噪声中信号的检测，比较适合于搞信号检测的同学，比较经典的书

随着近些年计算机技术、信号处理技术和人工智能技术的快速发展，...，但这离声纳员的水平程度还差很远。在机器学习方法中，特征维度不能太高，人类的大脑、听觉特征维数很高、感觉丰富，可以从高维特征空间中寻找到类别共性和类别异性，对复杂的舰船噪声能完成识别任务。机器学习方法相对于声纳员工作性质来说，只能做一些低维的识别判决，因此所提特征需人为先做有效的降维工作。

针对标准的容积卡尔曼滤波器(CKF) 设计需要精确已知噪声先验统计知识的问题, 提出一种自适应CKF 算法. 该算法在滤波过程中, 利用Sage-Husa 极大后验估值器对噪声的统计特性进行在线估计和修正, 有效地提高了CKF 的估计精度和数值稳定性. 在某些情况下, 噪声协方差估计会出现异常现象使得滤波发散, 进而提出了相应的改进方法. 仿真结果表明了自适应CKF 算法的可行性和有效性, 且明显改善了标准CKF 算法的滤波效果.

基于最小统计的非平稳噪声估计算法，最原始的理论，便于理解

高斯白噪声matlab代码DIPCA-EIV 此仓库包含动态迭代PCA的实现，该PCA提议用于识别输入和输出测量值因高斯白噪声而损坏的系统。 随时检查来自DIPCA算法的其他一些紧密相关和最新的著作。 请参阅demo_dipca.m，readme.txt文件以了解有关dipca函数的用法。 您也可以键入以下命令来获取Matlab中的文档： doc dipca_ref 帮助dipca_ref 该算法能够从嘈杂的数据中估算出以下内容： 输入输出命令和传递函数的延迟 输入输出噪声方差 差分方程的系数 如果您正在使用此代码，请引用以下论文： Identification of Linear Dynamic Systems using Dynamic Iterative Principal Component Analysis ，Deepak Maurya，Arun K.Tangirala，Shankar Narasimhan，2016，IFAC-PapersOnLine，49（7），第1014-19页。 Identification of Errors-in-Variables models

为了研究风力涡轮机在1至10 Hz频率间隔内对地震信号的影响，我们记录了连续不断的地震噪声，并在两个具有不同地质工况的风电场附近进行了研究。 在风电场Fraureuth-Beiersdorf（5台涡轮机，距萨克森州Zwickau以南11公里处），我们使用了小型地震网络，并设有3至5个站，为期1-2周。 在海因德（2个涡轮机，靠近下萨克森州希尔德斯海姆），我们记录了1周的时间，其中一个站距风力涡轮机约1公里，而另一些站仅持续了几个小时。 通过数据的频谱图分析，我们可以清楚地识别出频谱振幅的日变化，而与涡轮产生的噪声无关。 涡轮噪声出现在2.2、2.7、3.3、4.5、5.2和6.6 Hz附近的某些频带上。 这些频带的频谱幅度与涡轮的风速或旋转速度之间的线性关系被清楚地识别。 由风力涡轮机的运转产生的地震信号不是在单个频率上的峰值，而是看起来更像具有增加的噪声幅度的频带。 对于Fraureuth-Beiersdorf，可以识别出至少10 km。 这些波段取决于许多参数，即风力发电机的高度，重量和结构，风力发电机的数量，地质状况等。在两个风力发电场中，我们还沿剖面记录了距风力发电机越来越远的

针对传统的T-S模糊辨识方法难以准确辨识含噪声的非线性系统问题,将噪声信号和系统的其他输入变量一起作为模糊前件的输入,采用具有动态随机搜索和寻优半径连续收缩机制的改进蚁狮算法优化模糊前件的结构参数,使用加权最小二乘法实现模糊后件的参数辨识.数值仿真表明,所提出的辨识方法可以有效抑制噪声的影响,经过改进蚁狮算法优化后的T-S模糊模型辨识效果更好.最后,将所提出方法用于直拉硅单晶生长热模型的辨识,实验结果表明该方法优于传统的辨识方法.

电磁噪声来源于电磁振动，电磁振动由电机气隙磁场作用于电机铁心产生的电磁力所激发，而电机气隙磁场又决定于定转子绕组磁动势和气隙磁导。气隙磁场产生的电磁力是一个旋转力波，有径向和切向两个分量。径向分量使定子和转子发生径向变形和周期性振动，是电磁噪声的主要来源；切向分量是与电磁转矩相对应的作用力矩，它使齿对其根部弯曲，并产生局部振动变形，是电磁噪声的一个次要来源。还有很多设计和故障原因，也会造成电磁噪声的增加。

电机也是属于分布参数系统，因此其固有频率也是有无穷多个，要计算其固有频率，不同的精度要求有不同的方法，例如经典的电机设计课程里面采用手算，只能简化成很少的自由度，按照集中参数模型得到最最重要的少数几个固有频率，现代CAE技术的进展，尤其是有限单元方法的进展及相关软件的普及，现在一般都使用有限元软件来进行固有频率的计算，只要有（几乎都有）动力分析功能的软件，都可以进行机械结构的模态分析，所谓的模态分析就是固有频率的计算。当然有限单元方法其实质也是将无穷自由度简化成有限的自由度，自由度数目显然与单元（或节点）数目有关，因此模态分析能够得到非常多的固有频率，耗费大量的计算机时间！实际上，即使用有限元法也不会去计算所有的固有频率（虽然是有限个），而是想方设法用尽可能少的计算量得到前面几阶感兴趣的固有频率。考虑电机定子和绕组材料、结构、定子轭部和齿部，以及定子槽数等具体尺寸下的电机模态固有频率精确计算

简介：本文介绍了抖动和相位噪声的基础知识，以及它的引发因素、和观察分析的探讨。　　抖动(Jitter)反映的是数字信号偏离其理想位置的时间偏差。高频数字信号的bit周期都非常短，一般在几百ps甚至几十ps，很小的抖动都会造成信号采样位置电平的变化，所以高频数字信号对于抖动都有严格的要求。 　　实际信号的很复杂，可能既有随机抖动成分(RJ)，也有不同频率的确定性抖动成分(DJ)。确定性抖动可能由于码间干扰或一些周期性干扰引起，而随机抖动很大一部分来源于信号上的噪声。下图反映的是一个带噪声的数字信号及其判决阈值。一般我们把数字信号超过阈值的状态判决为“1”，把低于阈值的状态判决为“0”，由于信号的