ارائه یک الگوریتم جدید بر اساس مدل‌های پارامتری سیگنال به‌منظور تخمین طیف سیگنال نویزی غیرگوسی

در این مقاله یک روش جدید برای تخمین طیف سیگنال در حضور نویز اندازه‌گیری ارائه‌شده است. نویز زمینه دارای توزیع غیرگوسی آلفا-پایدار متقارن است. پارامترهای سیگنال از طریق روش‌های طیفی به‌صورت مدل خود کاهنده (AR) مدل شده است. پس از محاسبه میزان بایاس ایجادشده در پارامترهای سیگنال، به حذف آن با استفاده از معادلات یول واکر تعمیم‌یافته پرداخته‌شده است. در توزیع آلفا-پایدار فرم بسته فرمولی برای توابع چگالی احتمال و توزیع تجمعی احتمال وجود ندارد. هم‌چنین نامحدود بودن مقدار واریانس در این توزیع، موجب ناکارآمدی در استفاده از ضرایب همبستگی و روش‌های معمول تخمین پارامتر شده است. با ارائه یک فرم بسته فرمولی جدید بر اساس ضرایب هم‌تغییر، حذف این بایاس در قالب یک الگوریتم تکرارشونده صورت گرفته است. نتایج حاصل از شبیه‌سازی الگوریتم پیشنهادی نشان می‌دهد که در نسبت‌های سیگنال به نویز dB 10 و بالاتر، بیش از 20 درصد بهبود دقت، در تخمین پارامترهای مدل AR نویزی نسبت به روش یول‌واکر ایجادشده است. همچنین نتایج نشان می‌دهد تخمین‌های حاصل از روش پیشنهادی نسبت به جابه‌جایی قطب‌های مدل بسیار مقاوم‌تر از روش یول‌واکر است و برای مدل‌های AR با قطب‌های نزدیک به مرزهای دایره واحد بهبود قابل‌توجهی نسبت به روش یول‌واکر مرتبه بالا نشان می‌دهد.