导读:本文包含了高斯有色噪声论文开题报告文献综述、选题提纲参考文献，主要关键词:噪声,高斯,谐波,高阶,协方差,卡尔,频率。
高斯有色噪声论文文献综述写法
王臻,李承,林志芳,李惠章[1]（2017）在《考虑高斯有色噪声的FOMC-HTLS-Adaline算法在低频振荡模式辨识中的研究》一文中研究指出针对广域测量系统的实测信号受高斯色噪声的影响,提出一种利用FOMC-HTLSAdaline进行低频振荡在线辨识的新方法。首先,为抑制高斯色噪声的影响,利用四阶混合累积量的盲高斯性,将四阶混合累积量(FOMC)序列代替实测序列进行低频振荡的辨识。然后,利用HTLS和自适应神经网络算法(Adaline ANN)相结合,估计出低频振荡的频率、衰减因子、幅值和相位。Adaline神经网络的引入解决了四阶混合累积处理后,模式幅值和相位不易确定的难点,同时减少矩阵处理引入的误差累积,提高检测精度。四机两区域系统仿真算例和实测相量测量单元(PMU)算例共同表明,FOMC-HTLS-Adaline算法可以在高斯色噪声环境下,精确地在线辨识系统振荡模式。(本文来源于《电工技术学报》期刊2017年06期）
王臻[2]（2016）在《高斯有色噪声背景下电力系统低频振荡在线模式识别的研究》一文中研究指出电力系统低频振荡问题作为互联电力系统固有现象,严重地制约了联络线功率传输,同时也严重地威胁电网的安全稳定运行。实测PMU信号实时反映系统运行状态,且不需要对复杂系统进行数学建模,有效弥补了传统基于模型的特征值分析方法固有不足。目前大部分基于广域测量PMU数据进行低频振荡的辨识算法往往只考虑高斯白色噪声,忽略了高斯有色噪声对辨识的影响。本文主要研究了高斯色噪声背景下电力系统低频振荡的在线检测算法。具体内容如下:首先,着重研究了在不同程度的高斯白噪声下Prony、HTLS(Hankel Total Least Squares)、MP(Matrix Pencil)、SVD-Prony算法的辨识性能。借鉴HTLS算法、MP算法良好的抗噪能力,对采样数据直接建立的Hankel矩阵进行SVD滤波并与Prony相结合,提出了具有较好抗噪能力SVD-Prony算法。通过理想测试信号算例、四机两区仿真系统算例、HZ电网一组实测PMU数据验证了Prony、HTLS、MP、SVD-Prony算法的检测性能。其次,研究了高斯有色噪声背景下基于高阶混合累积量相关低频振荡检测算法。详细推导了无限长数据和单记录有限长数据背景下的四阶混合累积量(FOMC),利用高阶混合累积量的盲高斯性,提出可抑制高斯噪声(包括高斯有色噪声)的FOMC-Prony、FOMC-HTLS、FOMC-MP叁种算法。通过理想测试信号算例和以及HZ电网实测PMU信号两组数据算例进行检测分析,表明所提的FOM相关算法可抑制高斯色噪声、提高检测精度的能力、同时在四阶混合累积量算法下原始信号模态信息的求解更好实现算法的定量评价。然后,研究了高斯有色噪声背景下基于互相关函数滤波(CCF)的低频振荡检测算法。详细推导了无限长数据和有限长数据背景下互相关函数对高斯噪声(包括高斯色噪声)的处理。利用互相关函数序列和原始信号具有相同的频率和衰减因子,同时可以抑制高斯噪声这一性质,提出可抑制高斯有色噪声并可获得原始模态信息的CCF-Prony、CCF-HTLS、CCF-MP这叁种算法。最后,同样通过理想测试信号算例和以及HZ电网实测PMU信号两组数据算例进行检测分析,表明所提的CCF相关算法实现了抑制高斯色噪声、提高检测精度的能力和对算法重构信号的定量评价。最后,针对FOMC序列CCF序列模态信息与原始振荡模式不同,模态求取不易,而总体最小二乘法求取模态精度不足、容易在多维矩阵求逆过程中出现病态等不足,提出了利用Adaline神经网络求取低频振荡模态信息的方法。给出了高斯色噪声背景下,已知频率和衰减因子的情况下,利用Adaline神经网络求取原始信号模态参数的详细步骤,并提出了FOMC-HTLS-Adaline、FOMC-MP-Adaline、CCF-HTLS-Adaline、CCF-MP-Adaline这四种算法。同样通过理想测试信号算例和以及HZ电网实测PMU信号两组数据算例进行检测分析,并探究了Adaline神经网络的学习速率η的取值大小与权向量的调节精度和收敛速度的关系。最后,从运算效率和拟合精度的角度分析并比较上述所提的FOMC相关算法、CCF相关算法、以及Adaline相关算法。表明FOMC-HTLS、CCF-HTLS、FOMC-HTLS-Adaline、CCF-HTLS-Adaline算法的运算效率最高,Adaline神经网络相关算法算法,如FOMC-HTLS-Adaline、FOMC-MP-Adaline、CCF-HTLS-Adaline、CCF-MP-Adaline的拟合精度整体最高。(本文来源于《华中科技大学》期刊2016-05-01）
马丽丽,张曼,陈金广[3]（2015）在《有色噪声条件下的高斯和卡尔曼滤波算法》一文中研究指出标准卡尔曼滤波假设系统的过程噪声和量测噪声是均值为零的高斯白噪声,但在实际应用中,经常会遇到噪声为非高斯分布的有色噪声,因此不能直接使用卡尔曼滤波算法。针对该问题,提出一种有色噪声条件下的高斯和卡尔曼滤波算法。分别采用状态扩增法和量测扩增法对过程噪声和量测噪声进行白化处理;根据高斯和滤波思想,用多个高斯项的迭加来近似非高斯分布,实现对系统的状态估计。实验结果表明,该算法能够有效去除有色噪声影响,提高滤波精度。(本文来源于《计算机工程与设计》期刊2015年10期）
林政剑,李卫升,查代奉[4]（2010）在《低阶非高斯有色噪声的Wigner-Ville谱》一文中研究指出文章对无限方差非高斯有色噪声进行时频分析,介绍了Wigner-Ville谱及分数低阶协方差的概念;定义了分数低阶Wigner-Ville谱;讨论了分数低阶Wigner-Ville谱的性质。α稳定分布的随机过程,没有有限的二阶矩,但可以利用非线性变换函数抑制稳定分布尖峰脉冲的特性,对α稳定分布随机过程作非线性变换,变换后的随机过程存在二阶矩。在有用信号中加入不同的稳定分布噪声分别进行不同的非线性变换后分析其Wign-er-Ville谱,计算机仿真实验表明,经过非线性变换后的Wigner-Ville谱能够对α稳定分布噪声背景下的信号进行有效识别,是一种有效的α稳定分布的时频域分析工具。(本文来源于《九江学院学报(自然科学版)》期刊2010年03期）
罗博,孙超[5]（2009）在《有色高斯噪声中瞬态信号的恒虚警检测研究》一文中研究指出1引言随着水下目标辐射噪声的下降,无源检测和识别水下目标越来越困难。水中舰船、鱼雷等目标由于机械设备的运行状态、工况等发生变化,不可避免地发出瞬态信号,利用这些突发性的瞬态信号,可以发现目标甚至识别目标。Nutall提出的Power-Law非参量检测器特别适于检测未知物理过程产生的瞬态信号。文献[2]给出了通过相邻两个(本文来源于《中国声学学会2009年青年学术会议[CYCA’09]论文集》期刊2009-10-01）
张文龙,黄振华[6]（2009）在《低漂移有色高斯噪声的产生》一文中研究指出给出了使有色高斯噪声具有给定的相关系数的一种算法和程序.同时给出了减小所产生的有色高斯噪声的零均值慢漂移的方法.(本文来源于《上海师范大学学报(自然科学版)》期刊2009年04期）
张坤雷,王树勋,汪飞[7]（2007）在《非高斯有色噪声背景下二维谐波频率估计的累积量投影方法》一文中研究指出针对非高斯有色噪声中的二维谐波频率估计问题,该文提出了复数线性非高斯过程的二维累积量投影定理。应用该定理并巧妙地构造观测信号的高阶累积量求得非高斯噪声的自相关,并通过求解一个广义特征值对噪声空间进行预白化,然后结合高分辨率的子空间方法二维MUSIC估计得到二维谐波参量。该文方法解决了非高斯有色噪声中的二维谐波频率估计问题,特别地当非高斯噪声为对称分布和谐波信号中存在二次相位耦合时该文方法同样有效。仿真实验验证了该文结论。(本文来源于《电子与信息学报》期刊2007年10期）
闵芳[8]（2006）在《基于高斯有色噪声环境下的语音端点检测》一文中研究指出语音端点检测是语音信号处理的基础环节，其有效的、准确的检测可以影响后继的实验结果。 由于信号在采集、传输或者处理的过程中容易被污染而含有噪声，因此在语音端点检测研究中，首先要对采集的语音信号进行降噪。在本论文中，使用高斯有色噪声作为噪声源；通过算法生成N(0，1)高斯有色噪声，并与其他常用的噪声性质相对比，归纳总结其特点。 分析实验中产生的高斯有色噪声以及采集到的信号奇异性。将高斯有色噪声作为加性噪声加入到信号中，根据总结信号的奇异性按照算法降噪。算法的主要思想是将信号按照小波多分辨率的特性进行小波多层分解，计算各层小波系数的模极大值位置，根据各层模极大值对应点的位置，以及小波系数之间的关系，判断信号点、噪声点，根据其传播规律来保留信号点，修改噪声模极大值点的数值，达到降噪的效果。 以往的语音端点检测算法使用短时能量和短时过零率，本文在算法方面对其做了些改进：将信号首先小波分解，提取低频系数，对低频系数分帧，计算各帧数据的短时过零率和短时能量，与设定的阈值比较，得到信号端点检测的结果。因为首先对信号进行小波分解，使用低频系数，所以减少了程序的计算量，实验结果表明提高了端点检测的准确率，而且减少了检测的时间。(本文来源于《上海师范大学》期刊2006-05-01）
向前,徐剑波,林春生[9]（2005）在《基于互谱估计的非高斯有色噪声中的谐波恢复》一文中研究指出讨论了一种基于正弦信号扩阶互相关矩阵的MUSIC算法及其在非高斯有色噪声下的性能。提出利用滤波器组先将输入信号分为若干频段,然后再在各频段上分别进行谐波恢复的方法。这种算法对信号源数目的多少具有较好的鲁棒性,且可以有效地区分真实谱峰与伪峰,并具有较高的精度和稳定性。仿真及实测数据实验证明了算法的有效性。(本文来源于《探测与控制学报》期刊2005年02期）
王书明,王家映[10]（2004）在《利用高阶谱重构功率谱抑制高斯有色噪声》一文中研究指出在大地电磁测深法(MT)中,天然交变电磁场是其研究的主要对象。天然电磁场通常非常微弱,而传统的MT处理方法抑制噪声能力,尤其是抑制有色噪声能力相对较弱,从而导致大地电磁响应函数经常出现形态异常,在资料反演解释时,许多地质特征难以有效提取出来,这些问题严重阻碍了MT的实际应用效能和发展。根据任何高斯过程,其高阶统计量(高阶累积量,高阶谱)均为零的性质,通过信号的高阶谱恢复功率谱,再由功率谱估算MT响应函数,以抑制高斯有色噪声的影响。数值模拟试验显示,这种方法在抑制高斯有色噪声方面优于传统功率谱方法。(本文来源于《科学技术与工程》期刊2004年02期）
高斯有色噪声论文开题报告范文
（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：
电力系统低频振荡问题作为互联电力系统固有现象,严重地制约了联络线功率传输,同时也严重地威胁电网的安全稳定运行。实测PMU信号实时反映系统运行状态,且不需要对复杂系统进行数学建模,有效弥补了传统基于模型的特征值分析方法固有不足。目前大部分基于广域测量PMU数据进行低频振荡的辨识算法往往只考虑高斯白色噪声,忽略了高斯有色噪声对辨识的影响。本文主要研究了高斯色噪声背景下电力系统低频振荡的在线检测算法。具体内容如下:首先,着重研究了在不同程度的高斯白噪声下Prony、HTLS(Hankel Total Least Squares)、MP(Matrix Pencil)、SVD-Prony算法的辨识性能。借鉴HTLS算法、MP算法良好的抗噪能力,对采样数据直接建立的Hankel矩阵进行SVD滤波并与Prony相结合,提出了具有较好抗噪能力SVD-Prony算法。通过理想测试信号算例、四机两区仿真系统算例、HZ电网一组实测PMU数据验证了Prony、HTLS、MP、SVD-Prony算法的检测性能。其次,研究了高斯有色噪声背景下基于高阶混合累积量相关低频振荡检测算法。详细推导了无限长数据和单记录有限长数据背景下的四阶混合累积量(FOMC),利用高阶混合累积量的盲高斯性,提出可抑制高斯噪声(包括高斯有色噪声)的FOMC-Prony、FOMC-HTLS、FOMC-MP叁种算法。通过理想测试信号算例和以及HZ电网实测PMU信号两组数据算例进行检测分析,表明所提的FOM相关算法可抑制高斯色噪声、提高检测精度的能力、同时在四阶混合累积量算法下原始信号模态信息的求解更好实现算法的定量评价。然后,研究了高斯有色噪声背景下基于互相关函数滤波(CCF)的低频振荡检测算法。详细推导了无限长数据和有限长数据背景下互相关函数对高斯噪声(包括高斯色噪声)的处理。利用互相关函数序列和原始信号具有相同的频率和衰减因子,同时可以抑制高斯噪声这一性质,提出可抑制高斯有色噪声并可获得原始模态信息的CCF-Prony、CCF-HTLS、CCF-MP这叁种算法。最后,同样通过理想测试信号算例和以及HZ电网实测PMU信号两组数据算例进行检测分析,表明所提的CCF相关算法实现了抑制高斯色噪声、提高检测精度的能力和对算法重构信号的定量评价。最后,针对FOMC序列CCF序列模态信息与原始振荡模式不同,模态求取不易,而总体最小二乘法求取模态精度不足、容易在多维矩阵求逆过程中出现病态等不足,提出了利用Adaline神经网络求取低频振荡模态信息的方法。给出了高斯色噪声背景下,已知频率和衰减因子的情况下,利用Adaline神经网络求取原始信号模态参数的详细步骤,并提出了FOMC-HTLS-Adaline、FOMC-MP-Adaline、CCF-HTLS-Adaline、CCF-MP-Adaline这四种算法。同样通过理想测试信号算例和以及HZ电网实测PMU信号两组数据算例进行检测分析,并探究了Adaline神经网络的学习速率η的取值大小与权向量的调节精度和收敛速度的关系。最后,从运算效率和拟合精度的角度分析并比较上述所提的FOMC相关算法、CCF相关算法、以及Adaline相关算法。表明FOMC-HTLS、CCF-HTLS、FOMC-HTLS-Adaline、CCF-HTLS-Adaline算法的运算效率最高,Adaline神经网络相关算法算法,如FOMC-HTLS-Adaline、FOMC-MP-Adaline、CCF-HTLS-Adaline、CCF-MP-Adaline的拟合精度整体最高。
（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。
高斯有色噪声论文参考文献
[1].王臻,李承,林志芳,李惠章.考虑高斯有色噪声的FOMC-HTLS-Adaline算法在低频振荡模式辨识中的研究[J].电工技术学报.2017
[2].王臻.高斯有色噪声背景下电力系统低频振荡在线模式识别的研究[D].华中科技大学.2016
[3].马丽丽,张曼,陈金广.有色噪声条件下的高斯和卡尔曼滤波算法[J].计算机工程与设计.2015
[4].林政剑,李卫升,查代奉.低阶非高斯有色噪声的Wigner-Ville谱[J].九江学院学报(自然科学版).2010
[5].罗博,孙超.有色高斯噪声中瞬态信号的恒虚警检测研究[C].中国声学学会2009年青年学术会议[CYCA’09]论文集.2009
[6].张文龙,黄振华.低漂移有色高斯噪声的产生[J].上海师范大学学报(自然科学版).2009
[7].张坤雷,王树勋,汪飞.非高斯有色噪声背景下二维谐波频率估计的累积量投影方法[J].电子与信息学报.2007
[8].闵芳.基于高斯有色噪声环境下的语音端点检测[D].上海师范大学.2006
[9].向前,徐剑波,林春生.基于互谱估计的非高斯有色噪声中的谐波恢复[J].探测与控制学报.2005
[10].王书明,王家映.利用高阶谱重构功率谱抑制高斯有色噪声[J].科学技术与工程.2004