在Alpha稳定分布下结合共变理论、循环平稳理论和分数低阶矩等理论, 推导了BPSK 信号的循环平稳特性和低阶循环谱密度, 结果表明稳定分布下BPSK信号的低阶循环谱结构同高斯假设下的谱结构是一致的. 最后在Matlab 下进行了仿真验证, 仿真结果与理论推导相符合, 但基于稳定分布所设计的算法具有良好的抗脉冲噪声的性能, 对复杂背景下的调制识别或者盲分离提供新的途径.

摘要：将电磁矢量传感器(EVS,electromagnetic vetor sensor)信号处理法与传统MIMO信号处理有机地结合，建立了基于EVS的多天线三维信道模型。采用多重信号分类(MUSIC,multiple signal classification)算法对MIMO的达波信号方向(DOA,direction of arrival)进行空间谱估计，导出基于EVS的三维空间信道解析式，阐明了EVS信号处理与MIMO多径信道相关性的关系。与传统标量传感器阵列(SSA,scalar sensor array)MIMO天线阵列比较，EVS阵列能获取达波信号的多维极化信息，同时具有空间域和极化信号处理能力。因此可缓解空间多径信道相关性，使空间极化分量的相关性趋于零值，而且使MIMO系统性能受空间结构的影响较小。理论分析和仿真结果表明在提高MIMO天线系统性能上，基于EVS阵列的系统比SSA系统具有更高的优越性。

本文档是一篇很详细的关于图的谱理论的论文

该图的谱理论是一篇非常优秀的博士毕业论文，比较详细的讲解了谱理论，前面是非常详细的讲解了谱理论的基础知识，后面是作者对谱理论中比较前沿问题的的研究和探索。

结合人类听觉系统，提出了一种基于倒谱变换的自适应音频水印算法，充分利用复倒谱变换的性质，将原始音频信号分成若干帧，每帧实施复倒谱变换后，在对应位置按照一定的方法嵌入水印信号。水印的提取不需要原始音频信号，是一种盲水印算法。实验结果表明，嵌入后的水印不仅具有很好的不可感知性，而且对添加噪声、重新采样、低通滤波和重新量化等攻击也具有很好的鲁棒性。

奇异谱分析 (SSA) 是一种用于时间序列的非参数谱分解技术，类似于傅立叶或小波分析，其中将时间序列分解为时频矩阵。 然而，SSA 不依赖于严格的参数形式，并且能够以依赖于数据的方式从时间序列中提取非平稳和复杂的组件。 详情请参考SSA.m方法中的文档。

为了克服基于小波尺度谱重排的时频分析方法中时、频分辨率不佳及时频分布可读性较差等问题，提出了一种基于参数优化Morlet小波变换和奇异值分解的海杂波背景下舰船目标检测算法。算法利用Shannon小波熵作为目标函数，根据高频地波雷达信号的特点自适应地优化Morlet小波变换的时间带宽积参数，使得后续重排尺度谱的时、频分辨率同时达到最佳；然后再对重排小波尺度谱进行基于奇异值分解的降噪处理，以抑制环境噪声的影响，进一步提高时频分布的可读性。实验结果表明，与传统的时频分析算法相比，提出的算法具有更好的时频聚集性和较强的噪声抑制能力，能有效地检测海杂波背景下缓慢运动的匀速和匀加速舰船目标。

基于布里渊效应的分布式光纤传感器以其可在沿光纤中同时获得被测量场时间和空间上的连续分布信息，成为当前国际的研究热点。根据光纤中布里渊散射谱的传输特点和高精度特征提取的要求，提出了利用莱文伯马夸特(L-M)算法调节权值的径向基函数神经网络(RBFN)对布里渊散射谱进行特征提取。通过与反向传播(BP)神经网络、五次多项式曲线拟合法和三次样条插值法进行预测比较，在中心频率为11.213 GHz，权重比为4∶1的仿真散射谱模型中，本方法相对误差最小，仅0.0015179%，温度相对误差仅为0.152 ℃，且拟合度较好。在不同脉宽和不同温度下的同一检测系统中，前者的综合评价指标优于其他三种拟合方法。数值分析和实验研究均表明径向基函数神经网络适用于对布里渊散射谱进行拟合，有效提高了预测精度。

本文实例为大家分享了梅尔倒谱系数实现代码，供大家参考，具体内容如下 @author: zoutai @file: mymfcc.py @time: 2018/03/26 @description: from matplotlib.colors import BoundaryNorm import librosa import librosa.display import numpy import scipy.io.wavfile from scipy.fftpack import dct import matplotlib.pyplot as plt import numpy

为了提高现场采集信号的信噪比,针对奇异值分解中重构矩阵有效阶次确定难的问题,提出了一种基于奇异值能量差分谱的信号降噪方法。该方法根据有用信号与噪声能量的差异性,通过构造信号的奇异值能量差分谱,将能量差分谱曲线中最大峰值点作为重构信号的有效阶次来实现有用信号和噪声的分离,能够使信号奇异值降噪阶次得到合理确定,较好地保护了原始信号中有用信息的完整性,获得了较大的信噪比,对后续进行信号特征的准确提取和分析至关重要。仿真和实例分析结果验证了该方法的有效性。