资源描述：
《α稳定分布噪声环境下基于神经网络的信号检测方法》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。
1、α稳定分布噪声环境下基于神经网络的信号检测方法国玩技2005年第3期基金项目论文FoIATIoNSUPPoRTEDPRoJECT文章编号:1001—893X(2005)03—0034—0513t稳定分布噪声环境下基于神经网络的信号检测方法'丁学君,邱天爽(大连理工大学电子与信息工程学院,辽宁大连116024)摘要:本文给出了一种在分数低阶Ot稳定分布噪声环境下利用多层前向BP神经网络对确定性信号进行检测的方法.此方法只需在特定虚警概率以及噪声条件下对神经网络进行训练,再通过调整偏移节点的连接权值,就可以得到不同虚警概率条件下的检验统计量.计算机模拟结果表明,利用该神经网络可以实现对分数低阶
2、Ot稳定分布噪声环境下信号的有效检测,且检测性能明显优于传统的局部最优(LO)检测器.关键词:信号检测;神经网络;分数低阶;Ot稳定分布;性能中图分类号:TN911.23文献标识码:ASignalDetectionBasedonNeuralNetworksUnder0c—StableNoiseConditionDING一n,QIUTian—shuang(DepartmentofElectronicEngineering,DalianUniversityofTechnology,Dalian116024,China)Abstract:ThispaperemploysaBPneuralnetw
3、ork(NN)tOdetectknownsignalsunderthefractionallowerorderd—stablenoisecondition.TrainingthisNNdetectoratsomespecifiedprobabilityoffalsealarmandthenadjustingtheweightsofthebiasnodes.theteststatisticscanbeobtained.Theresultdemonstratesthatunderthed—stablenoisecondition,theNNdetectorcandetectthesignals
4、effectively,anditalsopro—videsabetterperformancethantraditionallocallyoptimum(LO)detectors.Keywords:Signaldetection;Neuralnetwork;Fractionallowerorder;d—stabledistribution;Pefformance一,引言对带噪观测信号中的确知信号进行检测是统计信号处理的一个重要的研究领域,并在雷达,声纳,通信以及生物医学信号处理中得到了广泛应用.如果信号波形已知,且噪声满足高斯分布,根据确定性信号检测理论…,利用线性匹配滤波器(match
5、edfil.ter,MF)可以实现Neyman—pearson(NP)准则下的最优检测,也称为一致最优(UniformlyMostPower.ful,UMP)检测.但是,在雷达,声纳,通信以及生物医学信号中存在的噪声往往因为具有很强的尖峰脉冲,使其并不服从高斯分布.研究表明,用d稳定分布的噪声模型来表示此类噪声具有更好的适用性J.而在Ot稳定分布的噪声环境下,由于噪声本身具有较强的冲激性,使得匹配滤波器等线性检测器的性能出现了严重的退化.文献[2]采用了具有非线性结构的局部最优(LocallyOptimum,LO)检测器对d稳定分布噪声环境下的信号进行检测.但是,与UMP检测器相比,LO检
6、测器只能得到局部最优统计量,并且.收稿日期:2004—07—07基金项目:国家自然科学基金资助项目(30170259,60172072,60372081);辽宁省科学技术基金资助项目(2001101057)?34?囝讥技2005年第3期基金项目论文FoUNDATIoNSUPPoRTEDPRoJECT需要利用噪声的概率密度函数(PDF)作为先验知识.根据分数低阶矩理论j,稳定分布的随机变量没有统一的封闭PDF表达式,这就为LO检测器的实现带来了困难.神经网络(NeuralNetwork,NN)具有高度的并行性,非线性以及自学习,自适应能力,又具有很高的信号识别和分类功能,因而在诸多领域得到了
7、广泛的应用.近年来,神经网络也被应用于信号检测问题的研究中-6],尤其是当最优检测器不存在时,利用神经网络仍可以得到较好的检测效果.本文根据ot稳定分布中的分数低阶矩理论,给出了一种利用多层前向BP神经网络对分数低阶ot稳定分布噪声环境下韵信号进4rr,~测韵方法,并与LO检测器的检测性能进行了比较.计算机模拟结果表明,在分数低阶稳定分布噪声条件下,利用多层前向BP神经网络检测器可以得到较好的检测结果,且检测性能明显优于
