现代信号处理

现代信号处理

信号与信息处理学科是信息科学一个重要组成部分，该学科水平从一个侧面反映了一个国家整体科学技术水平。信号处理经历了从模拟到数字，从确知到随机的发展过程，正阔步迈向以非平稳信号、非高斯信号为主要研究对象和以非线性、不确定性为主要特征的智能信号处理时代。时频峰值滤波、混沌阵子检测、迹变换、盲信号处理、小波变换等方法的提出，将信号处理再次推向了又一个高峰。

信号是信息的载体，通过信号传递信息。信号处理是指利用信号采集设备获得信号，然后通过一定的信号处理手段从采集的信号中获得所需的信息或实现某一目的。常见的信号处理包括：滤波、变换、预测、识别等等。滤波是指将信号中的干扰成分滤除，得到纯净的有效信号的过程。预测就是通过对已知信息内容的深入分析，建立在这种分析基础上的对未知或未来信息的科学预测。识别是指提取信号中的某些特征量，并利用这些特征信息分辨某一信号的存在与否或信号的具体类别。信号处理的目的是削弱信号中的多余内容，滤出混杂的噪声和干扰，或者将信号变换成容易处理、传输、分析与识别的形式，以便后续的其它处理。

 在时频峰值滤波方法中，待滤波信号可以是带有附加噪声的一系列任意限带的非平稳信号之和，将含噪信号编码为幅度为1的 FM分析信号的瞬时频率。为了得到微弱的确定信号的估计值，用标准的时频峰值检测方法来估计分析信号的瞬时频率时频峰值滤波有两个步骤：首先编码待滤波信号为单位幅值FM调频分析信号的瞬时频率，然后用TFD的峰值估计这个分析信号IF，从而恢复信号。时频峰值滤波应用领域主要有雷达信号处理、生物医学、语音信号、地震信号。由于TFPF方法的理论推导可知，该方法适用于白噪声背景。而在实际资料处理中，往往是色噪声。在这种与原推导过程中，必要条件相矛盾情形出现时，是沿用原公式还是需要建立新公式是一个尚未解决的问题。我们认为，这是一

个理论与应用两方面的双重难点。

 基于混沌的信号检测技术主要有三种形式：其一，已知背景信号为混沌信号，根据接收到的信号重构出背景信号的相空间，得到混沌的预测模型，从接收信号中减去预测到的混沌信号，就可以将淹没在混沌背景信号中的待测信号检测出来。其二，使混沌动力学行为处于特定的状态下，将被测信号注入一个对此信号极为敏感的混沌系统，可导致该混沌系统的动力学行为发生重大变化。由于混沌系统的这种动力学行为的改变完全是由于被测信号引起的，它必然带有该信号的全部信息。因此，通过适当的信号处理方法，就可以从混沌系统的这种动力学行为中估计出信号的各种参数。其三，基于混沌系统特征量的微弱信号检测，建立混沌系统的特征量与微弱信号的参数之间的关系。混沌检测模型的选择、模型参数的优化、定量分析计算量的简化成为了混沌检测的主要趋势。

 上世纪九十年代M.Petrou提出的一种新理论—Trace变换。在人脸以及图像识别中有成功应用。近年，我国也开始有关于Trace变换研究的文章。应用于数字图像版权保护。Trace变换的定义：沿着迹线（直线）计算一个泛函，通过这个泛函为每条直线计算一个数，把这些数画在确定直线参数的笛卡尔坐标系中就构成了图像的Trace变换。

 盲源分离是盲信号处理的主要方法。所谓的盲源分离就是在源信号和源信号混合方式都未知的情况下，从观测到的混合信号中恢复出未知的源信号。 “盲”，是指源信号的特性及传输通道的特性都是未知的。 “鸡尾酒会”问题是语音盲分离问题的典型描述。盲信号分离的概念最早在20世纪80年代提出，随后从90年代开始，盲信号分离技术在生物医学信号处理、图像信号处理，阵列信号处理，语音信号识别，及移动通信等领域得到了广泛的应用，迅速成为国内外信号处理研究的热点。当盲源分离问题中的源信号各个成分具有独立性时，分离的过程就称为独立成分分析。ICA的基本原理就是依据独立性度量的准则来建立目标函数，使分离出的独立分量最大程度的逼近各个源信号。盲信号分离具

有两个不确定性：其一，幅值：分离后的信号在幅度上与源信号存在一定的比例关系。其二，次序：分离信号与源信号的顺序可能不一致。