ارائه یک الگوریتم جدید بر اساس مدل های پارامتری سیگنال به منظور تخمین طیف سیگنال نویزی غیرگوسی

سال انتشار: 1397
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 380

فایل این مقاله در 11 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_TJEE-48-2_006

تاریخ نمایه سازی: 17 تیر 1398

چکیده مقاله:

در این مقاله یک روش جدید برای تخمین طیف سیگنال در حضور نویز اندازه گیری ارائه شده است. نویز زمینه دارای توزیع غیرگوسی آلفا-پایدار متقارن است. پارامترهای سیگنال از طریق روش های طیفی به صورت مدل خود کاهنده (AR) مدل شده است. پس از محاسبه میزان بایاس ایجادشده در پارامترهای سیگنال، به حذف آن با استفاده از معادلات یول واکر تعمیم یافته پرداخته شده است. در توزیع آلفا-پایدار فرم بسته فرمولی برای توابع چگالی احتمال و توزیع تجمعی احتمال وجود ندارد. هم چنین نامحدود بودن مقدار واریانس در این توزیع، موجب ناکارآمدی در استفاده از ضرایب همبستگی و روش های معمول تخمین پارامتر شده است. با ارائه یک فرم بسته فرمولی جدید بر اساس ضرایب هم تغییر، حذف این بایاس در قالب یک الگوریتم تکرارشونده صورت گرفته است. نتایج حاصل از شبیه سازی الگوریتم پیشنهادی نشان می دهد که در نسبت های سیگنال به نویز dB 10 و بالاتر، بیش از 20 درصد بهبود دقت، در تخمین پارامترهای مدل AR نویزی نسبت به روش یول واکر ایجادشده است. همچنین نتایج نشان می دهد تخمین های حاصل از روش پیشنهادی نسبت به جابه جایی قطب های مدل بسیار مقاوم تر از روش یول واکر است و برای مدل های AR با قطب های نزدیک به مرزهای دایره واحد بهبود قابل توجهی نسبت به روش یول واکر مرتبه بالا نشان می دهد.

کلیدواژه ها:

توزیع آلفا-پایدار متقارن ، مدل AR ، معادلات یول واکر تعمیم یافته

نویسندگان

میثم بیات

تهران - دانشگاه علوم و فنون هوایی شهید ستاری - دانشکده مهندسی برق

امین کدیور

دانشگاه شیراز - دانشکده مهندسی برق و کامپیوتر

حمید رادمنش

تهران - دانشگاه علوم و فنون هوایی شهید ستاری - دانشکده مهندسی برق

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • مجتبی حاجی آبادی، عباس ابراهیمی مقدم و حسین خوش بین، ... [مقاله ژورنالی]
  • احمد قلی زاده سوته، حسین خالقی بیزکی، تخمین پارامترهای کد ... [مقاله ژورنالی]
  • S. M. Kay, Modern spectral estimation: theory and application, Englewood ...
  • P. Stoica and R. L. Moses, Spectral analaysis of signals, ...
  • A. Amini, Th. Philippe, J. Paul Ward, and M. Unser, ...
  • A. Wyłomańska and G. Janusz, Stable continuous-time autoregressive process driven ...
  • D. Gencaga, E. Kuruoglu, and A. Ertuzun, Estimation of time-varying ...
  • M. Xiong, Zh. Daifeng, and J. Jinlong, Improved Whitening Method ...
  • M. Alexandr, Parameter estimation in an autoregression model with infinite ...
  • W. X. Zheng, A least-squares based method for autoregressive signals ...
  • N. Balakrishna and G. Hareesh, Stable Autoregressive Models and Signal ...
  • E. Ollila, Complex elliptically symmetric distributions: Survey, new results and ...
  • Z. Hashemifard, H. Amindavar, and A. Amini, Parameters estimation for ...
  • Bibalan, M. Hassannejad, and H. Amindavar, On parameter estimation of ...
  • W. Chunyang, X. Liu, and B. Fan, Estimation method for ...
  • T. Yong, X. Zhong, and L. Zhong, Time-delay estimation based ...
  • M. Shao and Ch. L. Nikias, Signal processing with fractional ...
  • C. M. Gallagher, A method for fitting stable autoregressive models ...
  • G. Samoradnitsky and M. S.Taqqu, Stable non-Gaussian random processes:stochastic models with ...
  • G. Akbarizadeh, A new statistical-based kurtosis wavelet energy feature for ...
  • Z. Tirandaz, G. Akbarizadeh, A two-phase algorithm based on kurtosis ...
  • E. Jokar and H. Pourghassem, Segmentation in Ultrasound Images Using ...
  • M. Testa, E. Magli, Compressive estimation and imaging based on ...
  • G. Zhai, X. Wu, Hybrid parametric-nonparametric modeling with application to ...
  • نمایش کامل مراجع