一种基于循环小波累积量的谐波恢复方法

来源 :信号处理 | 被引量 : 0次 | 上传用户:kimi170
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
循环统计量是乘性和加性噪声中谐波恢复问题的主要分析工具之一。本文在其基础上提出了一种新的理论与方法——基于循环小波累积量的谐波恢复方法。首先,提出了循环小波累积量的定义。然后,建立了基于一阶、二阶、三阶循环小波累积量的谐波分量的频率和相位的估计方法。在此基础.L,采用了一种可调参数的小波,通过调节其参数来改善传统方法中频率分辨率低的缺陷。最后给出了模拟实验结果。
其他文献
本文提出了一种复值函数型连接神经网络(CFLNN)结构,可以对复数域信号进行快速处理.函数型连接神经网络通过对输入模式预先进行非线性扩展,增强了输入信号的模式表达,从而可
如何从低信噪比的序列图像中准确、可靠地检测及定位功能激发信号成为功能磁共振(fMRI)数据分析的关键问题。通过分析MRI的Rician噪声特性,我们得到平方幅度图像的小波系数是无噪的平方幅度图像的小波系数的无偏估计,并提出了一种新的小波域多尺度分析fMRI数据的方法。该方法基于对fMRI平方幅度序列图像进行多尺度离散小波分解,然后对滤波后的小波系数直接进行统计参数检验,最终对统计显著的系数进行小波
本文提出了一种改进由时频不相交分量组成信号的双线性时频分布的分辨率和可读性的方法.用修正的Xie-Beni聚类有效性指标对熵调整模糊c-均值聚类算法进行拓展将模糊聚类与密
量子计算与人工神经网络相结合的量子神经网络(QNN-Quantum Neural Networks)由于利用了量子并行计算和量子纠缠等特性从而克服了传统人工神经网络的某些固有缺陷,将成为未来