基于AF和UKF联合估计技术的高动态GPS信号捕获方法研究

分析了高动态环境给接收GPS信号带来的问题,研究了一种适应高动态环境GPS信号快速捕获方法.该方法基于模糊函数(AF)和Unscented卡尔曼滤波(UKF)的联合估计技术对GPS信号的伪码延时和多普勒频率进行估计.仿真比较了UKF和AF联合估计方法与MLE方法的估计性能,仿真结果表明该方法在保证跟踪精度的前提下提高了GPS信号的捕获速度.     

基于M估计卡尔曼滤波的GPS校频系统频差处理方法研究

在采用GPS卫星信号驯服地面晶振方法设计的频率源中,GPS与晶振的频率差信号存在噪声干扰。利用标准卡尔曼滤波算法直接对频率差信号进行滤波处理,信号噪声中的野值会影响滤波精度。提出一种基于最小和函数估计卡尔曼滤波方法,通过该M估计的影响函数导出加权矩阵,判别频差信号是否为野值,进而对滤波新息进行修正。在某GPS校频系统中的应用表明,野值对滤波精度的影响得到有效抑制,系统输出频率准确度优于5.0×10~(-12)。     

一种改进的GPS弱信号跟踪算法

针对目前GPS(全球定位系统)软件接收机中常用的跟踪环路难以跟踪弱信号的缺点,结合卡尔曼滤波技术,提出了一种基于扩展卡尔曼滤波的GPS弱信号跟踪算法.该算法通过改进传统卡尔曼滤波的观测方程,提高了信号估计精度.仿真结果表明,在载噪比低至23 dB· Hz的GPS信号跟踪条件下,传统跟踪环路已无法跟踪信号,但该改进的跟踪方法仍能跟踪.总体来说,该改进算法可用于GPS弱信号的跟踪,也可以用于其他GNSS(全球卫星导航系统).     

一种基于卡尔曼滤波的UWB定位算法

文中提出了一种基于卡尔曼滤波的UWB(Ultra Wide Band)定位算法,先用卡尔曼滤波算法对信号的到达时间测量值进行处理,以消除TOA(Time Of Arrival)测量值中的NLOS(Non.Line of Sight)误差,再对经过处理的TOA测量值进行TOA定位,理论分析和计算机仿真实验都表明:该方法的定位误差性能优于单纯的TDOA定位方法,具有较强的实用价值.     

基于序贯蒙特卡罗的非同步长码DS-CDMA信号扩频码及信息序列联合估计

针对多径信道环境下非同步长码DS-CDMA信号扩频码及信息序列等参数的联合估计问题,该文提出了基于序贯蒙特卡罗(SMC)的盲估计算法。该算法采用混合重要密度函数对联合后验分布模型进行抽样,并迭代计算重要性权值,以完成所需状态参量的估计。同时为了减少算法的计算量,在算法的实现过程中,先估计出各用户的扩频码,再对观测数据进行处理,从而修正原有的迭代步骤,提出一种修正的SMC算法。仿真结果验证了算法对多种情况的适应性,且在时变的多径信道环境下也能获得较好的估计性能。     

基于并行卡尔曼滤波的递推最小二乘测频算法

提出了一种基于并行卡尔曼滤波的递推最小二乘算法.利用最小二乘算法对卡尔曼滤波的并行多路收敛输出值进行二次优化估计.将本算法应用于正弦波测频,与只采用卡尔曼滤波的算法相比,可使频率估计精度得到明显提高.仿真证明在信噪比0~100 dB区间内采用本算法为卡尔曼滤波算法的测频误差的1/10左右.     

基于互相关抽样分解的分布式非圆信号DOA快速估计

在非相干分布式非圆信号波达方向(DOA)估计中,针对利用信号非圆特性后输出矩阵维数扩展带来的较大运算量问题,该文提出一种基于互相关抽样分解的DOA快速估计算法。该算法仅需要从子阵间的扩展互相关矩阵中抽样出少量行元素和列元素,构成两个低维子矩阵,进而通过低秩近似分解便可快速地同时求出左右奇异矢量,即分别对应两个子阵的信号子空间,避免了计算整个互相关矩阵及其奇异值分解运算;最后利用两个子阵信号子空间的旋转不变性通过最小二乘得到DOA估计。仿真分析表明,当行列抽样数大于信源数的两倍时,所提算法与直接基于互相关矩阵奇异值分解的非相干分布式非圆信号DOA估计算法性能相近,但复杂度得到了大幅度降低;而相比于传统的低复杂度非相干分布源DOA估计算法,所提算法利用信号非圆特性具有更高的估计性能。     

OFDM信号频率偏移盲估计算法

该算法通过联合多个正交频分复用（OFDM,Orthogonal Frequency Division Multiplexing）符号对频率偏移进行盲估计。该算法不需要数据辅助,利用接收信号循环前缀的相关性,通过计算相同子信道所传数据的相位差,来实现信号的小数倍频偏估计。利用相邻OFDM符号中频域导频的延迟相关运算来实现整数倍频偏估计。仿真结果表明该算法估计精度高,适合实际信号的应用。     

一种基于空域和频域信息的固定单站无源定位跟踪改进算法

针对无源定位必须实现快速和稳定定位跟踪的要求,本文基于辐射源信号的空域和频域信息,提出了一种对运动辐射源的固定单站无源定位跟踪改进算法。文中首先利用辐射源信号的空域和频域变化量信息,通过伪线性卡尔曼滤波算法估计出目标的速度矢量;然后利用速度矢量的估计值直接获得目标位置矢量的估计,并将其作为标准卡尔曼滤波算法的观测值进行滤波;最后通过计算机仿真验证了该方法具有较高的定位精度和较快的收敛速度。     

混合卡尔曼滤波在外辐射源雷达目标跟踪中的应用

为了提高无迹卡尔曼滤波(UKF)中误差协方差矩阵的估计精度,该文结合外辐射源雷达目标跟踪模型,提出了一种混合卡尔曼滤波(MKF)算法,首先通过UKF对目标状态进行一次后验估计,然后重新建立一个观测方程,把UKF滤波输出的状态估计值转化为新建观测方程的量测值,并通过线性卡尔曼滤波对状态进行二次最优估计。实验结果表明,与扩展卡尔曼滤波(EKF), UKF相比,MKF明显提高了外辐射源雷达目标跟踪的精度。      

平坦衰落信道下一种基于进化粒子滤波的盲检测器

该文针对平坦瑞利衰落信道下的盲粒子滤波检测器存在的样本贫化问题,提出了一种基于进化粒子滤波的盲检测方法。在粒子滤波的重采样阶段,引入进化规化思想,即采用进化粒子滤波的方法解决样本的贫化现象,从而构成了一种基于进化粒子滤波的盲检测器。仿真结果表明,在信道模型系数未知条件下,该检测器的误码率性能较盲粒子滤波检测器优越,接近已知信道模型系数情况下的混合卡尔曼滤波检测器性能。     

基于子空间跟踪算法的盲多用户检测技术研究

本文提出一种基于压缩投影逼近子空间跟踪(PASTd)算法与Kalman滤波算法相结合的盲自适应多用户检测算法.基于本算法,仅使用期望用户的特征波形和定时信息,多用户检测器可以盲获得.仿真实验表明,在多径非频率选择性衰落信道和用户数目变化的动态环境中,本文提出的盲多用户检测算法虽然在计算量上较LMS算法略为提高,但其收敛性能却优于后者,与RLS算法和Kalman滤波算法相比,本文提出的算法具有更低的计算复杂度和更优的收敛性能.     

基于FABA-SISO的时变频率选择性衰落信道CPM信号盲均衡

该文针对时变频率选择性衰落信道下高阶连续相位调制(CPM)信号盲均衡中存在的均衡性能较差、复杂度较高以及收敛速度慢等问题,从双向自适应信道均衡的角度出发,将线性调制信号均衡中使用的前后向自适应软输入软输出(FABA-SISO)算法推广,建立一种新的基于FABA-SISO的信道盲均衡方法,并结合逐幸存处理(PSP)思想和Kalman滤波,提出一种适用于高阶CPM信号的自适应盲均衡算法。该算法通过使用FABA-SISO算法,同时利用过去、现在和将来的观察数据进行Kalman滤波信道估计,有效改善了信道估计的精度,同时使用PSP算法来降低系统的复杂度,使得算法具有较好的工程应用性。仿真结果表明所提算法具有良好的盲均衡性能以及收敛性。     

Blind adaptive multiuser detection based on Kalman filtering

Although several Kalman filtering algorithms have been presented for adaptive multiuser detection, none is "blind" due to requiring training data sequences and/or more knowledge than the spreading waveform and delay of the desired user. This paper proposes a novel blind adaptive multiuser detector based on Kalman filtering and compares it with previously published LMS and RLS algorithms for blind adaptive multiuser detection. It is shown that the steady-state excess output energy of the Kalman filtering algorithm is identically zero for a stationary environment. Simulation results show the effectiveness of the new Kalman filtering algorithm     

非高斯噪声环境的进化粒子滤波盲检测器

对于信道模型系数未知的平坦瑞利衰落信道下非高斯噪声环境中的盲信号检测,提出了一种基于进化粒子滤波的盲检测算法。该算法能够解决一般的粒子滤波对于估计长时间不变的状态存在的样本贫化的问题和系统噪声的非高斯问题。仿真试验结果证明,在信道模型系数未知的平坦衰落信道下,非高斯的噪声环境中,该算法性能优越,接近达到已知信道模型系数情况下的混合卡尔曼滤波算法的性能。     

基于SP-LCCMA的STBC MC-CDMA系统盲信道估计

研究了空时编码多载波码分多址系统（STBC MC—CDMA）盲信道估计技术。根据信道位于信号子空间的特点,提出基于信号子空间投影线性约束恒模算法（SP—LCCMA）的盲信道估计,避免了噪声子空间信道估计的缺点,将估计信道应用于STBC MC—CDMA系统多用户检测。仿真结果表明,提出算法的收敛速度和信干噪比（SINR）性能优于一般恒模算法。     

Kalman滤波下的多信号单通道盲源分离

窄带物联网环境中,接收机收到的信号通常为多路混合信号,对单通道接收来说,利用常规盲源分离方法很难实现混合信号的分离和源信号提取。针对这一问题,本文提出了一种利用Kalman滤波算法进行信号估计,解决单通道盲源分离的方法。该方法利用信号间的时序结构,通过Kalman滤波算法对多信号混合中的源信号不断估计并迭代更新,最终得到分离信号。仿真实验结果表明,该方法能有效估计并分离出源信号。      

Blind Sequential Monte Carlo Joint Tracking of Channel State and Frequency Offset in OFDM Systems

Orthogonal frequency division multiplexing (OFDM) is a multi-carrier modulation scheme, which has been adopted for several wireless standards. In order to fully exploit the benefits of an OFDM system, estimation of the channel state information must be performed. Moreover a well-known problem of OFDM is its sensitivity to frequency offset between the transmitted and received carrier frequencies. This frequency offset introduces inter-carrier interference in the OFDM signal. In this paper we address the problem of jointly tracking the channel and frequency offset based on a Sequential Monte Carlo filtering approach. The proposed algorithm works in a decision-directed way, thus does not require the use of pilot symbols, providing a worth-mentioned increase in the useful data rate. Through simulations we demonstrate the efficiency of this approach against a similar approach where the Extended Kalman Filter is used. Moreover our method is compared with two recently proposed pilot-based methods.     

多径信道下多载波调制信号盲识别算法

该文针对多径衰落信道下,基于IFFT实现的多载波调制信号类内盲识别问题,提出了一种基于对构造数据矩阵进行奇异值分解的算法。在无需知道任何数据信息和扩频码类型及其长度等先验知识的条件下,根据构造数据矩阵的较大非零奇异值个数,按照简单的判定准则,即可准确判断多载波信号的类型,取得了良好的效果。无需传统识别算法中特征提取之后复杂的分类器设计,简化了识别流程。理论分析和仿真均验证了算法的正确性和有效性,证明算法具有一定的理论和实际参考价值。     

GPS动态定位中自适应卡尔曼滤波研究

采用描述机动载体运动的“当前”统计模型，建立了一种新的GPS动态定位自适应卡尔曼滤波模型。为了进一步提高滤波器的动态性能，提出一种改进的自适应滤波算法，大大提高了GPS动态定位卡尔曼滤波器的跟踪能力，改善了滤波效果。计算机仿真结果验证了该算法的有效性。