一种低开销的LTE上行链路信道估计算法

压缩感知理论作为信号处理方向较为前沿的研究方向,可以采用少数目的采样值以高概率来获得原始稀疏信号。同时,移动无线通信衰落信道恰恰具有稀疏特性。然而,传统的信道估计并没有根据信道的这一稀疏特性来得出算法。在研究多径信道稀疏特性的基础上,分析了将压缩感知理论运用于LTE上行链路进行信道估计的可行性,并建立了一种基于压缩感知技术实现系统信道估计的模型,提出了一种结合正交匹配追踪算法来估计信道时域响应的低开销LTE上行链路信道估计算法。此外,通过系统仿真进行了估计的均方误差性能分析,与目前广为使用的信道估计算法相比,所提出的低开销信道估计算法在保证估计精度的同时减少了导频开销,增强了系统性能。     

超宽带信号时延估计算法研究

研究定位中的超宽带(Ultra Wide-band,简称UWB)信号时延估计问题,给出UWB信号的模型,在研究传统的相关法、双谱法及MUSIC算法的基础上,提出一种改进的MUSIC算法.通过仿真实验,给出估计性能曲线,和传统的相关法、双谱法及MUSIC算法相比,仿真结果表明改进的MUSIC算法具有更好的估计性能.     

一种新的基于数据场的语音增强算法

语音增强是消除噪声干扰的主要手段,在语音处理系统中得到广泛应用。传统语音增强算法认为相邻帧语音幅度谱之间是相互独立的,而研究表明语音幅度谱时频点之间存在相互依赖关系。缺乏对邻域时频结构信息的利用使得传统增强算法的性能难以进一步提高。本文首次将数据场引入到对语音的听觉感知领域,用数据场对语音的时频依赖性进行建模,提出一种新的基于数据场的语音增强算法。该算法通过最小化势场分布的熵确定了时频点之间的相互作用力程,在带噪语音数据场中估计噪声的最小统计量得到二值时频掩蔽值,最后利用二值时频掩蔽消除噪声干扰。实验测试表明,与Martin算法相比,基于数据场的语音增强算法在提高去噪效果的同时能有效减少语音的失真。      

基于小波变换与压缩感知的脉冲星TOA估计

脉冲星导航是一种新型的自主式导航。为提高其精度与实时性,提出一种小波变换与压缩感知结合的脉冲星到达时间(Time of Arrival,TOA)估计的方法。该方法对标准脉冲轮廓使用小波变换构造多级冗余字典,通过信号恢复算法估计出实际脉冲星的TOA。该方法的算法复杂度低于传统的TOA估计方法,并且随着脉冲星信号周期内bin数量的增加,算法的实时性越好。该方法改变了传统的先去噪再估计TOA的思路,其可以嵌入到信号去噪的过程中,还可以和小波去噪的阈值处理并行计算。仿真结果显示文中方法耗时分别为两种传统TOA估计方法的0.87%和21.35%,并且随着数据时长的缩短,文中方法的TOA估计精度的相对优势越发明显。该方法不但可以提高TOA估计精度,而且降低了对数据时长的依赖。     

基于循环自相关的OFDM时间参数盲估计改进算法研究

在非协作通信领域，传统的基于循环自相关的OFDM（Orthogonal Frequency Division Multiplexing，正交频分复用）时间参数盲估计算法常分析的是无导频OFDM信号，不适用于实际应用场景中含导频OFDM信号的参数盲估计。本文分析了不同导频图案的OFDM信号循环自相关谱特性，针对谱特征变化改进了OFDM信号参数估计算法。改进算法既适用于无导频OFDM信号，也适用于不同导频图案的OFDM信号。仿真结果表明，对于无导频OFDM信号，改进算法比传统算法的时间参数估计误差可降低一个数量级；同时改进算法有效避免了导频引入的二阶周期性谱峰对OFDM时间参数估计的影响，可精确估计含导频OFDM信号的时间参数，具有很好的鲁棒性和应用价值。      

OFDM系统中基于局部离散余弦变换的信道估计

论述了一种新的基于局部离散余弦变换(LDCT, local discrete cosine transform)的正交频分复用(OFDM, orthogonal frequency division multiplexing)系统信道估计方法.与传统的离散傅里叶变换(DFT)和离散余弦变换(DCT)不同,LDCT基函数具有良好的时域能量集中特性,可迅速捕获信号中的时变成分,有效跟踪信号时频结构的变化,有效地抑制符号间干扰(ISI)和信道加性高斯白噪声.仿真结果表明,该方法优于基于DFT和基于DCT的信道估计,是一种可行而且有效的信道估计方法.     

一种基于LMS自适应滤波的互相关时延估计优化算法

在多站时差定位系统中使用基于LMS自适应滤波的互相关法进行时延估计时,若采用固定步长因子则会在收敛速度和稳态失调之间存在较大矛盾,从而影响时延估计精度。针对这一问题,文中提出了一种基于分段变步长LMS自适应滤波和希尔伯特差值的互相关时延估计优化算法。该方法首先采用分段变步长LMS自适应滤波对信号进行滤波处理,然后将滤波后的信号作互相关运算,最后通过希尔伯特差值法锐化相关函数的峰值,进一步提高时延估计精度。在相同条件下,文中模拟分析了不同算法的时延估计精度。实验结果表明,新的优化算法时延估计精度更高。在不同信噪比下,新方法相较传统时延估计方法精度提高了2.2%以上,具有良好的抗噪声性能。     

A joint TDOA and FDOA estimation algorithm based on second-order cone programming

ABSTRACT

Considering the low estimation accuracy of the traditional interpolation method, this paper, on the basis of second-order cone programming (SOCP), proposes a novel joint time difference of arrival (TDOA) and frequency difference of arrival (FDOA) estimation interpolation method, which can attain the sub-sample precision. The proposed method uses several discrete samples produced by cross ambiguity function (CAF) to structure the convex optimization models with regard to the interpolation surface. Then, the SOCP is utilized to obtain the interpolation surface which matches the discrete surface of CAF well. Finally, the method achieves the precision superior to the traditional TDOA and FDOA estimation directly through the search for the maximum of the continuous approximate surface. This method decreases the computational load without loss of precision and can efficiently reduce the limitation of finite sampling interval and sampling time in estimation precision. Numerical simulations show that the method in this paper is efficient and outperforms existing interpolation algorithms about estimation precision.     

区间卡尔曼滤波算法在参数估计中的应用

卡尔曼滤波算法除了用于动态系统的状态估计外,还可以用于动态系统参数的在线估计．特别是时变参数的估计。传统卡尔曼滤波算法在系统参数不确切已知或随时间变化时将无法直接应用。在区间分析的基础上,通过将不确定系统建成区间模型,在其他假设条件与标准卡尔曼滤波相同的前提下,分析了一种处理系统参数不确定性的区间卡尔曼滤波算法,并对其在参数估计方面的应用进行了探讨。     

基于经验模态分解重构的二次相关时延估计

针对低信噪比情况下的时延估计,将二次相关( SC)时延估计与经验模态分解( EMD)算法结合,提出了EMD重构二次相关时延估计方法。该方法针对EMD重构时本征模态函数的选择,将倒谱法和谱减法相结合,提出新的本征模态函数中有用信号主导分量和噪声主导分量的区分方案。研究结果表明：EMD重构二次相关法较传统二次相关法抗噪性能更优,更能锐化二次相关峰值;在非高斯有色噪声和高斯白噪声情况下,分别将准确估计时延的信噪比降低了4 dB和2 dB。     

一种新型的快速标签估计算法

标签估计是RFID系统中的关键技术之一.常规的标签估计算法通常要查询所有时隙的标签响应情况.在标签数量较大时会极大地增加通信负荷和时间损耗.提出一种快速标签估计算法,判断每一帧前4个时隙的标签碰撞情况,就可以对Q参数取值做快速调整,随后通过查询少量时隙就可以得到标签估计数目.仿真结果表明,与传统的标签估计算法相比,本文算法具有估计速度快、估计误差小等优点,非常适用于需要快速做出估计的场合.     

一种基于四阶累积量的约束自适应多径时延估计

在存在多径信号和空间相关性未知的背景高斯噪声情况下,不考虑多径信号传输的传统时延估计方法的性能会受到影响,甚至恶化。针对此问题,提出了一种基于四阶累积量的约束自适应多径时延估计算法,并对该算法的多径时延估计性能进行了收敛性能分析。该算法能够有效抑制空间相关性未知噪声的影响,在低信噪比的情况下能够直接、准确地进行自适应多径时延估计,克服了传统算法不能直接估计非整数倍采样间隔时延的缺点。计算机仿真试验验证了新算法的有效性。     

Off-grid DOA estimation algorithm based on unitary transform and sparse Bayesian learning

A rapid off-grid DOA estimating method of RV-OGSBL was raised based on unitary transformation,against the problem of traditional sparse Bayesian learning (SBL) algorithm in solving effectiveness of signal’s DOA estimation under condition of lower signal noise ratio (SNR).Actual received signal of uniform linear array was generated through constructing augment matrix as the processing signal used by DOA estimation.Then,estimation model was transformed from complex value to real value by using unitary transformation.In the next step,off-grid model and sparse Bayesian learning algorithm were combined together to process the realization of DOA estimation iteratively.The accuracy of estimation could made relatively high.The simulation result demonstrates that the RV-OGSBL method not only maintains the performance of traditional SBL algorithm,but also reduces the computational complexity significantly.Under the situation of lower signal noise ratio (SNR) and low number of snapshots,the running time of algorithm is reduced about 50%.This shows the RV-OGSBL method is a rapid DOA estimation algorithm.     

基于加窗DFT在科氏流量计信号处理中的应用

科里奥利质量流量计是一种直接测量质量流量的流量计,针对其对相位差估计精度的要求,采用一种基于加窗离散傅里叶变换(DFT)的相位差测量算法进行研究。该算法不需要整周期采样,可应用于含有谐波的信号。与传统的相位差估计算法进行仿真对比研究,通过分析噪声对估计精度的影响,研究一种改善估计精度的方法。仿真结果表明,该算法实用性好,满足科氏流量计对精度的要求。     

改进SSMUSIC超分辨多径时延估计算法

传统的MUSIC超分辨时延估计技术是直接基于测量数据,其性能往往只对宽带且频谱近似平坦的信号较优,而对窄带信号估计性能较差。针对上述问题,本文通过利用谐波频率估计模型和DOA (Direction of Arrival)估计模型之间的等价性,将时延估计问题转化为谐波频率估计问题,提出了一种改进SSMUSIC(Signal Subspace Scaled Multiple Signal Classification)超分辨多径时延估计算法。改进后的算法采用平滑的思想和SSMUSIC算法的思想构造协方差矩阵和MUSIC谱,实现了对多径时延的超分辨估计。仿真表明,该算法能够实现对窄带信号多径时延超分辨估计且具有DP(Direct-Path)不模糊和谱峰陡峭的特点,估计性能优于传统的超分辨算法。      

一种基于区域搜索的全局运动估计与补偿算法

开展全局运动估计与补偿研究是进行动态目标检测中的基础和前提。在总结现有运动估计与补偿方法的基础上,提出一种基于图像分割区域的运动性和大小的全局运动估计与补偿算法。首先,通过建立区域搜索的全局运动模型,同时进行区域定性分割和区域大小排序;然后,根据误差最小化准则在指定的分割区域中进行线性递归搜索,利用门限准则寻找出最佳的运动估计参数;最后,根据双线性内插法获得运动位移量。实验结果比较可知,所提算法较三步搜索算法(TSS)和全局搜索算法(FSA)等传统算法具有更高的准确性(图像平移帧差)和实时性(算法运行时间),能够很好地实现运动背景的全局校正。     

一种基于改进AMDF的时延估计方法

两路传感器接收信号的时延估计是时间到达差(TDOA)定位中需要解决的首要问题。多途效应是影响时延估计性能的重要因素。提出一种基于改进平均幅度差函数（AMDF）的时延估计方法,通过对信号进行多帧延拓与叠加,提高对多途效应的抑制能力。同时,结合广义互相关方法降低算法的噪声敏感性。仿真结果表明,该算法时延估计结果与传统方法相比具有更小的误差和更高的稳定性。     

超奈奎斯特信号载波频偏估计的梯度下降算法

超奈奎斯特（Faster-than-Nyquist, FTN）传输技术是一种基于时域压缩的信号调制技术，具有更高的传输速率及频带利用率，但是却引入了无限长的码间串扰（inter-symbol interferences , ISIs），这对载波频偏估计提出了新的挑战。对于FTN信号的频偏估计，传统算法在门限和精度等方面都有所下降。本文将梯度下降算法应用到载波频偏估计中，通过迭代搜索的方式，获得对频偏的精确估计。估计过程中直接通过数据部分进行估计，不需要借助额外的导频序列。仿真结果表明，梯度下降法与传统算法在性能上相比有了较好的改善，虽然具有较多的迭代次数和运算量，但是却能够较好地适应FTN信号的特性。梯度下降法不仅在门限范围内更靠近克拉美罗界（Cramer-Rao bound，CRB），而且在整个频段上具有更稳定的性能。      

Modeling and Analysis of Software Fault Detection and Correction Process by Considering Time Dependency

Software reliability modeling & estimation plays a critical role in software development, particularly during the software testing stage. Although there are many research papers on this subject, few of them address the realistic time delays between fault detection and fault correction processes. This paper investigates an approach to incorporate the time dependencies between the fault detection, and fault correction processes, focusing on the parameter estimations of the combined model. Maximum likelihood estimates of combined models are derived from an explicit likelihood formula under various time delay assumptions. Various characteristics of the combined model, like the predictive capability, are also analyzed, and compared with the traditional least squares estimation method. Furthermore, we study a direct, useful application of the proposed model & estimation method to the classical optimal release time problem faced by software decision makers. The results illustrate the effect of time delay on the optimal release policy, and the overall software development cost.     

基于二维GFVC卡尔曼滤波的遥感图像信噪比分析

提出了一种基于二维GFVC卡尔曼滤波的遥感图像信噪比分析方法,分析表明，该方法与传统的二维随机信号估计方法相比，在算法复杂度和实时性上均有明显的优势，并已成功应用于航天遥感器实时在轨评价系统。