強噪聲背景下微弱正弦信號參數(shù)估計算法研究.pdf

1、從強噪聲背景下得到人們關心的微弱信號參數(shù)是現(xiàn)代信號處理的熱點問題,這一問題伴隨近代科學技術和人類物質需求的發(fā)展,越發(fā)突出的展現(xiàn)在我們面前并影響工程技術等諸多領域。
　　對于強噪聲背景下的微弱正弦信號,傳統(tǒng)的參數(shù)估計算法的估計值與真實值相差較大。并且以往進行仿真計算時一般都假設噪聲是隨機的,在某范圍內符合正態(tài)分布,實際的噪聲大部分情況下是不符合高斯分布的。基于此,本文所做的研究工作及結論主要有如下幾點:
　　1.給出了離散小波

2、變換的矩陣形式。應用小波變換的矩陣表示方法可以使小波變換的數(shù)學表達更為直觀,在算法推導上更為方便和清晰;
　　2.給出了基于離散小波變換的頻率估計算法以及頻率校正的迭代算法。根據(jù)離散小波變換,對強噪聲背景下的采樣信號進行預處理,構造兩段新的序列,對兩段不同長度的序列分別進行離散傅里葉變換,通過推導得到頻率的估計值,在此基礎上,給出了頻率校正的迭代算法,并對迭代算法的性能進行了分析。仿真實驗表明,該算法在低信噪比下仍有較高的估計精度

3、;
　　3.給出了基于離散小波變換的幅值和相位估計算法。在離散小波變換的基礎上,對微弱采樣信號進行預處理,構造N段新的序列,對該序列實施離散傅里葉變換,結合序列的構造方式通過推導得到幅值和相位的估計值。通過仿真實驗與以往的參數(shù)估計算法進行對比,在低信噪比下,該算法具有更高的估計精度;
　　4.給出了窄帶高斯噪聲及非高斯噪聲的產生方法。仿真實驗表明,在不同類型噪聲背景下,該算法能較好地估計正弦信號的頻率、幅值和相位,且有較強的