马洪斌，马岩，杨春梅，沈锋

(1.哈尔滨理工大学 机械动力工程学院，黑龙江 哈尔滨150080;2.东北林业大学 机电工程学院，黑龙江 哈尔滨150040;3.东北林业大学 研究生院，黑龙江 哈尔滨150040;4.哈尔滨工程大学 自动化学院，黑龙江 哈尔滨150001)

0 引言

在传统的信号处理中，由于高斯模型可以很好地描述许多信号噪声并且算法结构简单，通常假定接收机接收的信号噪声为高斯分布白噪声[1]，然而，在实际的情况中所遇到的许多信号或噪声往往具有显著地尖峰脉冲特性，例如水声信号、低频大气噪声、生物医学信号和金融数据等[2－4]。这类信号的统计特性明显区别于高斯信号的分布特点，表现在其概率密度函数具有比高斯分布更厚的拖尾，而且概率密度函数往往是非对称的。在这种背景下，基于高斯假定设计的信号处理系统会出现性能退化。而α稳定分布为这类信号提供了良好的数学模型从而得到广泛的研究和应用[5－9]，α稳定分布是目前惟一的一类满足广义中心极限定理的分布，由于可以描述更加广泛的数据，因此具有更普遍的意义。

α稳定分布参数估计的方法主要有最大似然法、样本分位数法、样本特征函数法和负阶距法等[1，10－11]。最大似然估计法属于复杂的非线性优化问题，没有初始值选择原则和收敛分析可供使用，并且计算量相当可观;样本分位数的方法受到查找表的制约，只能进行模糊估计;特征函数法、负阶距法都可以准确的估计α稳定分布的参数而且计算方便，但是仅适用于对称α稳定分布，无法对偏斜参数β进行估计，实际应用中存在很大的局限性。……