基于分数低阶加权Myriad滤波的α稳定噪声频域预滤新方法

本文探讨的是"Alpha稳定分布噪声下改进的频域预滤波方法"这一主题，针对在诸如水声、雷达、通信、语音信号和生物医学信号等领域广泛存在的具有显著尖峰特性的一类噪声——α稳定分布噪声，传统基于二阶统计量的处理方法往往无法满足需求，导致信号处理性能下降。α稳定分布是一种非高斯噪声模型，其特征在于所有高于特征指数α的统计矩不存在，这使得在估计信号谱时遇到困难。 作者们意识到仅依赖于二阶统计量的频域预滤波技术（例如中值滤波）在处理这种噪声时的局限性，因此他们转向了分数低阶统计量理论。这种方法更适用于描述复杂噪声环境中的信号特性。Nikias的工作引入了分数低阶统计量（FLOS），而查代奉等人进一步发展了分数阶共变谱估计。孙永梅等人在此基础上构建了分数低阶协方差谱估计，但这些方法主要侧重于时域分析。 为了克服这一问题，本文作者姜玉林、查代奉和曹晖提出了基于分数低阶加权Myriad滤波器的自适应滤波算法。这个新方法强调从频域角度处理信号，通过学习频域输入信号，能够在保留更多细节的同时，有效地抑制α稳定分布噪声。这种方法与传统手段相比，能够提供更满意的预滤波效果，尤其是在处理非线性噪声方面表现出色。 该研究工作是在九江学院电子工程学院进行，地点位于江西九江，研究团队通过对实际应用的深入理解和仿真验证，旨在改善在α稳定分布噪声环境下信号处理的性能，为相关领域的信号分析和噪声抑制提供了一种创新且有效的工具。通过这种方法，信号的频域分析和处理能力得到了显著提升，对于提升各类工程应用的信号质量具有重要意义。