高阶统计量的信号分析及处理探讨

陈旭冬?杨开春

摘要：文章主要是介绍了信号分析以及处理的新兴的一种形式，也就是基于高阶统计量的一种形式，用这样的一种形式，不仅可以获取到信号的幅度信息还可以获取到相位信息，并且利用理论分析以及实验结果说明，高阶统计量可以有效的处理客观所存在的非高斯以及非线性问题，是现代信号分析与处理课题开展的重要手段。

关键词：高阶统计量；信号分析；信号处理

1.信号分析处理

计算信号是一种用时间或者是空间函数所表达出来的一种数学公式，通常是一种存在有一个或者是多个变量的函数，换一句话来说就是时间与空间的一种纯量函数，信号产生的正弦波，方波等因素都属于独立变量时间t的函数，黑白平面图形，由存在的图形不同点位以及不同灰度值的像素点构架而成，可以描绘成两个变量的函数I（x，在运动的过程当中黑白图形会生成新的时间变量，这样一来就可以将三个独立函数描述成为1（x，y，c），通常情况之下，只有一个独立变量的函数被我们称之为一维信号，具有两个独立变量的被称之为二维信号，以此类推就有三微信号。而信号又可以根据其性质划分成为确定信号与随机信号，连续信号与离散信号，周期信号与离散信号，能量信号与功率信号。确定性信号的概念就是说有着确定规律变化的一种信号，可以利用确定的曲线来阐述，但是随机信号与之的区别就在于随机信号不遵循任何解析函数，同样的连续信号可以借助一个变量解析式来表达，其函数的定义区域也是连续的，而离散型的信号则相反，周期性信号的变化存在有一定的周期变化规律，但是非周期信号则完全相反，能量信號有极限但是功率信号则没有，因此离散信号，随机信号以及有限振幅的周期信号都属于功率信号。

信号分析是借助一定的手段来获取各种信号的特性，进而使得认识到自身的特征，并且掌握它的时域与频域的动态趋势，能够借助这种剖析，使得复杂的信号简单化，变成简单的信号组合，能够凭借简单的信号特性，获取复杂信号的特性。此外，信号分析能够得到被研究体系的重要特性信息。人们能够运用这种方法获得体系的运行情况以及故障信息等。信号处理系指对信号进行的加工与变换，比如为了运用目标体系中有效的特性信息，借助特定措施除去目标信号中的噪声，除去噪声的整个过程其实就是信号处理的完整过程，所以，信号处理就是借助一定方式得到有效信息的过程。信号的剖析与处理两者间非常密切，但是又是相互独立的两个过程，信号处理之前一定要进行信号分析，信号处理能够将有效信息的特性突出，这样就能够获得有效信息，或是能够达到去噪的目的，但是这两个过程共同的目标就是最大限度从信号中得到有效信息，并且切实有效地处理信息，信号剖析与处理技术在通信领域中已经广泛普及，并且在一定程度上促进了自动控制、遥感技术、自然语言处理以及地理信息处理等相关学科的发展。

2.基于高阶统计量的信号分析与处理

基于高阶统计量的信号分析与处理已经得到了非常广泛的普及，比如心音信号，心音是心脏与心血管系统中用来描述机械振动状况的指标，心音信号的剖析与处理对心血管相关的病情诊断具备极大的实际运用价值，心音诊断具备较高的经济性，能够广泛运用在大多数疾病诊断的过程中，并且其精确性与稳定性会在很大程度上影响治疗的效果，刚开始的时候，医生借助听诊器来辨别心音特征，这就具备极大的主动性，并且结果可靠性不高。随着时间的推移，信号剖析与处理技术不断得到发展，心音识别也渐渐开始运用定量分析的方法，比如功率谱分析在心音信号的处理方面已经广泛普及，功率谱的前提假设就是信号的解析函数一定要符合高斯分布，高阶统计量是对高斯信号进行处理的重要手段，可以切实有效地消除噪声，获得精准的特征信息，正常心音与异常心音在双谱分析中会展示出显著的差异性，这就表示基于高阶统计量方式的心音信号剖析与处理具备极高的可靠性与可行性。

高阶统计量还可以用来剖析并处理生物医学信号，这种信号产生的环境是存在强噪声的，并且属于一种低频微弱信号，是由复杂的生命体产生的稳定较差的自然信号，相较于普通的信号而言，信号特征、检测方法以及处理科技都有极大的差异。生物医学信号处理其实就是基于生物医学信号的特性，对收集到的生物医学信号展开深入的剖析，并且进行解释、显示、存储以及传输。生物医学信号与其他信号源存在很大的差异，具备较强的复杂性，并且随机性较大。这主要是由于影响生物医学信号的要素非常多，生物医学信号本身非常弱，背景噪声非常大，比如胎儿不但存在肌电干扰，还有来源于母体的噪声干扰。通常信号频率范围不大，并且具备较强的随机性，而且还不平稳。传统生物医学信号的剖析与处理一般是借助二阶统计量的方式，这种方式在剖析信号的过程中存在较大的不足，仅仅会对特征显著的高斯随机过程，才可能会表示出明确的概率分布状况，除了这种情形之外，运用这种方式会使得相位信息残缺，但是高阶统计量就能够使得这些弊端得到极大的完善。

结论

高斯统计量不但可以提供幅度与能量信息，还可以显示出相位信息、与非高斯相关或是非线性层面上的信息，并且对高斯噪声的敏感性较小，可以在很大程度上抑制高斯噪声，这些新信息与特征就会让高阶统计量变成信号剖析与处理过程中一种先进的、有效的工具，这就使得强噪声环境下信号的分析和处理得到极大的强化。

参考文献：

[1]王燕，邹男，付进，梁国龙.基于局部瞬时能量密度级的瞬态信号检测方法[J].电子与信息学报，2015，35（7）

[2]尹成，伍志明，邓怀群高阶统计量方法在地震勘探中的应用[J].地球物理学进展，2014，18（3）：546—550

[3]刘锋，何卓，谭祥勇核实数据下非线性模型的序列相关性检验[J].重庆理工大学学报（自然科学），2016，30（11）：155—161.endprint