有限快拍四阶累量无偏估计性能分析

关于累量域估计的研究以前主要着重于渐进性能的研究，包括渐近无偏估计及渐近方差。本文主要研究有限快拍累量域无偏估计性能，包括有限快拍的无偏估计及方差性能分析。仿真结果表明无偏估计在低信噪比情况下波达方向参数估计性能优于有偏估计，从而推动累量域本身估计的研究。     

采用合成方法的多路信号自适应时延联合估计

本文关注的是多路信号之间时延差异的联合估计问题。不同于传统的自适应时延估计算法,本文以合成信号作为自适应时延估计的参考信号,给出了基于信号合成的联合自适应时延估计算法。同时本文推导和仿真了该算法时延估计的均值、学习曲线及方差特性。性能分析和仿真结果均显示,本文提出的基于合成的多路信号自适应时延估计为渐进无偏的时延估计。在不明显增加计算量的条件下,当算法收敛时,联合时延估计算法的方差显著低于传统的两路信号之间自适应时延估计算法方差。      

基于高阶循环平稳特性的二维波达方向估计算法

本文提出了一种利用虚拟双线性平行阵的循环累量域二维波达方向 （ＤＯＡ）估计算法。该算法构造了一个虚拟ＤＯＡ循环矩阵（ＶＤＯＡ Ｃｙｃｌｉｃ　Ｍａｔｒｉｘ）,井基于此矩阵进行ＤＯＡ估计。理论分析表明,通过对虚拟ＤＯＡ循环矩阵的特征值分解,就可以得到源信号的二维ＤＯＡ估计。同时由于循环累量对高斯噪声的自然盲性和对信号的选择性,该算法具有循环域和累量域ＤＯＡ估计算法的良好性能。该算法的另一特点是可以提供虚拟扩展孔径,提高了ＤＯＡ估计的性能．     

基于粒子群优化的MPSK信号频偏估计算法

针对传统多进制数字相位调制(MPSK)信号非数据辅助(NDA)频偏估计算法存在估计范围有限、估计方差较大、符号个数少时估计性能受限等问题,提出了基于粒子群优化的频偏估计方法。该算法以频偏估计的似然函数为目标函数,模拟群体智能搜索最优解。仿真结果表明,本算法无偏估计范围大,在符号数较少、信噪比较低时,估计方差接近克拉美罗下限(CRLB),性能优于经典的离散傅里叶变换(DFT)算法和Kay算法。     

一种未知信源数的高分辨DOA估计算法

众多性能优良的超分辨波达方向(DOA)估计算法通常需要预先判定信源数目,然而,现有的信源数估计算法在有限采样快拍条件下,估计性能随着信噪比的降低而下降,错误概率也相应增加,最终导致DOA估计失败。该文提出一种超分辨的DOA估计算法,此算法不需要预判信源个数和进行特征值分解,同时在时变环境中,针对快拍数较少的情况下,依然保持较高的角度分辨能力,可以被认为是综合了Capon法和MUSIC法的优点。通过对实验数据和实测数据的计算机仿真及性能分析可得,与传统算法相比较,该算法有很好的鲁棒性和可行性。     

迭代异方差估计及其在多传感器 数据融合中的应用

 本文提出一种适应任意噪声分布的迭代渐近无偏估计异方差的方法,它能对多个不同测量噪声的方差进行估计.不同于传统的异方差估计算法,本文提出的迭代异方差估计,可在不损失估计精度和减少运算量的前提下,对多个不同的测量噪声方差进行捕获和跟踪.在多传感器数据融合中的应用结果表明:本文提出的方法具有估计稳定性好、运算简单和具有较强的鲁棒性等优点,仿真和实验的结果均证明了提出方法的有效性和可行性.     

频点自跟踪自适应频率估计器性能研究

基于二阶自适应陷波滤波器的频率估计器是工程上常用的单频信号频率估计器,其前提是参考信号相对输入信号频偏较小.随着频偏的增大,自适应频率估计的偏差和方差也随之增大.本文分析了自适应频率估计器的性能及频偏的影响,得出了自适应频率估计方差下限的公式及达到此下限的条件.提出了频点自跟踪自适应频率估计器.仿真与理论结果均表明相同条件下该估计器较自适应频率估计器明显减小了估计偏差和方差,在中等信噪比下估计方差可减小到自适应频率估计方差的百分之一.只要信噪比不甚低,频点自跟踪频率估计是无偏的且估计方差接近理论下限.     

信号数目估计错误的最大似然波达方向估计的性能分析

本文分析了汝信号数目估计与真正的信号数目有出入时的波达方面（ＤＯＡ）最大似然（ＭＬ）估计的性能。中给出此时角度估计的渐近分布，也就给出这一估计的渐近方差的角析表达式，计算机模拟试验表明，理论预计结果是相当准确的。     

累量域虚拟阵列二维波达方向估计算法

利用空间四阶累量的孔径扩展性质,构造了一种新的累量域虚拟阵列波达方向矩阵。由累量域虚拟阵列波达方向矩阵非零特征值的幅值和相位即可分别估计出信号源的方位角和俯仰角。本算法阵元利用率高,阵列布置灵活,由于采用了累量,通过适当布置阵列可压制任意分布噪声,获得较好的估计效果。     

基于FFT和迭代插值的改进型超分辨算法

基于单快拍的快速迭代插值DOA（Direction of Arrival）估计方法,有效地消除了频谱泄漏,实现了多源DOA的无偏估计。但是该算法需要提前确定信源的个数,且运算量大,因此在工程应用中受限。本文提出一种新方案,利用传统角度域FFT提供粗略角度估计,然后通过迭代插值法细化角度,最终基于对消残差功率和信息论准则进行信源个数估计。该方案无需预知信源个数,且文中提出的基于残差变化率的收敛策略大大减少了细化估计的迭代次数,从而有效地降低了原算法的计算量。通过仿真结果验证了该方案的有效性,在估计精度及分辨率方面性能接近快速迭代插值波束形成算法,优于子空间类算法。     

基于变分法的参数约束估计方法研究

提出一种基于变分法的参数约束估计方法,以获得渐进无偏的估计参数.通过分析包含待估参数的系统输入输出方程,构造变分法中的性能范函和约束方程,将传统的参数估计问题化为带约束条件的最小二乘估计问题;利用拉格朗日乘子法,分析参数估计方程,得到参数的最优估计.计算机仿真的结果表明,该优于传统的最小二乘估计法,获得的估计参数是渐进无偏的,获得的估计参数的辨识精度更高,该参数约束估计法在系统辨识和参数估计领域具有极其重要的实际应用价值.     

OFDM系统中一种改进的信噪比估计算法

在OFDM系统,SNR承担着监控信号质量的责任.主要研究了基于LMMSE信道估计的信噪比估计.针对现有算法的复杂度高,信噪比估计有偏的问题,提出了一种改进的修正算法.该方法通过无偏的噪声估计以及前后OFDM符号之间的迭代来实现快速收敛,并且直接利用LMMSE信道估计过程的系数来计算修正因子,计算复杂度低.经仿真表明,所提方法在高SNR时估计精度可提高2dB,误码率也有0.3dB的提升.     

一种新的最小均方误差线性合并算法

针对未编码的多输入多输出系统,将基于训练序列的最小均方误差(MMSE)信道估计算法与最优线性无偏估计结构(BLUE)相结合对已估计的信道参数进行估计.仿真结果表明,使用线性合并的MMSE算法比传统的MMSE算法具有较小的参数估计误差,比使用线性合并的LS算法性能更好.     

频率失配条件的自适应相位差无偏估计方法及性能分析

针对频率失配条件下受噪声影响导致相位差估计精度不高的问题,提出一种频率失配的自适应相位差无偏估计方法,提升相位差估计的精确性和抗噪性.为此,首先通过对两路正弦信号的展开式参数进行自适应估计,利用展开式参数估计值实时计算两路正弦信号的相位差;其次,利用泰勒级数展开式对相位差估计方法进行了估计偏差分析,证明了频率失配条件下所提相位差估计方法的无偏性,并给出了相位差估计方法的稳态性能;最后,给出了不同方法的相位差估计结果,并讨论了各参数对相位差估计的影响,计算结果表明所提方法的有效性与正确性.     

Alpha稳定分布噪声下时频重叠信号的载波频率估计方法

针对Alpha稳定噪声下时频重叠信号载波频率估计困难的问题,该文提出一种Alpha稳定噪声下时频重叠信号的载波频率估计方法。该方法首先提出时频重叠信号的广义四阶循环累积量的定义,然后检测离散谱线所对应的广义四阶循环累积量幅度谱的循环频率,进而估计出各个信号分量的载波频率,最后进行渐近性的理论分析,证明了该估计方法是渐近无偏和一致的。仿真结果表明,在Alpha稳定分布噪声下,该方法具有良好的估计性能和稳健性。     

A covariance matrix shrinkage method with Toeplitz rectified target for DOA estimation under the uniform linear array

A covariance matrix shrinkage method is proposed to make an improvement of the direction of arrival (DOA) estimation under a uniform linear array in a scenario where the number of sensors is large and the sample size is relatively small. The main contribution is that we provide a shrinkage target with Toeplitz structure and deduce a closed-form estimation of the shrinkage coefficient. The closed-form and the expectation of the shrinkage coefficient estimate are calculated based on the unbiased and consistent estimates of the trace and moments of a Wishart distributed covariance matrix. The statistical property of the shrinkage coefficient estimate is discussed through theoretical analysis and simulations, which demonstrate the shrinkage coefficient estimate can ensure that the proposed covariance matrix estimate is a good compromise between the sample covariance matrix (SCM) and the target. The root-mean-square-error (RMSE) simulations of DOA estimation show that the proposed method can improve the multiple signal classification (MUSIC) DOA estimation performance in the case of low signal-to-noise ratio (SNR) with small sample size, and also can provide a satisfactory performance at high SNR.     

含状态等式约束的分布式估计融合

在假设各传感器间观测噪声不相关的基础上,将最优线性无偏估计意义下的分布式最优估计融合公式推广至含状态等式约束的分布式估计融合问题中,并在此约束条件下,先将该约束系统直接转换为投影系统,再利用投影系统中的Kalman滤波估计,分别讨论了两种信息融合方式:中心式与分布式融合。进一步地指出中心式估计融合优于分布式估计融合,并在分布式融合结构下,得到了约束的Kalman滤波估计优于投影的Kalman滤波估计的结论。通过数值模拟论证了两种融合方式下的性能差异。     

针对相干信号DOA估计的改进MUSIC算法

针对相干信号波达方向(Direction of Arrival, DOA)估计,提出了一种改进的多重信号分类(Multiple Signal Classification, MUSIC)算法。首先,利用信号协方差矩阵的两个最大特征值所对应的特征向量,构造出两个Toeplitz矩阵;然后,利用前后向空间平滑思想得到这两个矩阵的无偏估计并求和;最后,利用MUSIC算法从中估计出相干信号DOA。和已有方法相比,该方法无需损失阵列孔径且具有更优的DOA估计性能。