导读:本文包含了高斯型功率谱论文开题报告文献综述及选题提纲参考文献，主要关键词:时变功率谱,概率密度函数,非高斯随机过程,非平稳特性
高斯型功率谱论文文献综述
李锦华,李建丰,陈水生,余维光,李春祥[1]（2018）在《具有时变功率谱的非高斯随机过程的数值模拟》一文中研究指出为了有效地模拟具有目标时变功率谱特征的非高斯随机过程,即非平稳非高斯随机过程。提出了基于目标时变功率谱和目标非高斯概率密度函数,通过建立非高斯与高斯随机过程之间相互转换的非线性平移关系,以及非线性平移前后高斯与非高斯随机过程的功率谱或相关函数的转换关系,将非平稳非高斯随机过程转化为非平稳高斯随机过程的模拟;而非平稳高斯随机过程可通过谱表示进行有效的模拟。为了验证该方法的有效性,进行了具有目标非平稳非高斯特征的脉动风速模拟;模拟结果表明:模拟生成的脉动风速样本的功率谱具有时变特征,且瞬时功率谱和相关函数均与目标相吻合;任意时刻脉动风速样本的概率密度函数与目标非高斯函数相互吻合;因此,模拟的随机样本不仅具有目标时变功率的非平稳特征而且还具有目标概率密度函数的非高斯特征,说明了该非平稳非高斯随机过程模拟方法的有效性。(本文来源于《振动与冲击》期刊2018年02期）
翁晓明,史小斌,顾红,苏卫民[2]（2014）在《高斯型功率谱噪声调频信号的性能分析》一文中研究指出具有高斯型功率谱的噪声调频信号通过带限信号处理系统时,存在信号能量与距离分辨力的损失,针对此问题,推导了在带限情况下噪声调频信号的能量表达式与基于自相关函数-3dB主瓣宽度的距离分辨力表达式.结果表明:可以近似认为噪声调频信号所需的最低系统带宽为其9dB带宽,约等于4倍有效调制带宽,此时信号能量损失不超过5%,自相关函数-3dB主瓣展宽不超过12%.仿真实验验证了理论结果的正确性.(本文来源于《电波科学学报》期刊2014年05期）
王钊,顾红,苏卫民,樊劲宇[3]（2013）在《宽带高斯型功率谱噪声信号相关特性分析》一文中研究指出宽带噪声雷达具有良好的抗干扰和低截获性能.传统的窄带相关函数由于忽略了运动目标的多普勒色散效应而无法准确分析宽带信号的相关特性.以宽带噪声调频雷达测量高速目标为研究背景,推导了宽带相关函数均值的解析表达式,并对其进行了仿真验证.在此基础上分析得出,当多普勒色散积较大时宽带相关函数具有双峰特性,并揭示了其产生原因,指出了双峰位置与多普勒色散积及相对带宽之间的关系.为宽带高斯谱噪声雷达的分辨力和检测性能分析以及系统的参数设计提供了理论基础.(本文来源于《电波科学学报》期刊2013年06期）
应冬文,颜永红,付强,国雁萌[4]（2010）在《基于约束高斯混合模型的噪声功率谱估计》一文中研究指出噪声功率谱估计是消噪算法不可或缺的组成部分。本文提出了一种算法,它基于约束的高斯混合模型在对数谱域追踪噪声功率谱,这一模型分别由语音和非语音两个高斯分量组成,这里的非语音均值即是噪声对数功率谱的无偏估计。本算法的焦点问题是估计高斯混合模型的参数集,首先通过EM算法离线初始化模型,然后随着输入信号的变化,通过一阶回归平均逐帧更新模型参数。为了模型的稳定性,我们引入了一些约束到模型中。本算法和主流的算法,如最小统计(MS)、最小控制的回归平均(MCRA)、提高版本的最小控制的回归平均(IMCRA),进行了比较,实验表明本算法优于这些主流的算法。(本文来源于《2010年通信理论与信号处理学术年会论文集》期刊2010-08-20）
高许岗,苏卫民,顾红[5]（2010）在《高斯型功率谱随机噪声斜视合成孔径雷达距离-多普勒成像算法》一文中研究指出由于斜视随机噪声合成孔径雷达(SAR)的信号没有解析式,且通常的线性调频信号SAR的成像算法不再适用,提出了一种随机噪声斜视SAR距离多普勒(RD)成像算法。该算法根据随机噪声信号距离向处理的特点,先进行距离向部分处理,然后在二维频域进行距离弯曲和距离走动校正,因此,其对小斜视随机噪声SAR能获取较好的图像。仿真结果表明该算法的有效性和正确性。(本文来源于《探测与控制学报》期刊2010年03期）
查代奉,林政剑,樊红社,邱天爽,张贤达[6]（2009）在《基于对数变换的非高斯噪声几何功率谱特性分析》一文中研究指出在简要介绍稳定分布统计特性的基础上,介绍了常用的信号非线性变换方法,建立不同于传统二阶过程的对数阶过程及其几何功率、几何相关、几何功率谱密度等新的信号分析概念,提出了一种新的稳定分布对数阶白噪声概念及其判断准则,建立了一种基于非线性变换的重拖尾稳定分布脉冲信号分析的新框架与模型。计算机模拟表明,这种模型是一种在高斯和分数低阶α稳定分布噪声条件下具有良好韧性的模型,是对传统的基于二阶统计量基础上的信号模型分析方法的改造与推广。(本文来源于《九江学院学报》期刊2009年06期）
李丽月,唐向宏,赵玲,申传朋[7]（2008）在《基于高斯和功率谱特性的小波调制识别研究》一文中研究指出小波调制是一种全新的多载波通信调制方式,该文基于OFDM和小波调制信号的渐近高斯分布和频谱特性,探讨了加性高斯白噪声信道条件下小波调制信号的识别。利用调制信号的高阶统计量和功率谱峰度为分类特征,采用信噪比与特征参数联合估计的方法,分别实现多载波与单载波调制信号、OFDM与小波调制信号的识别。仿真实验结果表明,该方法具有良好的识别性能,且能很好的抑制高斯噪声的干扰。(本文来源于《浙江省电子学会2008年学术年会论文集》期刊2008-11-01）
李丽月,唐向宏,赵玲,申传朋[8]（2008）在《基于高斯和功率谱特性的小波调制识别研究》一文中研究指出小波调制是一种全新的多载波通信调制方式,该文基于OFDM和小波调制信号的渐近高斯分布和频谱特性,探讨了加性高斯白噪声信道条件下小波调制信号的识别。利用调制信号的高阶统计量和功率谱峰度为分类特征,采用信噪比与特征参数联合估计的方法,分别实现多载波与单载波调制信号、OFDM与小波调制信号的识别。仿真实验结果表明,该方法具有良好的识别性能,且能很好的抑制高斯噪声的干扰。(本文来源于《杭州电子科技大学学报》期刊2008年05期）
孙伟民,杨洋[9]（2007）在《联合变换图像识别中功率谱高斯掩膜处理方法》一文中研究指出本文提出了一种基于在光学频谱面上进行光学高斯高通滤波的实时处理方法。此方法将一个高斯掩膜覆盖在位于光学频谱面上的CCD中心位置,从而明显降低了相关图像中自相关峰的高度和宽度。通过比较不同的参数效果,确定了一种用于实验的高斯函数滤波器。通过系列实验研究发现,本方法可以明显提高联合变换相关器的效果和速度。(本文来源于《光电工程》期刊2007年10期）
蒋瑜,陈循,陶俊勇,张春华[10]（2006）在《指定功率谱密度、偏斜度和峭度值下的非高斯随机过程数字模拟》一文中研究指出无记忆非线性变换是传统非高斯随机过程模拟中经常使用的方法,然而,用于模拟同时具有指定功率谱密度、偏斜度和峭度值的非高斯随机过程时迭代过程复杂耗时,且精度也难以保证。通过理论推导,分析并得到了一种新的基于IFFT和时域随机化的非高斯随机过程模拟算法,能够方便快捷地模拟具有指定功率谱密度、偏斜度和峭度值的平稳非高斯信号。在此基础上进行了数值仿真实验,数值仿真结果与理论分析结果相一致,显示了该方法的有效性。(本文来源于《系统仿真学报》期刊2006年05期）
高斯型功率谱论文开题报告
（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：
具有高斯型功率谱的噪声调频信号通过带限信号处理系统时,存在信号能量与距离分辨力的损失,针对此问题,推导了在带限情况下噪声调频信号的能量表达式与基于自相关函数-3dB主瓣宽度的距离分辨力表达式.结果表明:可以近似认为噪声调频信号所需的最低系统带宽为其9dB带宽,约等于4倍有效调制带宽,此时信号能量损失不超过5%,自相关函数-3dB主瓣展宽不超过12%.仿真实验验证了理论结果的正确性.
（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。
高斯型功率谱论文参考文献
[1].李锦华,李建丰,陈水生,余维光,李春祥.具有时变功率谱的非高斯随机过程的数值模拟[J].振动与冲击.2018
[2].翁晓明,史小斌,顾红,苏卫民.高斯型功率谱噪声调频信号的性能分析[J].电波科学学报.2014
[3].王钊,顾红,苏卫民,樊劲宇.宽带高斯型功率谱噪声信号相关特性分析[J].电波科学学报.2013
[4].应冬文,颜永红,付强,国雁萌.基于约束高斯混合模型的噪声功率谱估计[C].2010年通信理论与信号处理学术年会论文集.2010
[5].高许岗,苏卫民,顾红.高斯型功率谱随机噪声斜视合成孔径雷达距离-多普勒成像算法[J].探测与控制学报.2010
[6].查代奉,林政剑,樊红社,邱天爽,张贤达.基于对数变换的非高斯噪声几何功率谱特性分析[J].九江学院学报.2009
[7].李丽月,唐向宏,赵玲,申传朋.基于高斯和功率谱特性的小波调制识别研究[C].浙江省电子学会2008年学术年会论文集.2008
[8].李丽月,唐向宏,赵玲,申传朋.基于高斯和功率谱特性的小波调制识别研究[J].杭州电子科技大学学报.2008
[9].孙伟民,杨洋.联合变换图像识别中功率谱高斯掩膜处理方法[J].光电工程.2007
[10].蒋瑜,陈循,陶俊勇,张春华.指定功率谱密度、偏斜度和峭度值下的非高斯随机过程数字模拟[J].系统仿真学报.2006