3 基于CCV-LSMD的信号调制方式识别方法 |
| 3.3.1 离线训练 |
| 3.3.2 LSMD网络结构 |
| 3.3.3 在线识别 |
| 3.4 仿真结果及分析 |
| 3.4.1 CCV-LSMD的性能分析 |
| 3.4.2 CCV-LSMD的与其他调制识别方法的对比 |
| 3.5 本章小结 |
| 第四章 基于多模块融合网络的信号调制方式识别方法 |
| 4.1 信号模型与信号调制方式识别系统 |
| 4.2 星座图特征 |
| 4.2.1 常规星座图 |
| 4.2.2 像素着色星座图 |
| 4.3 基于多模块融合网络的信号调制方式识别方法 |
| 4.3.1 经典图像分类神经网络 |
| 4.3.2 MMFN网络结构 |
| 4.3.3 MMFN网络的训练与识别 |
| 4.4 仿真结果及分析 |
| 4.4.1 基于MMFN方法的性能分析 |
| 4.4.2 MMFN与其他方法的对比 |
| 4.5 本章小结 |
| 第五章 总结 |
| 5.1 论文总结 |
| 5.2 未来研究展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表的论文及申请的专利 |
（3）基于互质阵的循环平稳信号波达方向估计技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 研究现状 |
| 1.2.1 互质阵型研究现状 |
| 1.2.2 循环平稳信号DOA估计研究现状 |
| 1.2.3 非圆特性循环平稳信号研究现状 |
| 1.3 论文研究思路及主要工作 |
| 1.3.1 论文研究思路 |
| 1.3.2 论文主要工作 |
| 1.4 论文的结构安排 |
| 第二章 循环平稳信号阵列测向相关理论基础 |
| 2.1 引言 |
| 2.2 互质阵基础理论 |
| 2.2.1 阵列模型 |
| 2.2.2 阵列孔径 |
| 2.2.3 阵列估计自由度 |
| 2.3 基于互质阵型的阵列处理方法 |
| 2.3.1 子阵分解方法 |
| 2.3.2 矢量化重构方法 |
| 2.4 循环平稳信号处理基础理论 |
| 2.4.1 循环平稳信号定义 |
| 2.4.2 循环谱的物理模型 |
| 2.4.3 循环平稳信号的性质 |
| 2.4.4 循环平稳信号经典测向算法 |
| 2.5 非圆信号基础概念与特性分析 |
| 2.6 本章小结 |
| 第三章 循环平稳信号高精度DOA估计方法研究 |
| 3.1 引言 |
| 3.2 一种基于谱峰融合的高精度DOA估计算法 |
| 3.2.1 算法详述 |
| 3.2.2 解模糊原理 |
| 3.2.3 算法步骤总结 |
| 3.3 仿真实验 |
| 3.4 本章小结 |
| 第四章 循环平稳信号欠定DOA估计方法研究 |
| 4.1 引言 |
| 4.2 一种基于矢量化重构的循环平稳信号欠定DOA算法 |
| 4.2.1 互质阵下接收信号模型 |
| 4.2.2 算法详述 |
| 4.2.3 算法步骤总结 |
| 4.3 性能分析 |
| 4.3.1 自由度分析 |
| 4.3.2 计算复杂度分析 |
| 4.4 仿真实验 |
| 4.5 本章小结 |
| 第五章 循环平稳特性联合非圆特性DOA估计方法研究 |
| 5.1 引言 |
| 5.2 一种联合非圆特性的循环平稳信号高精度DOA估计算法 |
| 5.2.1 算法详述 |
| 5.2.2 算法步骤总结 |
| 5.3 仿真实验 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 本文工作总结 |
| 6.2 后期工作展望 |
| 致谢 |
| 参考文献 |
| 作者简历 |
（4）基于分数低阶循环统计量的轴承故障诊断研究（论文提纲范文）
| 中文摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 基于二阶统计量的故障诊断技术 |
| 1.2 基于高阶统计量的故障诊断技术 |
| 1.3 基于分数低阶统计量的故障诊断技术 |
| 1.3.1 分数低阶统计量 |
| 1.3.2 分数低阶循环统计量 |
| 1.4 本论文主要工作及章节安排 |
| 第2章 Alpha稳定分布与分数低阶统计量 |
| 2.1 Alpha稳定分布的定义和性质 |
| 2.1.1 Alpha稳定分布的定义 |
| 2.1.2 Alpha稳定分布的主要性质 |
| 2.2 不同参数下的Alpha稳定分布的概率密度 |
| 2.3 分数低阶统计量 |
| 2.3.1 分数低阶统计量 |
| 2.3.2 基于分数低阶统计量的频谱分析 |
| 2.3.3 基于分数低阶统计量包络谱的轴承故障诊断 |
| 2.4 本章小结 |
| 第3章 循环平稳信号分析理论基础 |
| 3.1 循环平稳信号的定义 |
| 3.1.1 循环平稳信号的定义 |
| 3.1.2 信号的统计量与循环统计量 |
| 3.2 基于二阶统计量的循环平稳分析 |
| 3.2.1 时变自相关函数 |
| 3.2.2 循环自相关函数和循环谱密度函数 |
| 3.2.3 基于循环谱密度函数的解调分析 |
| 3.3 基于高阶统计量的循环平稳分析 |
| 3.3.1 高阶统计量 |
| 3.3.2 高阶循环统计量 |
| 3.3.3 基于循环双谱的解调分析 |
| 3.4 基于分数低阶统计量循环平稳分析 |
| 3.4.1 基于循环共变谱的解调分析 |
| 3.4.2 基于分数低阶循环自相关谱的解调分析 |
| 3.4.3 基于分数低阶循环协方差谱的解调分析 |
| 3.4.4 基于相位分数低阶循环协方差谱的解调分析 |
| 3.5 分数低阶循环统计量的解调性能的比较 |
| 3.5.1 不同?取值情况下,分数低阶循环统计量的解调效果对比 |
| 3.5.2 不同信噪比情况下,分数低阶循环统计量的解调效果对比 |
| 3.6 本章小结 |
| 第4章 基于分数低阶循环统计量的轴承故障诊断 |
| 4.1 滚动轴承故障特征频率及仿真模型 |
| 4.1.1 滚动轴承故障特征频率 |
| 4.1.2 滚动轴承故障信号模型及其仿真 |
| 4.2 非高斯噪声背景下,对仿真轴承外圈故障信号的处理 |
| 4.2.1 基于二阶循环统计量的轴承外圈故障仿真信号分析 |
| 4.2.2 基于分数低阶循环谱密度的轴承外圈故障仿真信号分析 |
| 4.3 实测轴承外圈故障振动信号分析 |
| 4.3.1 实测轴承故障振动信号 |
| 4.3.2 基于二阶循环统计量的实测轴承外圈故障信号分析 |
| 4.3.3 基于分数低阶循环谱密度的实测轴承外圈故障信号分析 |
| 4.4 本章小结 |
| 第5章 总结与展望 |
| 5.1 总结 |
| 5.2 前景与展望 |
| 参考文献 |
| 致谢 |
| 申请学位期间的研究成果及发表的学术论文 |
（5）多载波信号检测方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 多载波信号检测技术研究现状 |
| 1.2.1 传统噪声下多载波信号检测研究现状 |
| 1.2.2 非传统噪声下多载波信号检测研究现状 |
| 1.3 本文主要研究内容与结构 |
| 1.4 本章小结 |
| 第二章 多载波信号检测技术原理 |
| 2.1 多载波信号特点 |
| 2.2 信号检测方法简介 |
| 2.3 非协作多载波信号检测流程 |
| 2.4 基带仿真平台 |
| 2.4.1 OFDM调制原理 |
| 2.4.2 OFDM循环前缀分析 |
| 2.5 本章小结 |
| 第三章 基于统计特性的多载波信号检测 |
| 3.1 高阶累积量及相关理论 |
| 3.1.1 高阶累积量及高阶矩定义 |
| 3.1.2 高阶累积量性质 |
| 3.2 高白信道下多载波信号检测算法 |
| 3.2.1 高斯信号的高阶统计量 |
| 3.2.2 OFDM信号渐进高斯性分析 |
| 3.2.3 基于高阶累积量的多载波信号检测算法 |
| 3.3 瑞利信道下多载波信号检测算法 |
| 3.3.1 瑞利信道下的高阶累积量识别算法 |
| 3.3.2 高阶混合矩的检测算法 |
| 3.3.3 基于高阶累积量与高阶矩的联合算法 |
| 3.3.4 改进检测门限方案 |
| 3.4 仿真结果与分析 |
| 3.4.1 联合特征参数仿真 |
| 3.4.2 高白信道下检测算法对比仿真 |
| 3.4.3 衰落信道下检测算法对比仿真 |
| 3.4.4 影响因素分析 |
| 3.5 本章小结 |
| 第四章 基于循环前缀特性的多载波信号检测 |
| 4.1 循环平稳理论及分析 |
| 4.1.1 循环自相关函数 |
| 4.1.2 循环平稳特性分析 |
| 4.1.3 循环累积量抗干扰分析及仿真 |
| 4.2 基于循环平稳特性的检测算法 |
| 4.3 基于循环前缀的检测算法 |
| 4.4 仿真结果与分析 |
| 4.4.1 基于循环平稳特性检测算法仿真 |
| 4.4.2 基于循环前缀检测算法仿真 |
| 4.5 本章小结 |
| 第五章 非传统噪声下检测算法 |
| 5.1 α 稳定分布噪声 |
| 5.1.1 α 稳定分布噪声模型 |
| 5.1.2 α 稳定分布性质 |
| 5.1.3 α 稳定分布概率密度函数 |
| 5.2 基于广义累积量的检测算法 |
| 5.2.1 α 稳定分布序列的产生 |
| 5.2.2 α 稳定分布高斯性与对称性的判定 |
| 5.2.3 α 稳定分布噪声对传统检测方法的影响 |
| 5.2.4 基于广义累积量的检测算法 |
| 5.3 一种新的特征参数 |
| 5.4 仿真结果与分析 |
| 5.4.1 不同混合信噪比下检测性能 |
| 5.4.2 不同特征指数对检测性能的影响 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 论文总结 |
| 6.2 论文展望 |
| 致谢 |
| 参考文献 |
（6）面向非圆复数的自适应估计算法性能分析及其应用研究（论文提纲范文）
| 摘要 |
| Abstract |
| 术语与符号约定 |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 研究现状 |
| 1.3 研究内容和结构安排 |
| 第二章 MSE和高斯熵准则下不同估计器的性能分析与比较 |
| 2.1 引言 |
| 2.2 复值随机变量统计特性简介 |
| 2.2.1 复数表示及其二阶统计量 |
| 2.2.2 复高斯分布 |
| 2.2.3 圆与二阶圆 |
| 2.3 标准权重误差方差分析 |
| 2.3.1 SL估计器 |
| 2.3.2 WL估计器 |
| 2.4 互补权重误差方差分析 |
| 2.4.1 SL估计器 |
| 2.4.2 WL估计器 |
| 2.5 联合标准和互补权重误差方差分析 |
| 2.5.1 SL估计器 |
| 2.5.2 WL估计器 |
| 2.5.3 SL与WL估计器性能比较 |
| 2.6 仿真结果 |
| 2.7 本章小结 |
| 2.8 附录 |
| 2.8.1 式(2.41)的详细推导 |
| 2.8.2 式(2.56)和(2.57)的详细推导 |
| 第三章 非圆输入时最小随机熵自适应估计算法性能分析 |
| 3.1 引言 |
| 3.2 算法简介 |
| 3.3 LSE算法的完备二阶性能分析 |
| 3.3.1 标准权重误差方差分析 |
| 3.3.2 互补权重误差方差分析 |
| 3.4 LSE算法的均方稳定性和稳态分析 |
| 3.5 仿真结果 |
| 3.6 本章小结 |
| 第四章 复值无约束频域块最小均方误差算法性能分析 |
| 4.1 引言 |
| 4.2 算法简介 |
| 4.3 UFBLMS算法的完备二阶性能分析 |
| 4.3.1 频域输入信号的二阶统计特性 |
| 4.3.2 UFBLMS的标准均方分析 |
| 4.3.3 UFBLMS的互补均方分析 |
| 4.3.4 联合标准和互补均方分析 |
| 4.4 UFBLMS算法的均方稳定性与稳态性能分析 |
| 4.4.1 均方稳定性分析 |
| 4.4.2 稳态性能分析 |
| 4.5 仿真结果 |
| 4.6 本章小结 |
| 4.7 附录 |
| 4.7.1 式(4.43)中H~a(k)的详细推导 |
| 4.7.2 式(4.69)中η~2_m取值范围的推导 |
| 第五章 复值卡尔曼滤波算法及其非线性扩展 |
| 5.1 引言 |
| 5.2 背景知识 |
| 5.3 提出的GCKF算法 |
| 5.4 提出的GCEKF算法 |
| 5.5 提出的GCUKF算法 |
| 5.6 仿真结果 |
| 5.6.1 自回归过程估计 |
| 5.6.2 信道估计 |
| 5.7 本章小结 |
| 5.8 附录 |
| 5.8.1 式(5.28)和(5.29)的详细推导 |
| 5.8.2 提出的复值UT的性能分析 |
| 第六章 基于非圆特性的复值盲自适应频率相关I/Q不平衡补偿算法与性能分析 |
| 6.1 引言 |
| 6.2 系统模型 |
| 6.3 提出的盲FD I/Q不平衡补偿器 |
| 6.4 所提估计器的完备二阶统计性能分析 |
| 6.4.1 完备二阶收敛性分析 |
| 6.4.2 IRR分析 |
| 6.5 仿真结果 |
| 6.6 本章小结 |
| 6.7 附录 |
| 6.7.1 式(6.31)的详细推导 |
| 6.7.2 式(6.41)中步长取值范围的推导 |
| 第七章 总结与展望 |
| 7.1 本文工作总结 |
| 7.2 未来研究展望 |
| 致谢 |
| 参考文献 |
| 作者攻读博士学位期间的研究成果 |
| 作者攻读博士学位期间获得的荣誉与资助 |
（7）X射线脉冲星循环平稳信号处理算法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.1.1 课题来源 |
| 1.1.2 课题背景及意义 |
| 1.2 国内外研究现状及分析 |
| 1.2.1 脉冲星信号处理技术研究现状 |
| 1.2.2 脉冲星新星搜索技术研究现状 |
| 1.2.3 研究现状分析 |
| 1.3 本课题研究思路 |
| 1.4 论文主要研究内容 |
| 第2章 脉冲星信号处理基本理论 |
| 2.1 引言 |
| 2.2 脉冲星基本特性 |
| 2.2.1 脉冲星的发现与分布命名 |
| 2.2.2 脉冲星基本机理 |
| 2.2.3 脉冲星信号的能段分布和时域特征 |
| 2.2.4 到达光子的统计特性 |
| 2.3 循环统计量基本理论 |
| 2.3.1 循环平稳的定义与分类 |
| 2.3.2 二阶循环统计量理论 |
| 2.3.3 高阶循环统计量理论 |
| 2.4 本章小结 |
| 第3章 基于高阶循环统计量的脉冲星信号特征分析 |
| 3.1 引言 |
| 3.2 方法和分析 |
| 3.2.1 脉冲星信号模型 |
| 3.2.2 脉冲星信号频谱分析 |
| 3.2.3 脉冲星信号的二阶循环统计量分析 |
| 3.2.4 脉冲星信号的三阶循环统计量分析 |
| 3.3 仿真分析结果 |
| 3.3.1 脉冲星信号模拟 |
| 3.3.2 脉冲星信号频谱分析 |
| 3.3.3 脉冲星信号二阶循环统计量分析 |
| 3.3.4 脉冲星信号三阶循环统计量分析 |
| 3.4 实测数据分析 |
| 3.4.1 实验脉冲星选取 |
| 3.4.2 RXTE数据提取 |
| 3.4.3 实验结果分析 |
| 3.5 结论 |
| 第4章 基于双谱的已知X射线脉冲星辨识方法 |
| 4.1 引言 |
| 4.2 特征提取方法 |
| 4.2.1 光子信号预处理 |
| 4.2.2 自相关估计 |
| 4.2.3 双谱特征提取 |
| 4.3 GoogLeNet神经网络 |
| 4.3.1 卷积神经网络模型 |
| 4.3.2 GoogLeNet网络模型 |
| 4.3.3 样本集及标签 |
| 4.4 结果和分析 |
| 4.4.1 传统方法结果 |
| 4.4.2 提出方法结果 |
| 4.4.3 分析和讨论 |
| 4.5 结论 |
| 第5章 基于2D-APM的X射线脉冲新星搜索方法 |
| 5.1 引言 |
| 5.2 方法 |
| 5.2.1 二维自相关轮廓图谱 |
| 5.2.2 Inception-Resnet神经网络 |
| 5.3 样本集生成策略 |
| 5.3.1 基于泊松分布的TOAs模拟 |
| 5.3.2 训练数据集生成 |
| 5.3.3 测试数据集生成 |
| 5.4 实验结果 |
| 5.4.1 网络训练结果 |
| 5.4.2 分析与讨论 |
| 5.5 结论 |
| 第6章 X射线脉冲星相位估计方法研究 |
| 6.1 引言 |
| 6.2 基于脉冲轮廓的传统相位估计方法 |
| 6.2.1 基于脉冲轮廓的相位估计算法 |
| 6.2.2 克拉美罗下界 |
| 6.3 方法 |
| 6.3.1 二维轮廓图谱 |
| 6.3.2 网络结构 |
| 6.4 仿真实验 |
| 6.4.1 模拟数据集 |
| 6.4.2 相位估计结果 |
| 6.5 结论 |
| 结论 |
| 参考文献 |
| 攻读博士学位期间发表的论文及其他成果 |
| 致谢 |
| 个人简历 |
（8）轨道交通列车轮对轴承自供电感知与微弱故障诊断方法研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景 |
| 1.2 研究目的及意义 |
| 1.3 国内外研究综述 |
| 1.3.1 轨道交通列车关键部件自供电感知技术研究综述 |
| 1.3.2 轨道交通列车轮对轴承监测及故障诊断技术研究综述 |
| 1.4 本文研究内容与结构安排 |
| 2 基于摩擦纳米发电的轮对轴承自供电感知 |
| 2.1 引言 |
| 2.2 摩擦纳米发电机制研究 |
| 2.2.1 摩擦起电效应 |
| 2.2.2 摩擦起电材料 |
| 2.2.3 摩擦纳米发电机 |
| 2.3 摩擦纳米发电机设计及轮对轴承自供电感知 |
| 2.3.1 摩擦纳米发电机材料选取及结构设计 |
| 2.3.2 摩擦纳米发电机结构优化 |
| 2.3.3 基于列车运行仿真平台的轮对轴承自供电感知 |
| 2.4 本章小结 |
| 3 基于信号分解和核相关的轮对轴承微弱故障特征欠定盲源提取 |
| 3.1 引言 |
| 3.2 列车轮对轴承 |
| 3.2.1 列车轮对轴承结构 |
| 3.2.2 列车轮对轴承故障及失效形式 |
| 3.3 盲源提取技术基本理论 |
| 3.3.1 盲源提取基本模型 |
| 3.3.2 盲源提取信号预处理方法 |
| 3.3.3 基于核相关的微弱信号盲源提取方法 |
| 3.4 基于EMD和核相关的轮对轴承微弱故障特征欠定盲源提取 |
| 3.4.1 EMD算法简介 |
| 3.4.2 基于EMD和贝叶斯选择模型的信号源数估计 |
| 3.4.3 轮对轴承微弱故障特征欠定盲源提取 |
| 3.5 仿真分析与验证 |
| 3.5.1 仿真信号分析 |
| 3.5.2 轮对轴承数据分析 |
| 3.5.3 参数选取对算法性能影响分析 |
| 3.5.4 与基于EMD和二阶相关性的欠定盲源提取方法对比分析 |
| 3.6 本章小结 |
| 4 冲击噪声环境下基于循环相关熵的轮对轴承故障特征提取 |
| 4.1 引言 |
| 4.2 循环平稳及相关熵理论 |
| 4.2.1 循环平稳统计量基本理论 |
| 4.2.2 相关熵理论 |
| 4.3 基于循环相关熵的轮对轴承故障特征提取 |
| 4.3.1 循环相关熵与循环相关熵谱 |
| 4.3.2 循环相关熵的核宽度选择 |
| 4.3.3 基于循环相关熵谱估计的轮对轴承故障循环频率识别 |
| 4.4 仿真分析与验证 |
| 4.4.1 仿真信号分析 |
| 4.4.2 凯斯西储大学轴承数据分析 |
| 4.4.3 轮对轴承数据分析 |
| 4.4.4 核宽度取值对算法性能影响分析 |
| 4.5 本章小结 |
| 5 基于循环相关熵和窄带滤波方法的轮对轴承智能故障诊断 |
| 5.1 引言 |
| 5.2 基于循环相关熵和窄带滤波方法的智能故障识别 |
| 5.2.1 窄带滤波频域谱峭度提取 |
| 5.2.2 最小二乘支持向量机 |
| 5.2.3 基于循环相关熵频域特征的智能故障识别 |
| 5.3 仿真分析与验证 |
| 5.3.1 凯斯西储大学轴承数据分析 |
| 5.3.2 轮对轴承数据分析 |
| 5.4 本章小结 |
| 6 轮对轴承故障诊断原型系统开发 |
| 6.1 原型系统总体设计 |
| 6.2 原型系统核心功能设计 |
| 6.2.1 开发工具介绍 |
| 6.2.2 信号处理诊断模块设计 |
| 6.2.3 智能分类诊断模块设计 |
| 6.3 原型系统核心功能测试 |
| 6.3.1 信号处理诊断模块测试 |
| 6.3.2 智能分类诊断模块测试 |
| 6.4 本章小结 |
| 7 结论与展望 |
| 7.1 研究结论与创新点 |
| 7.2 研究展望 |
| 参考文献 |
| 作者简历及攻读博士学位期间取得的研究成果 |
| 学位论文数据集 |
（9）混叠条件下直扩信号的截获与分析（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题背景 |
| 1.2 混叠条件下DSSS信号盲分析相关技术研究现状 |
| 1.2.1 混叠的强干扰信号的抵消研究现状 |
| 1.2.2 DSSS信号检测与参数估计研究现状 |
| 1.2.3 SC-DSSS信号PN码盲估计研究现状 |
| 1.2.4 LC-DSSS信号PN码盲估计研究现状 |
| 1.3 主要研究工作 |
| 1.4 论文章节安排 |
| 第二章 DSSS信号强功率干扰抵消 |
| 2.1 引言 |
| 2.2 信号模型 |
| 2.3 基于强信号波形重构的干扰抵消算法 |
| 2.3.1 定时同步 |
| 2.3.2 载波同步 |
| 2.3.3 幅度估计 |
| 2.4 基于强信号硬判决值的干扰抵消算法 |
| 2.4.1 算法原理 |
| 2.4.2 性能仿真 |
| 2.5 基于互补对称滤波器的干扰抵消算法 |
| 2.5.1 互补对称滤波器滤波 |
| 2.5.2 强弱信号分离 |
| 2.5.3 算法总结 |
| 2.5.4 性能仿真 |
| 2.6 本章小结 |
| 第三章 DSSS信号检测与参数估计 |
| 3.1 引言 |
| 3.2 信号模型 |
| 3.3 DSSS信号检测与载波频率估计 |
| 3.3.1 倍频法检测 |
| 3.3.2 循环谱检测 |
| 3.3.3 性能仿真 |
| 3.4 DSSS信号检测与码片速率估计 |
| 3.4.1 延时相乘算法 |
| 3.4.2 小波时频分析算法 |
| 3.4.3 性能仿真 |
| 3.5 DSSS信号检测与PN码周期估计 |
| 3.5.1 自相关波动 |
| 3.5.2 二次功率谱 |
| 3.5.3 性能仿真 |
| 3.6 本章小结 |
| 第四章 短码直扩信号PN码盲估计 |
| 4.1 引言 |
| 4.2 信号模型 |
| 4.3 高斯信道下短码直扩信号PN码估计 |
| 4.3.1 矩阵分解 |
| 4.3.2 子空间跟踪 |
| 4.3.3 神经网络 |
| 4.3.4 性能仿真 |
| 4.4 多径信道下短码直扩信号PN码估计 |
| 4.4.1 信号二阶统计特性 |
| 4.4.2 最大似然模型 |
| 4.4.3 基于ILSP的联合估计算法 |
| 4.4.4 基于ITLSP的联合估计算法 |
| 4.4.5 合作通信下信道估计的CRB |
| 4.4.6 性能仿真 |
| 4.5 本章小结 |
| 第五章 长码直扩信号PN码盲估计 |
| 5.1 引言 |
| 5.2 信号模型 |
| 5.3 高斯信道下长码直扩信号PN码估计 |
| 5.3.1 基于缺失数据模型的交替投影算法 |
| 5.3.2 基于窄窗口重叠分段的矩阵分解算法 |
| 5.3.3 性能仿真 |
| 5.4 多径信道下长码直扩信号PN码估计 |
| 5.4.1 基于最大似然的PN码和信道的联合盲估计 |
| 5.4.2 基于近似模型的PN码和信道的联合盲估计 |
| 5.4.3 性能仿真 |
| 5.5 本章小结 |
| 第六章 结束语 |
| 6.1 本文工作总结 |
| 6.2 未来工作展望 |
| 致谢 |
| 参考文献 |
| 作者简介 |
（10）宽带频谱感知技术研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 国内外研究现状 |
| 1.3 本文的主要内容与安排 |
| 第二章 压缩采样技术概述 |
| 2.1 引言 |
| 2.2 传统的信号采样 |
| 2.2.1 信号传输过程 |
| 2.2.2 信号采样过程 |
| 2.2.3 信号恢复过程 |
| 2.3 MWC宽带采样 |
| 2.3.1 信号模型 |
| 2.3.2 采样原理 |
| 2.4 多陪集采样 |
| 2.5 互素采样 |
| 2.6 本章小结 |
| 第三章 频谱感知技术概述 |
| 3.1 引言 |
| 3.2 频谱感知场景与模型 |
| 3.3 能量检测 |
| 3.4 匹配滤波检测 |
| 3.5 循环平稳特征检测 |
| 3.6 本章小结 |
| 第四章 基于嵌套采样的宽带频谱感知技术研究 |
| 4.1 引言 |
| 4.2 系统模型 |
| 4.3 基于嵌套采样的宽带频谱感知 |
| 4.3.1 时域嵌套采样 |
| 4.3.2 能量谱估计 |
| 4.3.3 子带能量检测 |
| 4.4 仿真实验与性能分析 |
| 4.5 本章小结 |
| 第五章 基于非圆信号的宽带频谱感知技术研究 |
| 5.1 引言 |
| 5.2 非圆信号的预备知识 |
| 5.2.1 复向量和实向量的关系 |
| 5.2.2 二阶统计特性 |
| 5.2.3 非圆信号的定义 |
| 5.3 基于非圆信号的宽带频谱感知 |
| 5.4 仿真实验与性能分析 |
| 5.5 本章小结 |
| 第六章 结论与展望 |
| 6.1 本文总结 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 攻硕期间取得的成果 |
四、PERFORMANCE ANALYSIS OF SECOND-ORDER STATISTICS FOR CYCLOSTATIONARY SIGNALS（论文参考文献）
- [1]复杂噪声背景下的稀疏测向方法研究[D]. 赵洋. 吉林大学, 2021(01)
- [2]基于深度学习的数字信号调制方式识别技术研究[D]. 林春生. 北京邮电大学, 2021(01)
- [3]基于互质阵的循环平稳信号波达方向估计技术研究[D]. 张晋. 战略支援部队信息工程大学, 2021(01)
- [4]基于分数低阶循环统计量的轴承故障诊断研究[D]. 张波. 天津职业技术师范大学, 2021(06)
- [5]多载波信号检测方法研究[D]. 张宇涵. 电子科技大学, 2021(01)
- [6]面向非圆复数的自适应估计算法性能分析及其应用研究[D]. 张行. 东南大学, 2021(02)
- [7]X射线脉冲星循环平稳信号处理算法研究[D]. 王龙奇. 哈尔滨工业大学, 2021(02)
- [8]轨道交通列车轮对轴承自供电感知与微弱故障诊断方法研究[D]. 赵雪军. 北京交通大学, 2020(02)
- [9]混叠条件下直扩信号的截获与分析[D]. 刘秋红. 战略支援部队信息工程大学, 2021(03)
- [10]宽带频谱感知技术研究[D]. 王蕾. 电子科技大学, 2020(01)