本文選題：對數(shù)累積量 + 重尾Rayleigh分布��； 參考：《中國科學(xué):信息科學(xué)》2017年02期

【摘要】：在無線通信網(wǎng)絡(luò)中存在用對稱α穩(wěn)定分布來建模的脈沖重尾干擾.而在信號檢測、信道譯碼、無線網(wǎng)絡(luò)中斷概率及誤碼率分析等應(yīng)用場景,需要預(yù)先知道干擾的概率密度函數(shù).本文利用重尾干擾復(fù)信號包絡(luò)的對數(shù)累積量,給出了特征指數(shù)和分散系數(shù)的估計(jì)算法,并具體推導(dǎo)出了參數(shù)估計(jì)變量的概率分布,該分布可用于定量分析估計(jì)的可靠性.除此之外,在實(shí)際系統(tǒng)中,接收端不僅有復(fù)對稱α穩(wěn)定分布描述的重尾脈沖干擾,還包括與之相互獨(dú)立的復(fù)Gauss噪聲,稱之為雙變量混合噪聲.本文提出了用單變量的復(fù)對稱α穩(wěn)定分布模型來近似雙變量混合噪聲的方法.通過仿真和數(shù)值計(jì)算,驗(yàn)證了這種近似是合理的.再者,在此基礎(chǔ)上,本文給出了混合噪聲參數(shù)與幾何功率信噪比之間的關(guān)系.因此,在合理的近似下,對數(shù)累積量的估計(jì)算法及性能分析在雙變量混合噪聲下仍然有效.
[Abstract]:In wireless communication networks, there is a pulse heavy-tailed interference modeled by symmetric 偽 stable distribution. In signal detection channel decoding wireless network interrupt probability and bit error rate analysis we need to know the probability density function of interference in advance. Based on the logarithmic cumulant of the envelope of heavy-tailed interference complex signals, the estimation algorithms of characteristic index and dispersion coefficient are given, and the probability distribution of parameter estimation variables is derived in detail, which can be used to quantitatively analyze the reliability of estimation. In addition, in the actual system, the receiver not only has the heavy-tailed pulse interference described by the complex symmetric 偽 stable distribution, but also includes the complex Gauss noise which is independent of the complex Gaussian noise, which is called bivariate mixed noise. In this paper, a method of approximating bivariate mixed noise by using the complex symmetric 偽 stable distribution model of single variable is presented. The simulation and numerical calculation show that this approximation is reasonable. Furthermore, the relationship between mixed noise parameters and geometric power signal-to-noise ratio is given. Therefore, under reasonable approximation, the estimation algorithm and performance analysis of logarithmic cumulants are still valid under bivariate mixed noise.
【作者單位】： 浙江警察學(xué)院計(jì)算機(jī)與信息技術(shù)系;南方科技大學(xué)電子與電氣工程系;浙江工業(yè)大學(xué)信息工程學(xué)院;浙江省通信網(wǎng)技術(shù)應(yīng)用研究重點(diǎn)實(shí)驗(yàn)室;
【基金】：國家自然科學(xué)基金 浙江兩化融合聯(lián)合基金(批準(zhǔn)號:U1509219) 國家自然科學(xué)基金(批準(zhǔn)號:61471322,61402416)資助項(xiàng)目
【分類號】：O211;TN911.4

【相似文獻(xiàn)】

相關(guān)期刊論文 前8條

1 侯艷麗;;一種有效的去除圖像混合噪聲的算法[J];河南大學(xué)學(xué)報(bào)(自然科學(xué)版);2011年02期

2 陳華玲;馮桂;;數(shù)字圖像的混合噪聲去除[J];華僑大學(xué)學(xué)報(bào)(自然科學(xué)版);2011年02期

3 楊龍光;周激流;何坤;;混合噪聲的圖像復(fù)原算法[J];四川大學(xué)學(xué)報(bào)(自然科學(xué)版);2008年05期

4 趙雅靚;房彩麗;薛長松;張晗;;基于MTM和灰色關(guān)聯(lián)度的混合噪聲自適應(yīng)濾波算法[J];河南大學(xué)學(xué)報(bào)(自然科學(xué)版);2011年05期

5 張立保;敖鵬亮;;基于小波變換的圖像混合噪聲自適應(yīng)濾除算法[J];強(qiáng)激光與粒子束;2010年11期

6 王黎;孫云蓮;;二維小波變換及ICA消除圖像混合噪聲[J];武漢大學(xué)學(xué)報(bào)(信息科學(xué)版);2008年02期

7 王宏志;胡艷君;趙爽;;一種混合噪聲圖像去噪的平滑算法[J];東北師大學(xué)報(bào)(自然科學(xué)版);2008年02期

8 ;[J];;年期

相關(guān)碩士學(xué)位論文 前5條

1 李國芳;混合噪聲人臉識別研究[D];貴州大學(xué);2016年

2 程成;改進(jìn)型脈沖耦合神經(jīng)網(wǎng)絡(luò)在圖像混合噪聲中的應(yīng)用研究[D];云南大學(xué);2012年

3 陳秉濤;數(shù)字圖像混合噪聲濾除算法研究[D];云南大學(xué);2012年

4 張英;一種基于高斯與椒鹽混合噪聲去噪算法研究[D];西安科技大學(xué);2014年

5 方先成;兩種新型高斯—椒鹽混合噪聲去噪方法[D];吉林大學(xué);2013年

，

本文編號：2093519