非高斯噪声
非高斯噪声的相关文献在1996年到2022年内共计206篇,主要集中在无线电电子学、电信技术、自动化技术、计算机技术、物理学
等领域,其中期刊论文154篇、会议论文11篇、专利文献163874篇;相关期刊95种,包括应用科学学报、国防科技大学学报、海军工程大学学报等;
相关会议11种,包括第21届全国电磁兼容学术会议、第十三届全国非线性振动暨第十届全国非线性动力学和运动稳定性学术会议、第四届全国动力学与控制青年学者研讨会等;非高斯噪声的相关文献由500位作者贡献,包括刘明骞、蒋宇中、山拜·达拉拜等。
非高斯噪声—发文量
专利文献>
论文:163874篇
占比:99.90%
总计:164039篇
非高斯噪声
-研究学者
- 刘明骞
- 蒋宇中
- 山拜·达拉拜
- 郭莹
- 应文威
- 张俊林
- 郭永峰
- 张曙霞
- 彭伊婷
- 李兵兵
- 李锋
- 林春生
- 汤传业
- 陈伟
- 黄浩乾
- 任雪梅
- 孙万麟
- 宫丰奎
- 左磊
- 张兴华
- 张冉
- 张晓燕
- 戴卿
- 李亚超
- 杨清海
- 王小刚
- 禄晓飞
- 翟明岳
- 赵俊渭
- 赵政
- 赵民
- 郭业才
- 靳艳飞
- 高永婵
- 黄玉划
- 龚沈光
- GONG YuBing
- LIN Xiu
- WANG Li
- 于和芳
- 修建娟
- 刘月亮
- 刘迪
- 刘雪莲
- 卢广芝
- 向前
- 夏玮玮
- 姬蕊
- 孙坚添
- 孙敬雪
-
-
师长立;
韦统振;
吴理心;
叶泽雨;
尹靖元
-
-
摘要:
随着频率使用设备的激增和大数据时代的到来,频谱管理和控制面临着有效性和准确性的挑战。调制分类技术是频谱管理和控制的基础,也是其关键部分。因此,在大数据场景下进行有效的调制分类技术非常重要。本文不仅考虑了大数据背景下分类模型的有效性,还考虑了复杂电磁环境中噪声的动态性。因此,构建了一个包含不同信噪比下不同信号的大数据集,并利用大数据驱动深度学习模型,最终得到调制分类的结果。该方法只需训练一个模型即可实现调制分类,避免了以往算法中模型训练的冗余。仿真结果验证了该方法的有效性和可靠性。
-
-
胡浩然;
陈树新;
吴昊;
何仁珂;
吴强;
张喜庆
-
-
摘要:
针对目标跟踪中运动模型不精确和测量异常导致的传统滤波算法精度下降问题,提出了一种鲁棒平方根连续-离散自适应最大相关熵容积卡尔曼滤波(RSRCD-AMCCKF)算法。在目标跟踪问题中采用了精度更高的连续-离散时间模型,提高了目标跟踪的解算精度;将加权最小二乘方法与传统最大相关熵准则相结合,得到改进的相关熵代价权函数,之后引入连续-离散时间滤波框架,提高了滤波算法在测量异常情况下的鲁棒性;以高斯核函数作为相关熵的调整因子,依据不同测量环境选择自适应因子,进而对观测噪声的协方差矩阵进行调整。仿真结果表明:与传统算法相比,当测量噪声为高斯噪声时,RSRCD-AMCCKF算法对目标位置和速度估计的精度分别提高了38.4%和27.3%;当测量噪声为非高斯噪声时,RSRCD-AMCCKF算法对目标位置和速度估计的精度分别提高了23.5%和23.9%;当测量值发生突变时,RSRCD-AMCCKF算法对目标位置和速度估计的精度分别提高了12.6%和7.1%。RSRCD-AMCCKF算法在各类测量条件下都具有更高的精度和鲁棒性,更接近目标跟踪的克拉美罗下界,能够较好地实现滤波精度和抗异常测量的统一。
-
-
李晶晶;
孙贞;
满永恒
-
-
摘要:
扩散式子带自适应滤波(Diffusion Subband Adaptive Filtering, DSAF)算法是针对分布式估计中输入信号存在相关性的一种有效解决方案。但现实世界中广泛存在的具有脉冲特性的非高斯噪声会导致传统的DSAF算法性能下降甚至完全失效。同时,水声通信、电话会议等实际应用场合中待估计系统常呈现出稀疏特性,传统的DSAF算法并未充分利用该特性。为此基于稳健估计理论和稀疏信号处理方法深入研究了非高斯噪声下稀疏系统的改进扩散式子带自适应滤波算法,并在不同脉冲性的非高斯噪声环境下对稀疏系统中的改进算法进行了仿真,验证了改进扩散式子带自适应滤波算法的有效性。
-
-
李扬;
赵锋;
刘先斌
-
-
摘要:
本文介绍了大偏差理论的基本思想及其在非高斯随机动力系统的离出问题研究中的应用.依据不同的非高斯噪声类型,本文分别评述了随机混合系统、指数轻跳跃过程和α稳定Lévy噪声驱动的随机动力系统的离出问题的主要研究方法和近期研究进展.针对随机混合系统,本文介绍了利用随机微分方程对其进行近似的拟稳态扩散近似方法,计算拟势和最优离出路径的WKB近似方法与细致平衡条件的研究,以及求解随机混合系统的简化版本(即生灭过程)的离出问题的研究进展.对于指数轻跳跃过程驱动的随机动力系统,本文介绍了其大偏差原理和中度偏差原理的泛函极值问题的建立,拟势概念的定义和平均离出时间的估计.针对具有α稳定Lévy噪声的随机动力系统,本文介绍了计算平均首次离出时间和离出概率的理论和数值方法,计算最优离出路径的Onsager-Machlup理论、机器学习方法、最大似然法和数据驱动方法.最后,给出了非高斯随机动力系统的离出现象相关的一些开放性问题.
-
-
朱兴伟
-
-
摘要:
为了提高无线电协作频谱感知能力,以非高斯噪声作为设计背景,结合现有资源的调度与分配方式,设计了一种无线电协作频谱感知方法.首先,分析主用户信号强度,融合无线电通信信道,构建非高斯噪声稳定分布的感知模型,利用能量检测法在线检测无线电协作频谱能量.其次,离散处理能量信号,设定虚警概率指标,由此得到无线电协作频谱感知门限.最后,利用低阶分数计算,融合处理感知结果,完成对无线电协作频谱的感知.通过实验证明,设计的感知方法能够根据中心极限定理理论进一步推导出感知信道在无衰落时的性能,证明设计方法能够有效降低背景噪音对感知结果造成的影响,进一步提高感知性能.
-
-
王瑞;
张志亮;
郑百东;
戴洪德
-
-
摘要:
为增强机载捷联惯导系统(SINS)在自标定过程中的可观测性,提升陀螺仪漂移和加速度计零偏估计的速度和精度,引入星敏感器姿态信息和GPS速度信息,辅助完成捷联惯导系统的空中标定;同时,考虑在实际空中飞行条件下,受气流、电磁干扰等影响,姿态和速度的量测噪声呈非高斯分布且噪声统计特性不精确,导致经典卡尔曼滤波性能降低;为有效利用量测信号中的高阶矩信息,在卡尔曼滤波中采用最大熵准则代替最小均方误差准则,对星敏感器辅助下的机载捷联惯导系统的误差进行标定;仿真结果表明,经最大熵卡尔曼滤波后,惯性器件误差的标定精度明显提升;在采用星敏感器后,对陀螺仪漂移的标定速度和精度都得到了提升。
-
-
黎东阳;
张正江;
洪智慧;
胡文;
章纯;
张振慧
-
-
摘要:
在复杂的工业生产过程中,控制系统不可能工作在理想的状态,其总会受到外界各种各样的影响,比如,在对反馈信号进行测量时,控制系统不可避免地会受到高斯测量噪声以及非高斯测量噪声的影响;为了降低测量噪声的影响,通常会将各种各样的滤波技术应用到控制系统中来,以此提升控制系统的性能;以孤岛微电网的频率控制系统为研究对象,考虑了当反馈回路有高斯分布测量噪声和非高斯分布测量噪声的两种情况,针对这两种测量噪声信号在模型中引入了动态数据校正滤波技术,分别对比了有无使用动态数据校正滤波技术时电网的频率偏差的方差大小,以此验证了动态数据校正滤波技术在微电网反馈控制回路中可有效抑制测量噪声的影响从而提升微电网频率控制性能。
-
-
黄逸凡;
粟梅
-
-
摘要:
针对非高斯目标动态模型不确定性粒子滤波问题,提出改进的基于模糊C-回归聚类的T-S模糊模型粒子滤波算法。采用T-S模糊模型语义模糊集表示空间特征信息从而高精度近似动态模型,提出基于熵的模糊C-回归聚类方法从而自适应地识别T-S模糊模型的前提参数,调整模型的权重,并使用卡尔曼滤波识别结论参数。通过T-S模糊模型构造重要性密度函数提高采样粒子的鲁棒性和多样性,进一步改进了算法的计算复杂度。仿真验证结果表明,在运动方向突然改变或目标动态模型的先验信息不准确时,该方法可以准确快速地跟踪机动目标。
-
-
王国庆;
杨春雨;
马磊
-
-
摘要:
本文考虑非高斯噪声下传感器网络的状态估计问题.在机动目标跟踪、室内定位、水声导航等应用中,传感器的非高斯噪声会造成针对高斯噪声设计的常规状态估计算法精度下降.在现有针对单传感器系统的基于多变量Laplace(Multivariate Laplace,ML)鲁棒状态估计(Robust State Estimation based on ML,RSE-ML)算法基础上,本文借助信息滤波的特点,推导了针对多传感器系统的集中式RSE-ML(Centralized RSE-ML,CRSE-ML)算法,进一步利用一致性平均得到分布式RSE-ML(Distributed RSE-ML,DRSE-ML)算法.本文提出的DRSE-ML算法中利用ML建模非高斯噪声,借助变分贝叶斯方法估计噪声和状态参数,采用一致性算法进行分布式信息交互,克服了集中式算法通信和计算负担重的缺点,且具有自由参数少、估计精度高的特点.仿真结果表明,所提出的DRSE-ML算法估计精度优于现有相关算法,且能逼近集中式CRSE-ML算法的估计精度.
-
-
李悦;
马晓川;
王磊;
刘宇
-
-
摘要:
由于实际海洋环境中存在大量的非高斯噪声,一些基于高斯假设的传统去噪方法在实际海洋环境中性能下降甚至失效.针对非高斯噪声,如α稳定分布噪声、非平稳行船噪声下的脉冲信号的去噪与重构,该文提出一种基于深度学习的方法.去噪模型首先通过学习带噪信号短时傅里叶变换谱与残差谱之间的映射关系以去除环境噪声,之后对去噪信号的时频谱进行逆变换重构脉冲信号.仿真实验结果表明,深度学习模型在非高斯噪声环境下脉冲信号的去噪与重构任务中有着良好的表现,在实测样本上也表现出良好的泛化性,体现了一定的工程应用价值.
-
-
-
-
冯鹏;
胡昌林
- 《第二届中国测试学术会议》
| 2002年
-
摘要:
非高斯噪声的干扰问题在通信过程中是经常出现的.高阶累积量广泛应用于通信过程中非高斯环境的信号检测问题.首先用高阶累积量方法讨论了非高斯噪声中确定性信号的检测问题,设计了广义匹配滤波器,并与传统的匹配滤波相关检测器的检测性能进行比较,验证了所述算法的有效性.
-
-
许梦阳;
黄金泉
- 《中国航空学会第十八届航空发动机自动控制专业学术交流会》
| 2016年
-
摘要:
针对粒子滤波存在粒子退化、对航空发动机气路突变故障反应迟缓等问题,考虑航空发动机非线性、非高斯的特点,提出一种教与学优化粒子滤波(TLBO-PF)算法.该算法将教与学优化算法引入粒子滤波,并结合粒子滤波的特点引入几种学习策略提高收敛速度和精度.仿真研究表明:TLBO-PF算法与PF算法相比,在高斯噪声和非高斯噪声情况下,航空发动机突变故障诊断精度分别提高了47.95%和49.55%,诊断速度分别提高了16.67倍和31倍.
-
-
-
-
-
刘冰雍;
王平波;
蔡志明;
刘正红
- 《中国声学学会2007年青年学术会议》
| 2007年
-
摘要:
采用广义匹配滤波器在功率谱未知的非高斯噪声中检测宽带信号.在估计功率谱时,为了减小周期图法谱估计产生的误差,采用平滑周期图法来估计非高斯噪声的功率谱,并在此基础上对信号进行恒虚警概率损失下的广义匹配检测.实验表明,用平滑周期图法估计功率谱并进行的广义匹配检测,其检测性能稍弱于功率谱取真值时的检测,但远远优于传统的匹配滤波器.
-
-