共查询到20条相似文献,搜索用时 31 毫秒
1.
粒子滤波器能够处理非线性和非高斯的问题,所以引起人们的关注.对于平坦瑞利衰落信道下的盲信号检测提出了一种改进的粒子滤波器,与原来的算法相比,它的复杂度较低.原来的算法能够达到混合卡尔曼滤波器的可比性能.仿真试验结果证明,无论是在高斯噪声还是非高斯噪声环境中,这种新的粒子滤波器能够达到混合卡尔曼滤波器的可比性能. 相似文献
2.
3.
提出了一种基于谱相关的正交频分复用信号(OFDM)子信道调制方式盲检测算法.该算法利用循环谱相关检测特征参量实现对子信道调制方式的检测,所提出的特征参量可抑制高斯噪声的影响.通过计算机仿真评估了该算法对正交频分复用信号(OFDM)子信道调制类型盲检测的性能,表明这种算法在高斯信道下具有很高的调制方式识别性能和很强的稳健性. 相似文献
4.
高阶统计量在检测中的应用 总被引:11,自引:0,他引:11
本文提出了一种利用高阶统计量对加性噪声中的确定性信号及非高斯随机信号进行检测的方法。这种检测方法对加性噪声是否有色或是否为高斯分布并不敏感,而只要求噪声具有对称的概率密度函数,在信号波形未知而造成匹配滤波器性能恶化时,利用这种方法对确定性信号进行检测的性能与已知彼形时匹配滤波器的检测性能相近。在色噪声话密度未知且噪声港与信号谱重叠程度最大时,这种方法的性能优于匹配滤波器。利用这种方法还非常易于实现非高斯随机信号的检测。因此,这种检测方法弥补了匹配滤波器必须有先验知识才能达到良好检测效果的不足。 相似文献
5.
针对含有色噪声的语音,提出了一种基于Unscented粒子滤波的单通道语音增强方法.采用时变自回归模型(TVAR)对干净语音建模,通过Unscented粒子滤波器估计AR模型的参数并滤除有色噪声.与大多数常用的粒子滤波选择的建议分布不同,Unscented粒子滤波器采用Unscented卡尔曼滤波器生成粒子滤波的建议分布.由于在粒子的更新过程中考虑了最近的观测值,Unscented粒子滤波器能够在粒子数少于传统粒子滤波算法所需粒子数目的基础上改善估计的性能.仿真实验结果表明,在有色噪声背景下该算法具有良好的语音增强效果. 相似文献
6.
本文针对多输入多输出(MIMO)信道模型,提出了一种新的信道盲均衡算法.该算法根据迫零条件,通过具有特殊自相关函数的前置滤波器的设计,采用改进的自相关匹配准则,实现了信道的完全均衡和信号的恢复.文章从理论上证明了该算法在存在高斯白噪声(AWGN)的非理想信道中,能够在信噪比变化的情况下满足迫零条件.通过与原有的自相关匹配方法、最小均方算法(LMS)的比较,模拟结果显示了本方法良好的性能. 相似文献
7.
8.
张鹏 《信息安全与通信保密》2007,(3):51-54
论文提出了一种基于LPC残差信号高阶统计量对加性噪声中的确定性信号及非高斯随机信号进行检测的方法,通过理论分析与实验结果表明,高阶统计量能有效地解决客观存在的非高斯及非线性问题,是现代信号分析与处理研究的重要内容,这种检测方法对加性噪声是否有色或是否为高斯分布并不敏感,而只要求噪声具有对称的概率密度函数。利用这种方法对确定性LPC残差信号进行检测的性能与已知波形时匹配滤波器的检测性能要好。利用这种方法还非常易于实现非高斯随机信号的检测。 相似文献
9.
10.
论述了用多层感知器神经网络检测非高斯噪声中确知信号与随机信号的工作原理,网络结构和训练算法,讨论了几种非高斯噪声中信号的神经网络检测器性能。计算机仿真证明,在非高斯噪声条件下神经网络检测性能优于线性最佳匹配滤波器检测器和局部最佳检测器。 相似文献
11.
针对多径信道下直接序列扩频信号检测的难题,在基于自相关二阶矩的检测算法基础上提出了新的检测参数,从而将加性高斯白噪声信道下的直接序列扩频信号检测算法推广到多径信道。本文算法首先分析了由多径信道导致的能量峰值和由直扩信号的伪码特性导致的自相关峰值的特点,并根据此特点定义了新的检测参数——多径因子,最后将该参数应用到基于自相关二阶矩的直接序列扩频信号检测算法中,实现了对多径信道下的直接序列扩频信号的检测。理论分析和仿真实验表明,本文提出的检测新参数能真实的反映多径信道对信号自相关函数的影响;当信噪比大于-14dB时,本文提出的多径信道下直扩信号检测算法性能与加性高斯白噪声信道下的检测性能相当。 相似文献
12.
粒子滤波器能够处理非线性和非高斯的问题,所以引起了人们的关注。当重要函数分别选取先验重要密度函数和混合重要密度函数时,对于平坦瑞利衰落信道下粒子滤波算法,仿真试验结果表明,无论是在高斯噪声还是非高斯噪声环境中,混合重要密度函数要优于先验重要密度函数。 相似文献
13.
传统自适应Volterra滤波器抽头长度固定。当一个被识别系统或被均衡信道的特征未知或时变时,自适应滤波器的抽头长度太长,不仅增加了计算量同时也增加了误差;抽头长度太短则无法满足系统的性能要求。针对这个问题本文提出了一种二阶Volterra变抽头长度自适应滤波算法。先对Volterra滤波器输入信号进行格型滤波处理,实现了二次项信号解耦,减少了二次项的权系数,使线性部分和非线性部分权值具有相同的抽头长度,简化了传统Volterra滤波器的结构;基于最小平均p范数准则,运用分数抽头长度的概念,对滤波器抽头长度进行实时自适应调整,用LMP算法自适应调整权系数。计算机仿真结果表明,在不同信噪比的高斯噪声和 稳定分布噪声背景下, 应用本文算法的自适应信道均衡都具有良好的收敛性能,本文算法能自适应调整到最优抽头长度;验证了算法的有效性。 相似文献
14.
为了提高基于功率谱的频谱感知算法抗噪声不确定性、抗频偏及低信噪比下检测性能,本文利用功率谱的部分样本平均估计最大值,以降低信号频偏对频谱感知性能影响;利用功率谱的最大值与最小值之差与功率谱几何平均之比作为判决统计量,以尽可能消除噪声影响及保留主用户信号;推导得到了检测门限表达式,表明该算法对噪声不确定性不敏感。加性高斯白噪声信道和瑞利衰落信道下的仿真结果表明:该算法频谱感知性能优于已有的基于功率谱的频谱感知算法,降低了未知载波频偏和噪声不确定性对频谱感知算法性能的影响,该算法能够有效检测实际信号。 相似文献
15.
传统的频谱感知算法因非高斯噪声的干扰,其检测性能严重退化。为抑制实际通信环境中非高斯噪声的干扰,本文提出了一种基于分数低阶矩的空闲频谱检测方法,该方法不需要主用户信号、通信信道和噪声的先验信息。本文采用高斯混合分布拟合非高斯噪声环境,根据中心极限定理及广义二项式定理推导出信道为无衰落和Nakagami衰落时基于分数低阶矩感知算法的检测概率和虚警概率。理论分析和仿真结果表明,在非高斯噪声环境中,基于分数低阶矩感知算法的检测性能明显优于传统的能量检测算法,且采用多天线技术有助于进一步提高感知性能和频率资源的利用率。 相似文献
16.
MIMO-OFDM(多输入多输出—正交频分复用)系统的信道估计问题是系统接收机进行相干解调的关键。针对标准粒子滤波算法在MIMO-OFDM信道估计时存在观测系数不准确和粒子退化等问题,提出了一种基于神经网络的重要性样本调整粒子滤波(NNISA-PF)算法。对MIMO-OFDM通信系统及时变信道进行建模,得到了状态空间模型;详细分析了标准粒子滤波的改进算法——NNISA-PF;在MIMO-OFDM快衰落和慢衰落信道下,对Kalman、Bootstrap和NNISA-PF三种滤波算法分别在AWGN、Middleton-A噪声下的NMSE和BER性能进行了仿真对比分析。仿真结果表明,在快衰落和慢衰落情况下,NNISA-PF算法都可以有效对抗噪声干扰,尤其是在非高斯噪声环境下优势明显;NNISA-PF算法可以较准确地对MIMO-OFDM时变信道进行半盲估计,使MIMO-OFDM技术优势得到充分发挥。与现有的半盲信道估计方法相比,该方法具有估计精度高、对非高斯噪声鲁棒性强等优点。 相似文献
17.
一种基于维纳滤波器抗MAI的新方法 总被引:1,自引:1,他引:0
文中研究了DS-CDMA移动通信系统中一种基于维纳滤波器的抗多址干扰MAI(Multiple Access Interfere)的新方法——辅助矢量滤波器AVF(Auxiliary Vector Filter),该滤波器基于维纳滤波器,重新构造出接收信号,引入辅助矢量的概念,使辅助矢量完全正交于干扰矢量,这样就能达到完全消除系统中多址干扰的目的,同时推导出了辅助矢量和权系数的求解公式。该方法具有无需求逆矩阵,可运用于下行链路,便于盲实现,计算复杂度低等优点。仿真结果表明:在DS-CDMA移动通信系统中,信道噪声为加性高斯白噪声信道(AWGN),不同的干扰强度和不同的干扰用户数两种环境下,辅助矢量滤波器有着较低的误码率,能够有效地去除DS-CDMA系统中的多址干扰,性能要优于传统相关滤波器以及多用户检测技术中的解相关算法和最小均方误差算法(MMSE)。 相似文献
18.
19.
基于传统能量检测算法,提出了一种用于频谱感知的增强型能量检测算法,即利用对接收信号绝对幅度值的任意正数次方代替平方操作。在给定虚警概率时,理论推导出该算法在加性高斯白噪声信道中对随机信号的检测概率的闭合表达式。仿真表明,在不同信噪比条件下,与传统能量检测器相比,最优的增强型能量检测器能够体现出更佳的性能,尤其是在低信噪比情况下。 相似文献
20.
基于传统能量检测算法,提出了一种用于频谱感知的增强型能量检测算法,即利用对接收信号绝对幅度值的任意正数次方代替平方操作。在给定虚警概率时,理论推导出该算法在加性高斯白噪声信道中对随机信号的检测概率的闭合表达式。仿真表明,在不同信噪比条件下,与传统能量检测器相比,最优的增强型能量检测器能够体现出更佳的性能,尤其是在低信噪比情况下。 相似文献