آمار
| تعداد نشریات | 31 |
| تعداد شماره‌ها | 697 |
| تعداد مقالات | 7,379 |
| تعداد مشاهده مقاله | 9,218,737 |
| تعداد دریافت فایل اصل مقاله | 8,552,828 |
ارائه یک الگوریتم جدید بر اساس مدل‌های پارامتری سیگنال به‌منظور تخمین طیف سیگنال نویزی غیرگوسی | ||
| مجله مهندسی برق دانشگاه تبریز | ||
| مقاله 6، دوره 48، شماره 2 - شماره پیاپی 84، تابستان 1397، صفحه 519-529 اصل مقاله (1320 K) | ||
| نوع مقاله: مقاله پژوهشی | ||
| نویسندگان | ||
میثم بیات  1؛ امین کدیور2؛ حمید رادمنش1
| ||
| 1تهران - دانشگاه علوم و فنون هوایی شهید ستاری - دانشکده مهندسی برق | ||
| 2دانشگاه شیراز - دانشکده مهندسی برق و کامپیوتر | ||
| چکیده | ||
| در این مقاله یک روش جدید برای تخمین طیف سیگنال در حضور نویز اندازه‌گیری ارائه‌شده است. نویز زمینه دارای توزیع غیرگوسی آلفا-پایدار متقارن است. پارامترهای سیگنال از طریق روش‌های طیفی به‌صورت 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 تعمیم‌یافته پرداخته‌شده است. در توزیع آلفا-پایدار فرم بسته فرمولی برای توابع چگالی احتمال و توزیع تجمعی احتمال وجود ندارد. همچنین نامحدود بودن مقدار واریانس در این توزیع، موجب ناکارآمدی در استفاده از ضرایب همبستگی و روش‌های معمول تخمین پارامتر شده است. با ارائه یک فرم بسته فرمولی جدید بر اساس ضرایب هم‌تغییر، حذف این بایاس در قالب یک الگوریتم تکرارشونده صورت گرفته است. نتایج حاصل از شبیه‌سازی الگوریتم پیشنهادی نشان می‌دهد که در نسبت‌های سیگنال به نویز dB 10 و بالاتر، بیش از 20 درصد بهبود دقت، در تخمین پارامترهای مدل AR نویزی نسبت به روش یول‌واکر ایجادشده است. همچنین نتایج نشان می‌دهد تخمین‌های حاصل از روش پیشنهادی نسبت به جابه‌جایی قطب‌های مدل بسیار مقاوم‌تر از روش یول‌واکر است و برای مدل‌های AR با قطب‌های نزدیک به مرزهای دایره واحد بهبود قابل‌توجهی نسبت به روش یول‌واکر مرتبه بالا نشان می‌دهد. | ||
| کلیدواژه‌ها | ||
| توزیع آلفا-پایدار متقارن؛ مدل AR؛ معادلات یول واکر تعمیم‌یافته | ||
| عنوان مقاله [English] | ||
| A New Algorithm Based on Signal Parametric Models for Estimating the Spectral of Non-Gaussian Noisy Signal | ||
| نویسندگان [English] | ||
| M. Bayat1؛ A. Kadivar2؛ H. Radmanesh1 | ||
| 1Faculty of Electrical Engineering, Shahid Sattari Aeronautical university of Science & technology, Tehran, Iran | ||
| 2Faculty of Electrical and Computer Engineering, University of Shiraz, Shiraz, Iran | ||
| چکیده [English] | ||
| In This study a new method for spectral estimation of signals in the presence of observation noise is proposed. Back ground noise has a non-Gaussian symmetric alpha stable distribution. Signal parameters are modeled by an AR process, using spectral methods. After the calculation of the produced bias in signal parameters, the bias is removed using the generalized Yule–Walker equations. In alpha stable distribution, there is no closed form formula for probability distribution function and cumulative distribution function. Also, the infiniteness of variance in this distribution, limits the performance of correlation coefficient based methods and other standard parameter estimation methods. In this paper, a new closed form formula based on covariation coefficient is proposed which removes the bias using an iterative algorithm. The simulation results show that, by using the proposed method, there is a 20 percent improvement in estimation accuracy of signal parameters in 10dB SNRs and higher ones. Moreover, the results show the estimations of the proposed method is more robust to displacement of poles compared to the classic Yule-Walker method and displays a significant improvement in comparison with the high-order Yule Walker method for AR models, whose poles are close to the boundaries of the unit circle. | ||
| کلیدواژه‌ها [English] | ||
| Alpha-stable distribution, autoregressive model, Yule-Walker equations | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 12 تعداد دریافت فایل اصل مقاله: 14 |
||
