有噪聲信號對準理論與應用研究.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行平均。但由于信號之間存在著隨機的相對時移，導致估計出的信號產生失真，因此平均之前需要將有噪聲信號對準。質心估計算法和相關函數(shù)法是估計相對時移的經典方法。為了使算法對噪聲干擾具有魯棒性，在這兩類方法的基礎上，又提出了自適應質心估計算法、完全相關函數(shù)法以及自適應相關函數(shù)法等改進方案。但目前這些方法的性能評估僅建立在仿真和實驗的基礎上，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)計學習理論的支持向量機方法在短短幾年內取得了巨大的成就。它以堅實的理論基礎和完善的算法在很多領域替代了神經網(wǎng)絡。目前支持向量機多應用于模式識別和預測當中，如果能利用其優(yōu)秀的泛化性能，對信號中的加性隨機噪聲進行抑制，那么就會給其開辟一塊新的領域。鑒于此，本論文對有噪聲信號對準理論進行系統(tǒng)的研究，并提出改進的算法。
　　首先由于有噪聲信號質心受到噪聲的干擾，是一個隨機變量，因此從理論推導和仿真估計兩方面研究噪聲分布的

3、均值、標準差以及長度因素對有噪聲信號質心分布的影響，并建立有噪聲信號的質心模型以及基于質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，并提出相應的改進方案。
　　其次對自適應質心估計算法建立理論模型，詳細分析該算法的原理，討論其局限性。由于當信噪比低到一定程度時，有用信號的損失過大，會導致引入新的隨機時移，使算法完全失效，因此通過將信號分組的方式提出改進的自適應質心估計算法，并對分組的原則進行研究。同時由于相關函數(shù)

4、法是時移估計的經典方法，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，總結出它的不足，然后通過仿真與改進的自適應質心估計算法進行性能比較。
　　接著根據(jù)支持向量機有堅實的理論基礎和良好的泛化能力的特點，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，通過仿真驗證理論分析的結果。將支持向量機用于信號對準中，即對有噪聲信號先用支持向量機進行預處理，然后通過簡單

5、的電平檢測法將這些信號對準。通過仿真，將改進的自適應質心法、相關函數(shù)法和由支持向量機預處理后的電平檢測法的效果進行對比。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。
　　最后將對準理論應用到”nose-to-nose”校準技術中，對實驗采集的信號分別用改進的自適應質心法、相關函數(shù)法和SVM方法進行對準處