《超低頻非高斯噪聲模型及應用》介紹和討論了低頻(超低頻)無線通信非高斯噪聲建模和參數(shù)估計原理與方法,系統(tǒng)地介紹非高斯噪聲建模的數(shù)學物理基礎,參數(shù)估計的方法和主要關(guān)鍵技術(shù)。內(nèi)容有:非高斯噪聲的經(jīng)驗模型和統(tǒng)計物理模型,低頻大氣噪聲幅度概率分布模式的辨識,非高斯噪聲環(huán)境中的最優(yōu)接收機,噪聲模型的參數(shù)估計三種方法:特征函數(shù)譜法、馬爾可夫鏈蒙特卡羅法和重要性采樣。最后介紹超低頻實驗接收機工程實現(xiàn)的若干重要問題。
本書可供從事軍事通信、低頻無線電研究、聲納與雷達信號處理等領域的研究人員和工程技術(shù)人員參考,也可作為高等學校信號處理和相關(guān)專業(yè)的本科生和研究生的參考用書。
第1章 緒論 1.1 超低頻非高斯噪聲模型研究的意義 1.2 超低頻大氣噪聲 1.3 非高斯噪聲模型簡要歷史回顧 1.3.1 經(jīng)驗噪聲模型 1.3.2 統(tǒng)計物理噪聲模型 1 第1章 緒論 1.1 超低頻非高斯噪聲模型研究的意義 1.2 超低頻大氣噪聲 1.3 非高斯噪聲模型簡要歷史回顧 1.3.1 經(jīng)驗噪聲模型 1.3.2 統(tǒng)計物理噪聲模型 1.4 噪聲模型的參數(shù)估計第2章 非高斯噪聲理論模型的建立 2.1 Class A和Class B噪聲模型 2.2 Class A和Class B噪聲模型的數(shù)學表達式 2.2.1 廣義基本噪聲模型 2.2.2 Class A和Class B幅度概率分布 2.3 α穩(wěn)定過程 2.3.1 α穩(wěn)定分布定義 2.3.2 α穩(wěn)定分布特例 2.3.3 α穩(wěn)定分布矩性質(zhì)第3章 超低頻大氣噪聲幅度概率分布模式的辨識 3.1 引言 3.2 超低頻大氣噪聲建模的理論依據(jù) 3.3 超低頻大氣噪聲測量設備簡介 3.4 超低頻信道電磁噪聲數(shù)據(jù)的測量分析方法 3.5 超低頻信道電磁噪聲數(shù)據(jù)的預處理 3.6 超低頻信道電磁噪聲數(shù)據(jù)的非正態(tài)分布檢驗 3.7 寬帶超低頻信道大氣噪聲數(shù)據(jù)的幅度統(tǒng)計特性分析 3.8 窄帶超低頻信道大氣噪聲數(shù)據(jù)的幅度統(tǒng)計特f生分析 3.9 結(jié)論第4章 非高斯噪聲中的信號檢測 4.1 最優(yōu)接收機結(jié)構(gòu) 4.1.1 局部最佳接收機結(jié)構(gòu) 4.1.2 次優(yōu)接收機結(jié)構(gòu) 4.1.3 非線性處理器的性能估計 4.2 非高斯噪聲環(huán)境下Turbo碼的譯碼算法性能分析及改進 4.2.1 Class A噪聲模型的簡化 4.2.2 非高斯噪聲LOG-MAP-CA算法推導 4.2.3 仿真結(jié)果及討論 4.3 噪聲的非參數(shù)概率密度估計 4.4 概率密度與非線性函數(shù)聯(lián)合估計方法 4.5 本章MATLAB仿真程序及子程序第5章 基于特征函數(shù)譜噪聲模型的參數(shù)估計 5.1 引言 5.2 基于特征函數(shù)的Class A參數(shù)估計算法 5.2.1 Class A模型的特征函數(shù) 5.2.2 基于特征函數(shù)的Class A模型參數(shù)估計算法的推導 5.2.3 基于特征函數(shù)的Class A模型參數(shù)估計算法仿真 5.3 基于特征函數(shù)求逆的最大似然參數(shù)估計算法 5.3.1 概率密度函數(shù)的FFT形式 5.3.2 最大似然估計 5.3.3 實驗仿真 5.4 Class B噪聲模型的參數(shù)估計 5.4.1 Class B噪聲模型 5.4.2 Class B噪聲模型參數(shù)估計算法 5.4.3 Class B參數(shù)估計算法的仿真及結(jié)論 5.5 Class B噪聲模型的非線性回歸估計 5.5.1 非線性回歸估計 5.5.2 初始值估計和{λκ}序列的生成 5.5.3 仿真及實際結(jié)果 5.6 本章MATLAB仿真程序及子程序第6章 馬爾可夫鏈蒙特卡羅法噪聲模型的參數(shù)估計 6.1 混合模型的McMc參數(shù)估計 6.1.1 Α穩(wěn)定分布乘法性質(zhì) 6.1.2 混合模型 6.1.3 貝葉斯層次模型和先驗 6.1.4 MCMC算法 6.1.4.1 通過Gibbs抽樣更新權(quán)重系數(shù)ω 6.1.4.2 通過Gibbs抽樣更新參數(shù)γ 6.1.4.3 通過Gibbs抽樣更新參數(shù)σ-2 6.1.4.4 通過Metropolis-Hastings算法更新a 6.1.4.5 通過Gibbs抽樣更新參數(shù)K,β 6.1.4.6 更新標簽變量z 6.1.4.7 通過Metropolis-Hastings算法更新變量λ 6.1.5 仿真及實測結(jié)果 6.2 基于最大后驗概率的Class A參數(shù)估計算法 6.2.1 基于最大后驗概率參數(shù)估計算法推導 6.2.2 基于最大后驗概率的Class A參數(shù)估計算法仿真 6.3 本章MATLAB仿真程序及子程序第7章 兩維的M-Class A噪聲模型的參數(shù)估計 7.1 引言 7.2 多維M-Class A噪聲模型 7.3 M-Class A噪聲模型參數(shù)的馬爾可夫鏈蒙特卡羅估計算法 7.3.1 M-Class A噪聲模型參數(shù)的貝葉斯估計算法推導 7.3.2 M-Class A模型參數(shù)估計算法的計算機仿真及結(jié)論 7.4 M-Class A噪聲模型的PMc參數(shù)估計算法 7.4.1 PMC參數(shù)估計算法的推導 7.4.2 PMC算法的CUDA并行計算 7.5 本章MATLAB仿真程序及子程序第8章 超低頻實驗接收機實現(xiàn)的若干重要問題 8.1 引言 8.2 編譯碼方案設計 8.2.1 編譯碼體系的選擇 8.2.2 編碼器的結(jié)構(gòu)參數(shù) 8.2.3 編碼器的生成多項式 8.2.4 譯碼算法 8.3 調(diào)制解調(diào)方案設計 8.4 抗干擾設計 8.5 同步與交織 8.6 接收機信號處理設計方案 8.7 結(jié)語附錄A Class A和Class B模型的幅度概率分布推導 A.1 窄帶接收機情形 A.2 Class A特征函數(shù) A.3 Class B特征函數(shù) A.4 Class A和Class B模型的幅度概率分布參考文獻