王 濤， 山 拜·達(dá)拉拜

（新疆大學(xué) 信息科學(xué)與工程學(xué)院，新疆 烏魯木齊 830046）

0 引言

非高斯噪聲的研究已經(jīng)成為現(xiàn)代信號(hào)處理的核心問題之一，國內(nèi)外做了很多的研究[1-7]。按照概率密度函數(shù)形狀，結(jié)合文獻(xiàn)[3-4]的方法，首次提出了多模噪聲的四種主要的簡化數(shù)學(xué)模型。多模噪聲總體上屬于非高斯噪聲，但兼容了高斯噪聲。因此，這里的方法有一定普遍意義。

高階統(tǒng)計(jì)量[6-8]尤其是高階譜的理論研究已經(jīng)比較完善，近年來廣泛應(yīng)用在信號(hào)檢測(cè)，參數(shù)估計(jì)等問題中。采用高階譜中的雙譜技術(shù)，以多模噪聲的第三種模型為噪聲背景，結(jié)合無慣性非線性變換器[9]，提出了基于雙譜的檢測(cè)方法，并給出了改進(jìn)的自適應(yīng)幅頻干擾抑制器[9]的物理模型。最后針對(duì)具體信號(hào)做了大量仿真驗(yàn)證了其可行性，并與傳統(tǒng)的似然比檢測(cè)進(jìn)行了簡單比較證實(shí)了其優(yōu)越性。

1 多模噪聲的數(shù)學(xué)模型

隨著無線電技術(shù)的迅速發(fā)展，在復(fù)雜的電子設(shè)備中會(huì)出現(xiàn)無法預(yù)料的干擾和噪聲，破壞系統(tǒng)的功能。這些噪聲很多是非高斯噪聲，按照概率密度函數(shù)形狀對(duì)其進(jìn)行研究，提出了多模噪聲。多模噪聲主要有四種簡化模型：

①高斯噪聲g(t)疊加振蕩過程，概率密度為：

其中，σ2是高斯分量的方差；

其中，為碼元的干擾概率。Pi的分布主要有兩

③當(dāng)與滿足一定條件時(shí)，式（2）可寫成如下形式：

④混合模式，概率密度為：

多模噪聲一般是多峰噪聲，也可能是單峰噪聲，這四種模型可以相互轉(zhuǎn)換，其最佳或準(zhǔn)最佳的處理方法一般是化成第三種模型。

2 高階統(tǒng)計(jì)量

高階統(tǒng)計(jì)量是高階累積量和高階譜的統(tǒng)稱，高階統(tǒng)計(jì)量方法主要指高階累積量和高階累積量譜（高階譜）方法。高階譜中的雙譜，階數(shù)最低，處理方法簡單，含有功率譜中所沒有的相位信息，又能有效的抑制高斯噪聲，所以這里主要采用雙譜模型對(duì)信號(hào)檢測(cè)進(jìn)行研究。

雙譜算法分為參數(shù)化和非參數(shù)化兩大類，下面給出一種改進(jìn)的非參數(shù)化算法：

①將有限長數(shù)據(jù){x(1),x(2),…,x(N)}分成 K段，每段 M個(gè)樣本，即 N=KM，并減去每段的樣本均值。必要時(shí)，可以每段補(bǔ)零得到快速Fourier變換的一個(gè)習(xí)慣長度M；

②計(jì)算每段的離散Fourier變換系數(shù)：

其中x(i)(t)(t =0,1,???,M-1)為第i段的數(shù)據(jù)；

③計(jì)算

其 中 0≤λ2≤ λ1， λ1+λ2≤fs2，fs是 抽 樣 頻 率 ，Δ0=fsN0是頻率樣本空間， N0和 L1滿足M = (2 L1+1)N0；

④通過K段平均值得出雙譜估計(jì)值，有

⑤提取雙譜的三個(gè)特征作為判斷的依據(jù)，定義其特征函數(shù)為 ()FE·。

對(duì)角切片：

跡：

⑥以雙譜的跡作為軟門限，檢測(cè)雙譜的縱切片和對(duì)角切片在門限上峰的個(gè)數(shù)和位置，判定信號(hào)的存在。

算法的目的是在噪聲甚至強(qiáng)噪聲背景下，實(shí)時(shí)地處理采集到的數(shù)據(jù)，檢測(cè)出信號(hào)。

3 基于雙譜算法的多模噪聲中的信號(hào)檢測(cè)

在隨機(jī)信號(hào)處理的許多應(yīng)用場(chǎng)合，如干擾信道中信號(hào)處理和最佳接收等，一個(gè)重要的課題就是信號(hào)檢測(cè)。對(duì)于傳統(tǒng)的信號(hào)檢測(cè)，最常用的方法是似然比檢測(cè)，但其存在兩個(gè)明顯缺點(diǎn)：①檢測(cè)對(duì)象必須滿足高斯假設(shè)，然后根據(jù)某種最佳準(zhǔn)則劃分觀測(cè)空間進(jìn)行判決；②當(dāng)觀測(cè)信號(hào) SNR下降時(shí)，系統(tǒng)檢測(cè)性能急劇下降，很難得到較高的檢測(cè)概率。對(duì)于加性多模噪聲，一種經(jīng)典的理論方法是采用無慣性非線性變換器，但是需要噪聲和信號(hào)的一些先驗(yàn)概率，或者假設(shè)噪聲參數(shù)已知。圖 1即為無慣性非線性變換器的結(jié)構(gòu)。

圖1 無慣性非線性變換器

無論各確定信號(hào)能量是否相等，該方法均適，可比較準(zhǔn)確的的檢測(cè)信號(hào)。但同樣在觀測(cè)信號(hào)的 SNR很低時(shí)，會(huì)一定程度上造成檢測(cè)概率的下降。結(jié)合雙譜技術(shù)，用雙譜檢測(cè)器代替?zhèn)鹘y(tǒng)的門限判決器，改進(jìn)基于無慣性非線性變換器的自適應(yīng)幅頻干擾抑制器，結(jié)構(gòu)圖如圖2所示。

假設(shè)變換器的輸入端信號(hào)為，則無慣性非線性變換器的特性可表示為：

圖2 改進(jìn)的自適應(yīng)幅頻干擾抑制器

采用雙譜技術(shù)檢測(cè)多模噪聲背景下的信號(hào)，只要信號(hào)雙譜信息足夠大，即使 SNR很小，依然可獲得較高的檢測(cè)概率。研究多模噪聲的第三個(gè)模型，假設(shè)信號(hào)為一正弦信號(hào)，取 128個(gè)采樣點(diǎn)，通過雙譜算法得到估計(jì)，取 SNR=-10 dB。仿真結(jié)果如圖3、圖4和圖5所示。

圖3 觀測(cè)信號(hào)波形

圖4 觀測(cè)信號(hào)雙譜立體

圖5 觀測(cè)信號(hào)雙譜平面

對(duì)比可知：在時(shí)間域接受SNR較低，而在雙譜域接受SNR較高，經(jīng)過該處理信號(hào)的SNR大大提高，更有利于信號(hào)檢測(cè)，可以明顯的判斷出是否存在信號(hào)。

在多模噪聲干擾下，雙譜檢測(cè)與傳統(tǒng)的似然檢測(cè)的檢測(cè)概率比較。很容易看出，雙譜的檢測(cè)性能要高于似然比檢測(cè)，如圖6所示。

圖6 多模噪聲下檢測(cè)概率比較

在實(shí)際當(dāng)中，噪聲往往是雙?；蛘叨嗄５模瑐鹘y(tǒng)的檢測(cè)方法需要對(duì)噪聲有很多的先驗(yàn)知識(shí)，才能夠比較準(zhǔn)確的檢測(cè)信號(hào)。但當(dāng)在強(qiáng)噪聲背景或 SNR很低的情況下，往往無法得到滿意的效果。高階譜尤其是雙譜可以在信號(hào)檢測(cè)中抑制分布未知的高斯噪聲，結(jié)合經(jīng)典的無慣性非線性變換器，會(huì)成為多模噪聲檢測(cè)的最佳或準(zhǔn)最佳檢測(cè)方法。

4 結(jié)語

在復(fù)雜的環(huán)境中，如軍事、民航等，干擾噪聲多為非高斯噪聲，本文根據(jù)概率密度函數(shù)形狀提出了多模噪聲的數(shù)學(xué)模型。運(yùn)用高階統(tǒng)計(jì)量法，尤其是雙譜技術(shù)在多模噪聲背景下對(duì)信號(hào)檢測(cè)進(jìn)行了研究。理論和實(shí)驗(yàn)仿真表明，雙譜可以抑制高斯噪聲的影響，同時(shí)可以在復(fù)雜的背景下以較高的檢測(cè)概率檢測(cè)信號(hào)，優(yōu)于傳統(tǒng)的信號(hào)檢測(cè)方法。但在實(shí)際的隨機(jī)信號(hào)處理中，高階統(tǒng)計(jì)量往往無法得到嚴(yán)格意義上的真實(shí)值，雙譜不能嚴(yán)格的完全濾除高斯噪聲。所以在復(fù)雜噪聲背景下，如多模噪聲，結(jié)合無慣性非線性變換器，改進(jìn)了自適應(yīng)幅頻干擾抑制器，給出了檢測(cè)的物理模型，可精確檢測(cè)或估計(jì)信號(hào)。只是某些無慣性非線性變換器比較復(fù)雜，可用軟件處理接收信號(hào)，更加方便。

[1] HINICH M J, WILSON G R.Detecion of Non-Gaussian Signals in Non-Gaussian Noise Using the Bispectrum[J].IEEE Transaction on Acoustics,Speech and Signal Processing,1990,38(07)：1126-1130.

[2] KOLODZIEJSKIK R D, BET J W,CORP M,et al. Detection of the Weak Random Signals in IID non-Gaussian Noise[J]. IEEE Transactions on Communication,2000,48(02)：222-230.

[3] 山拜·達(dá)拉拜，黃玉劃.幾類非高斯噪聲模型的轉(zhuǎn)換研究[J].電子學(xué)報(bào)，2004，32（07）：1090-1093.

[4] 黃玉劃,山拜·達(dá)拉拜.多模噪聲理論及其在通信保密中的應(yīng)用[J].電訊技術(shù),2008(02)：20-24.

[5] 盧廣芝.非高斯噪聲中信號(hào)的神經(jīng)網(wǎng)絡(luò)檢測(cè)[J].通信技術(shù),1997(04),55-58.

[6] 邱天爽.統(tǒng)計(jì)信號(hào)處理[M].北京：電子工業(yè)出版社,2004.

[7] 張賢達(dá).時(shí)間序列分析——高階統(tǒng)計(jì)量法[M].北京：清華大學(xué)出版社,1996.

[8] ROSA J J G, PIOTRKOWSKI R, RUZZANTE J E.Higher Oder Statistics and Independent Component Analysis for Spectral Characterization of Acoustic Emission Signals in Steel Pipes[J].IEEE Transacions on Instrumentation and measurement,2007,56(06)：2312-2321.

[9] 山 拜 ·達(dá) 拉 拜 .Методы Защиты от Помех в Каналах Радиосвязи[J].Известия Белорусской Инженерной Академии,1997,1(03)： 67-72.