Beyond trans-dimensional RJMCMC with a case study in impulsive data modeling
可逆跳马尔可夫链蒙特卡罗(RJMCMC)是一种贝叶斯模型估计方法,已被用于跨维抽样。在这项研究中,我们建议利用RJMCMC超越跨维采样。这种新的解释,我们称之为跨空间RJMCMC,揭示了RJMCMC未被发现的潜力,利用原来的配方,探索不同的类或结构的空间。这提供了在组合模型空间(诸如线性和非线性模型的空间或各种分布族的空间)中使用不同类型的候选类的灵活性。作为所提出的方法的应用,我们已经进行了一个特殊的情况下,跨空间采样,即跨分布RJMCMC脉冲数据建模。在地震学、雷达、成像等许多领域,由于分析上的方便,采用高斯模型是一种常见的做法。然而,许多噪声过程并不遵循高斯特性,并且通常表现出太过脉冲的事件,以至于无法用高斯模型成功描述。我们测试所提出的方法来选择各种脉冲分布族之间的模型合成产生的噪声过程和现实生活中的测量电力线通信(PLC)脉冲噪声和2-D离散小波变换(2-D DWT)系数。
2020-05-05 eess.SP
Capacity Bounds and Low-Complexity Constellation Shaping under Mixed Gaussian-Impulsive Noise
National Key Laboratory on Wireless Communications, University of Electronic Science and Technology of China(电子科技大学无线通信国家重点实验室)
本文提出了一种在混合高斯-冲击噪声环境下,通过熵功率不等式推导信道容量界限,并设计低复杂度星座塑形方法,实现高互信息传输。
2025-12-03 cs.IT eess.SP math.IT
Impulsive Noise Robust Sparse Recovery via Continuous Mixed Norm
Sharif University of Technology(谢里夫理工大学);Qom University of Technology(库姆理工大学);Instituto Superior Técnico(高等理工学院)
研究了加性脉冲噪声背景下稀疏信号的恢复问题。重尾脉冲噪声是很好的建模与稳定的分布。由于$SαS$分布的概率密度函数没有明确的公式,因此使用诸如广义高斯分布(GGD)的替代近似,其对残差施加$\ell_p$范数保真度。在本文中,我们利用连续混合范数(CMN)的鲁棒稀疏恢复代替$\ell_p$ -范数。我们表明,在盲目的条件下,即,在噪声分布参数未知的情况下,结合CMN可以导致接近最佳的恢复。我们采用交替方向乘法(ADMM)解决的问题所引起的利用CMN的鲁棒稀疏恢复。在该方法中,CMN被替换为代理函数,并结合优化最小化技术来解决问题。仿真结果证实了所提出的方法的效率相比,最近在文献中的一些算法的脉冲噪声鲁棒稀疏恢复。
2018-04-12 cs.IT cs.LG eess.SP
Cutoff Rate Bounds and Constellation Shaping under Mixed Gaussian-Impulsive Noise
本文针对混合高斯-脉冲噪声,通过推导截止速率的紧致闭式上下界,并利用投影梯度法联合优化星座的几何位置与概率分布,实现了显著的速率提升。
2025-09-08 cs.IT eess.SP math.IT
Adaptive DOA Estimation With KL-Based Kernel Bandwidth Adaptation Under Impulsive Noise
University of Birjand(比尔詹德大学);University of Quebec in Montreal (UQAM)(蒙特利尔魁北克大学);Ferdowsi University(Ferdowsi 大学);Laval University(拉瓦尔大学)
针对脉冲噪声下DOA估计易受异常值影响的问题,提出基于KL散度的核带宽自适应DOA估计器,仿真表明其在低至中等信噪比下精度更优且对初始带宽敏感性更低。
2026-10-14 eess.SP
A Novel Relay Selection Strategy of Cooperative Network Impaired by Bursty Impulsive Noise
最佳中继选择是提高协作网络性能的关键。在大多数以前的作品中,BRS的指导方针仅限于高斯噪声,在这篇文章中,我们提出了一种新的中继选择协议的解码和转发合作网络考虑到突发脉冲噪声(IN)。所提出的协议选择的第N个最好的中继考虑信道增益和状态的IN的源中继和中继的目的地链路。对于该方案,为了获得IN的状态,我们提出了一种使用最大后验概率(MAP)检测的状态检测算法。为了分析所提出的协议的性能,我们首先推导出封闭形式的表达式的概率密度函数(PDF)的接收到的信号噪声比假设所有的中继知道的IN状态完美(天才条件)。然后,这些PDF被用来获得封闭形式的表达式的误比特率(BER)和中断概率。最后,我们还推导出渐近误码率和中断表达式来量化分集的好处。我们表明,建议MAP为基础的第N个BRS协议达到派生的基因辅助分析结果,优于传统的中继选择协议,优化高斯的情况下,不考虑IN内存。
2019-05-29 eess.SP
A method for signal components identification in acoustic signal with non-Gaussian background noise using clustering of data in time-frequency domain
针对非高斯噪声污染的振动/声学信号故障检测难题,提出基于时频域谱向量分布密度聚类的方法,结合DBSCAN分离信号分量,经ENVSI验证并在工业故障轴承信号上成功应用。
2025-02-17 eess.SP
A Fast Blind Impulse Detector for Bernoulli-Gaussian Noise in Underspread Channel
Bernoulli-Gaussian(BG)模型是描述广泛存在于各种通信系统中的脉冲噪声的实用模型。为了从噪声测量中估计BG模型参数,精确的脉冲检测是必不可少的。在本文中,我们提出了一种新的盲脉冲检测器,它被证明是快速和准确的BG噪声在欠扩展通信信道。
2018-05-11 eess.SP
Robust Wideband Channel Estimation for mmWave Massive MIMO Systems With Beam Squint
针对毫米波大规模MIMO系统中波束偏斜和脉冲噪声导致的信道估计挑战,本文提出一种结合循环细化步骤与广义 $\ell_p$-范数最小化Newton方法的鲁棒宽带信道估计方法,显著提升了在非高斯噪声下的性能。
2024-09-24 eess.SP
Adaptive Sign Algorithm for Graph Signal Processing
高效、健壮的不规则结构数据在线处理技术在当今数据丰富的时代至关重要。在本文中,我们提出了一个图/网络版本的经典自适应符号算法在线图信号估计下的脉冲噪声。最近提出的图自适应最小均方算法在非高斯脉冲噪声下不稳定,计算复杂度高。在这项工作中提出的图形符号算法是基于最小色散准则,因此脉冲噪声不会妨碍其估计质量。与最近提出的图形自适应最小均值p次幂算法不同,我们的图形符号算法可以在没有噪声分布的先验知识的情况下操作。与现有的自适应图信号处理算法相比,该算法计算复杂度低,具有更快的运行时间。实验上的稳态和时变图信号估计利用频谱特性的带宽和采样,图形符号算法表现出快速,稳定,鲁棒的图形信号估计性能下的脉冲噪声建模阿尔法稳定,柯西,学生的t,或拉普拉斯分布。
2022-01-15 eess.SP
Eliminating Impulsive Noise in Pilot-Aided OFDM Channels via Dual of Penalized Atomic Norm
在本文中,我们提出了一种新的估计导频辅助正交频分复用(OFDM)信道在加性高斯和脉冲扰动环境。在高速通信系统中,由于人为噪声的影响,传感器可能会失效,导致大量的测量数据受到脉冲噪声的干扰。高功率脉冲噪声通常是OFDM系统的一个障碍,因为有价值的信息将完全丢失。为了克服这个问题,一个目标函数的基础上惩罚原子范数最小化(PANM),以促进时间色散信道和脉冲噪声的稀疏性。相应的PANM的对偶问题,然后转换为易处理的半定规划。它表明,人们可以同时估计的时间色散信道在一个连续的字典和脉冲噪声的位置使用的对偶问题。几个数值实验进行了评估所提出的估计器的性能。
2019-08-21 cs.IT eess.SP math.IT
A Robust ADMM-Based Optimization Algorithm For Underwater Acoustic Channel Estimation
针对水下通信中脉冲噪声干扰下的水声信道估计难题,提出基于ADMM的压缩感知一阶鲁棒估计算法,仿真验证其在强脉冲噪声环境下的时变信道估计性能更优。
2023-08-24 eess.SP
Analysis of Impulsive Interference in Digital Audio Broadcasting Systems in Electric Vehicles
Eindhoven University of Technology(埃因霍温理工大学);NXP Semiconductors(恩智浦半导体)
针对电动汽车中新型脉冲干扰影响数字音频广播系统性能的问题,本文基于实测数据分析干扰特性,对Markov-Middleton模型进行数据驱动修正,并据此设计最优符号检测器,实现了相比传统加性高斯白噪声检测器的显著性能提升。
2024-05-17 cs.LG eess.SP
Graph Normalized-LMP Algorithm for Signal Estimation Under Impulsive Noise
Tsinghua-Berkeley Shenzhen Institute, Tsinghua University(清华大学清华-伯克利深圳学院);Tsinghua University(清华大学)
在本文中,我们介绍了一种自适应图归一化最小平均p次幂(GNLMP)算法的图形信号处理(GSP),利用GSP技术,包括带限滤波和节点采样,估计采样图形信号在脉冲噪声。与基于最小二乘的自适应GSP最小均方(GLMS)算法和归一化GLMS(GNLMS)算法不同,GNLMP算法具有重构图像信号的能力,该图像信号被具有重尾特征的非高斯噪声所破坏。与最近引入的自适应GSP最小平均p次幂(GLMP)算法相比,GNLMP算法减少了收敛到稳定图形信号的迭代次数。推导了GNLMP算法的收敛条件,证明了GNLMP算法处理多维时变多特征图形信号的能力。仿真结果表明,GNLMP算法对稳态和时变图形信号的估计速度比GLMP算法快,鲁棒性比GLMS和GNLMS算法好。
2022-03-01 cs.LG eess.SP
Statistical Characterization and Block-EM Estimation of Frequency-Domain NSI for OFDM Systems in Bursty Impulsive Noise
Eindhoven University of Technology(埃因霍温理工大学);NXP Semiconductors(恩智浦半导体)
针对突发脉冲噪声下OFDM系统时域IN抑制技术的局限,提出频域块框架,推导IN频域统计模型,开发NSI估计的EM框架及变体,实现性能提升且复杂度更低。
2026-09-09 cs.IT eess.SP math.IT
Robustness Enhancement in Neural Networks with Alpha-Stable Training Noise
Tsinghua-Berkeley Shenzhen Institute(清华-伯克利深圳学院);Tsinghua University(清华大学)
针对深度学习在非完美环境中的噪声鲁棒性问题,本文提出用alpha-stable噪声替代高斯噪声进行数据增强训练,实验证明该方法对脉冲噪声具有更强的鲁棒性。
2023-11-17 cs.LG eess.SP
State Estimation of Wireless Sensor Networks in the Presence of Data Packet Drops and Non-Gaussian Noise
针对无线传感器网络中数据包丢失和非高斯噪声问题,提出DMCKF-DPD算法,兼顾估计性能与计算复杂度,并给出收敛条件。
2023-09-03 eess.SP
Performance Evaluation of Multi-hop Relaying over Non-Gaussian PLC Channels
在电力线通信(PLC)信道上进行中继可以显著提高PLC系统的性能和可靠性。本文致力于研究和分析多跳协作中继PLC系统的能量效率。增量解码转发(IDF)依赖被利用来减少发射功率消耗。假设PLC信道经历具有脉冲噪声的对数正态衰落。从中断概率和能量效率两个方面分析了单跳和传统DF中继系统的性能,并推导了解析表达式。结果表明,使用更多的中继可以提高中断概率的性能,但是,这是在增加的功率消耗的代价,由于增加的中继的静态功率,特别是当总的源到目的地的距离是相对较小的。结果还表明,与其他方案相比,IDF PLC系统具有更好的能效性能。
2018-08-01 eess.SP
Study of Robust Direction Finding Based on Joint Sparse Representation
Anhui University(安徽大学);Pontifical Catholic University of Rio de Janeiro (PUC-Rio)(里约热内卢天主教大学);University of York(约克大学)
针对脉冲噪声下传统DOA估计性能退化的问题,本文提出基于稀疏信号恢复的稳健DOA估计方法,并利用交替优化解决网格失配,仿真验证其抗大异常值能力。
2024-05-27 cs.LG eess.SP
On the Achievable Rate of MIMO Narrowband PLC with Spatio-Temporal Correlated Noise
本文针对MIMO窄带电力线通信中的时空相关循环平稳噪声,证明脉冲类噪声可分为正态分布子类,通过时空白化处理得到可达信息速率,可用于最优接收机设计与调制阶数适配。
2023-08-28 cs.IT eess.SP math.IT
Data-Driven Symbol Detection for Intersymbol Interference Channels with Bursty Impulsive Noise
Eindhoven University of Technology(埃因霍温理工大学);NXP Semiconductors(恩智浦半导体)
针对突发脉冲噪声ISI信道及信道记忆认知不准场景,提出基于HMM无监督学习和NN-HMM混合的数据驱动BCJR检测方法,无需完整CSI即可实现接近最优的误码率性能。
2024-05-17 cs.IT cs.LG eess.SP