有噪聲信號對準(zhǔn)理論與應(yīng)用研究.pdf

1、提高信噪比的一個重要手段是將采集的有噪聲信號進(jìn)行平均。但由于信號之間存在著隨機(jī)的相對時移，導(dǎo)致估計出的信號產(chǎn)生失真，因此平均之前需要將有噪聲信號對準(zhǔn)。質(zhì)心估計算法和相關(guān)函數(shù)法是估計相對時移的經(jīng)典方法。為了使算法對噪聲干擾具有魯棒性，在這兩類方法的基礎(chǔ)上，又提出了自適應(yīng)質(zhì)心估計算法、完全相關(guān)函數(shù)法以及自適應(yīng)相關(guān)函數(shù)法等改進(jìn)方案。但目前這些方法的性能評估僅建立在仿真和實(shí)驗(yàn)的基礎(chǔ)上，而不是系統(tǒng)的理論分析，因此不能全面地考慮各種因素對性能的影響

2、。與此同時，基于統(tǒng)計學(xué)習(xí)理論的支持向量機(jī)方法在短短幾年內(nèi)取得了巨大的成就。它以堅(jiān)實(shí)的理論基礎(chǔ)和完善的算法在很多領(lǐng)域替代了神經(jīng)網(wǎng)絡(luò)。目前支持向量機(jī)多應(yīng)用于模式識別和預(yù)測當(dāng)中，如果能利用其優(yōu)秀的泛化性能，對信號中的加性隨機(jī)噪聲進(jìn)行抑制，那么就會給其開辟一塊新的領(lǐng)域。鑒于此，本論文對有噪聲信號對準(zhǔn)理論進(jìn)行系統(tǒng)的研究，并提出改進(jìn)的算法。
　　首先由于有噪聲信號質(zhì)心受到噪聲的干擾，是一個隨機(jī)變量，因此從理論推導(dǎo)和仿真估計兩方面研究噪聲分布的

3、均值、標(biāo)準(zhǔn)差以及長度因素對有噪聲信號質(zhì)心分布的影響，并建立有噪聲信號的質(zhì)心模型以及基于質(zhì)心法的估計信號模型，根據(jù)這些模型，得到影響估計效果的主要因素，并提出相應(yīng)的改進(jìn)方案。
　　其次對自適應(yīng)質(zhì)心估計算法建立理論模型，詳細(xì)分析該算法的原理，討論其局限性。由于當(dāng)信噪比低到一定程度時，有用信號的損失過大，會導(dǎo)致引入新的隨機(jī)時移，使算法完全失效，因此通過將信號分組的方式提出改進(jìn)的自適應(yīng)質(zhì)心估計算法，并對分組的原則進(jìn)行研究。同時由于相關(guān)函數(shù)

4、法是時移估計的經(jīng)典方法，因此通過建立三種典型的信號模型，得出最容易使其失效的條件，并分析參數(shù)對其抗噪聲能力的影響，總結(jié)出它的不足，然后通過仿真與改進(jìn)的自適應(yīng)質(zhì)心估計算法進(jìn)行性能比較。
　　接著根據(jù)支持向量機(jī)有堅(jiān)實(shí)的理論基礎(chǔ)和良好的泛化能力的特點(diǎn)，將其引入到信號處理中的加性噪聲抑制中，分析噪聲抑制的原理、核函數(shù)及其參數(shù)的作用，通過仿真驗(yàn)證理論分析的結(jié)果。將支持向量機(jī)用于信號對準(zhǔn)中，即對有噪聲信號先用支持向量機(jī)進(jìn)行預(yù)處理，然后通過簡單

5、的電平檢測法將這些信號對準(zhǔn)。通過仿真，將改進(jìn)的自適應(yīng)質(zhì)心法、相關(guān)函數(shù)法和由支持向量機(jī)預(yù)處理后的電平檢測法的效果進(jìn)行對比。傅里葉變換是信號處理中一個常用的工具，而現(xiàn)在關(guān)于傅里葉核函數(shù)的研究很少，因此系統(tǒng)地研究傅里葉核函數(shù)，對它在時域和頻域的特性進(jìn)行分析，得出它相對于高斯核函數(shù)的優(yōu)勢以及適用范圍。
　　最后將對準(zhǔn)理論應(yīng)用到”nose-to-nose”校準(zhǔn)技術(shù)中，對實(shí)驗(yàn)采集的信號分別用改進(jìn)的自適應(yīng)質(zhì)心法、相關(guān)函數(shù)法和SVM方法進(jìn)行對準(zhǔn)處