Abstract
本篇論文所探討主題是訊號在接收、傳輸或是在量測時，造成原本訊號遺失同時又遭受到雜訊的干擾，其中訊號遺失為自然隨機方式遺失而所遭受到雜訊包括寛頻雜訊及脈衝雜訊（impulse noise），在此種狀態下訊號模組參數估測及訊號的重建是非常複雜且困難的問題。本篇是分二階段方式重建訊號，第一階段是組合基因演算法（Genetic algorithm）及模擬鍛鍊 (Simulate annealing)方式來估測訊號模組參數、遺失機率及雜訊的能量，第二階段是利用第一階段參數估測建立強健卡曼濾波器(robust Kalman filter)來最佳化解決重建訊號問題。 第一章 簡介：介紹傳統訊號模型組參數估數方法、訊號遺失點為己知其遺失為規則性或不規則性訊號的重建方式，這些方式若訊號遺點為未知或含有脈衝雜訊，這些方法，將變成非常不適用。 第二章 問題描述：本篇論文訊號遺失是採用機率方式，而將遺失機率考慮於參數估測中，並由光譜能量(power spectral)觀點來最佳化解決參數估測問題，使得均方誤差（mean square error）最小化。 第三章 參數估測：組合基因演算法及模擬鍛鍊方式來估測參數，首先利用基因演算法來估測參數，因它不受初使值影響及起始收斂性快，當它收斂性時，換至模擬鍛鍊方式，因它在最終時有很好的估測行為，如此結合這二種演算法，將可避開這二種演算法各自的缺點，取其優點。 第四章 訊號重建：利用第一階段參數估測建立卡曼濾波器重建訊號，為了補償脈衝雜訊及訊號遺失，在卡曼濾波器的革新處理(innovation process) 加入一非線性函數，而成為強健卡曼濾波器。從電腦模擬結果比一般方式可以得到不少改善。 第五章 模擬結果：本章節第一範例以一般由電腦所產生訊號，利用第一階段來估量參數，第二範例以聲音訊號為模擬對象，第三範例為擴展此方法於盲的等化器估測(Blind equalization model)。 第六章 結論：由電腦模擬範例結果及問題描述中，得知若於訊號參數估數中考慮遺失機率，問題的複雜度將增加，但若能找到解決問題方法，不管訊號是否遺失，將會有很好的參數估測，強健卡曼濾波器對於訊號遺失和雜訊干擾也有不少改善。