SVD降噪在载波同步技术中的研究

为了提升突发通信中载波频偏估计的性能,降低有效估计的信噪比门限,提出了一种基于奇异值分解去噪的频偏估计方法。首先,该方法将含噪信号根据相应映射转换成矩阵,并对该矩阵进行奇异值分解;其次,将较大的奇异值判定为信号特征予以保留,否则判定为噪声特征置零;接着,根据降噪后的奇异值重构矩阵,恢复成模拟信号;最后,将预处理后的信号进行M&M频偏估计。结果表明,相比于不去噪的频偏估计算法,该方法能够提升估计精度,降低信噪比门限,具有一定的实用性。     

一种基于奇异值分解的改进信噪比盲估计算法

针对空间分解类信噪比(SNR)估计算法中子空间维数估计复杂度较高,低信噪比下估计偏差较大的问题,提出了一种改进的子空间维数估计算法。该算法首先利用样本自相关矩阵的奇异值序列进行后向差分得到梯度序列,对梯度序列每一项与后5项之和的比值进行搜索,最大比值所对应的奇异值序号作为信号子空间维数,最后计算信噪比。合适数据长度下的仿真结果表明：在信噪比-5 dB~20 dB范围内,常规通信信号的信噪比估计平均偏差小于0.5 dB,标准差小于1 dB;该算法提升了低信噪比下的估计性能,运算量较小,无需知道调制方式、载波频率、符号率等先验信息,在低信噪比时对信噪比时变的跟踪估计更为准确,且对复杂高阶调制信号同样适用。     

一种平坦衰落信道下的盲信噪比估计算法

针对基于子空间分解信噪比估计算法中信号子空间维数估计复杂度高、小样本条件下估计偏差大的问题,提出了一种改进的盲信噪比估计算法.该算法首先构造接收信号的自相关矩阵,然后从矩阵奇异值序列的尾部开始,间隔两项依次进行差分得到梯度序列,再以梯度序列相邻两项均值大干特定阈值为条件确定信号子空间的维数,最后求得信噪比.仿真结果表明:信噪比范围为-5～+15 dB时,平坦衰落信道下常用调制信号的信噪比估计标准差小于0.1 dB,与MDL,AIC方法相比,该算法计算量小,且能适应更低的信噪比和更短的数据长度.     

基于张量分解的子空间频率估计及应用

为了提高短时序列的频率估计精度,提出一种基于张量分解的适用于多通道接收数据的子空间高分辨率的频率估计算法。该方法将接收到的多通道采样信号按照一定的形式构建三维数据结构,利用子空间的移不变性,采用张量的高阶奇异值分解直接对数据进行频率估计。仿真表明在低信噪比的情况下,基于张量分解的频率估计算法性能要优于基于矩阵奇异值分解的频率估计算法,将此算法应用于目标轨迹测量中,可以获得高精度的目标轨迹参数。     

SIMO信道中基于奇异值分解的盲信噪比估计算法

信噪比（SNR）是现代通信信号处理中一个重要参数,许多算法需要它作为先验信息以获取最佳估计性能。针对单输入多输出（SIMO）系统的信噪比估计问题,本文提出了一种盲信噪比估计算法。该算法利用多路信号协方差矩阵的奇异值分解（SVD）,通过计算矩阵的最大特征值实现各路信号信噪比估计。该算法无需知道信号的先验信息,能够对加性高斯白噪声信道（AWGN）和多径信道下常用的数字调制信号进行信噪比估计。仿真结果表明该算法具有良好的估计性能。与单路信号中基于SVD信噪比估计算法相比,该算法无需估计信号空间与噪声空间维数,提高了估计精度,同时大大减小计算复杂度。      

基于自相关和时频分析的跳频参数估计

为解决低信噪比条件下跳频参数估计算法性能低的问题,提出了一种基于自相关和时频分析的跳频参数估计算法。首先,采用基于能量检测的分段自相关算法对接收端信号进行预处理;然后,进行时频变换,得到信号的时频矩阵,通过二值化和形态学滤波完成对信号的降噪提取;最后,通过聚类算法完成参数估计。仿真实验表明,该算法具有较高的估计精度和良好的抗噪声性能,在信噪比最低为-11 dB时估计误差数量级仍为10^-7,同时自相关运算对参数估计算法的抗噪声性能具有明显的提高作用。     

准正交空时分组码系统的一种盲信道估计方法

空时分组码(STBC)系统的经典信道盲估计方法,如子空间法(SS)等,都是基于接收端样本自相关矩阵的特征值分解(EVD)或奇异值分解(SVD)来实现信道估计的,而基于QR分解的信道盲估计方法是一种性能优良的新算法.文中将该算法应用到准正交空时分组码系统的信道估计中,结合准正交空时分组码的特性提出了一种新的信道盲估计算法.与以上经典的信道盲估计算法相比,文中提出的算法的计算量大为降低.同时Monte-Carlo仿真表明,当信噪比较低时,该算法比子空间法有更好的性能.     

基于张量四元数极化平滑的极化-DOA估计

为了解决相干信号的极化平滑算法在小快拍数和低信噪比条件下估计性能较差的问题,结合四元数的正交特性和协方差张量方法,提出了一种基于张量四元数的极化平滑多重信号分类（Multiple Signal Classification,MUSIC）解相干算法。首先,为了充分利用接收数据样本中的多维结构信息,建立了由张量四元数表示的柱面共形阵列极化平滑信号模型;其次,将平滑后的张量协方差矩阵通过高阶奇异值分解得到信号子空间;最后,通过极化秩亏MUSIC算法对入射相干信号分别进行二维波达方向（Direction of Arrival,DOA）估计和极化参数估计。仿真结果表明,该算法在小快拍数和低信噪比条件下具有更高的估计精度和分辨能力。     

一种基于Toeplitz矩阵重构的相干信源DOA估计算法

提出一种基于Toeplitz矩阵重构的相干信号源DOA估计算法。首先对各个阵元的接收数据与参考阵元（第一个阵元）的接收数据的相关函数进行排列,形成Hermitian Toeplitz矩阵,然后通过奇异值分解可以得到信号子空间和噪声子空间,从而实现相干信源的DOA估计。该算法在不减少阵列有效孔径的情况下,增加了可估计相干信号源数目,并在低信噪比条件下能够得到较好的估计性能,计算机仿真结果证实了算法的有效性。     

基于特征值分解的随机分布传感器信号合成增强

将传感网中随机布设传感器节点所接收到的微弱信号进行合成,可有效增强传感器网络的信号感知能力.本文关注的是该微弱信号的合成权值估计问题.以合成信号的自相关系数作为目标函数,本文提出了一种基于特征值分解的合成权值估计算法.该算法无需估计噪声相关矩阵,适用于噪声方差不一致的环境.数值仿真结果显示,本文提出的基于自相关系数的特征值分解合成权值估计算法,在低信噪比、噪声方差不等的条件下,性能优于以合成信号信噪比或者合成信号功率为目标函数的特征值分解合成权值估计算法.     

扩展自相关的正弦信号频率估计算法

本文针对混有高斯白噪声的正弦信号,提出了扩展自相关的频率估计算法。论文通过理论分析,充分挖掘自相关函数包含的频率信息,推导出新的扩展自相关函数;同时,在Yan算法的基础上对频率估计式加以改进。仿真结果表明,与现有频率估计算法相比,在信号序列较短或信噪比较低时,本文算法的估计方差更接近克拉美罗下界（CRLB）;与Yan算法相比,在序列较大或信噪比较高时,在相同估计方差下,本文算法的计算量更小。      

四阶累积量稀疏表示的DOA估计方法

针对现有稀疏重构DOA估计算法不能抑制噪声项以及在高斯色噪声背景下不再适用的问题,本文提出了基于四阶累积量稀疏重构的DOA估计方法。首先,利用接收数据的四阶累积量构建了稀疏表示模型,该模型抑制了噪声项;其次对四阶累计量矩阵进行奇异值分解,化简了稀疏表示模型,通过奇异值分解,不仅减小了数据规模,而且进一步抑制了噪声。对于稀疏表示模型的求解,先利用信号子空间与噪声子空间的正交特性选取权值矢量,然后利用加权l1范数法对模型求解实现DOA估计。理论分析和仿真实验表明本文算法在高斯白噪声和色噪声背景下均适用;能够处理非相干和相干信号,且在低信噪比条件下,对相干信号有更高的估计精度;较之同类的稀疏重构算法,本文算法具有较低的算法复杂度和更高的角度分辨力。      

基于特征值分解的直扩信号信息序列和伪码序列盲估计方法

本文研究了非协作扩频通信中短码直扩信号的盲解扩问题,针对现有方法在低信噪比条件下失步时间估计不准等问题,本文提出了一种改进的基于特征值分解的直扩信号信息和伪码序列盲估计方法。方法首先定义了第一类接收信号自相关矩阵,并根据其特征值分解的特点,利用矩阵特征值与失步点的关系完成信号失步点的估计,随后利用特征向量在伪码序列未知的情况下估计出信息序列。失步点估计完成以后,再利用第二类接收信号自相关矩阵的特征向量实现伪码序列的盲估计。实验结果表明方法具有估计精度高、稳定性好、抗噪性能强的优点。      

一种高分辨率的最大嫡谱估计算法

经典的基于Yule-Walker等式提了大熵方法－Levinson-Durbin递推算法,忽略了数据的自相关序列估计值代替理论值时的误差,因而降低了算法性能,为了减小该误差的影响,提出了一种新的最大熵算法。该算法在计算过程中利用了一些现有算法的思路,来提高谱估计的性能并减小计算量,计算机模拟结果证明,这种新算法的估计性能远高于Levinson-Durbin算法。与同 样具有高性能的LUD（Lower and Upper triangular matrix Decomposition)算法相比,在低噪比时新算法的分辨率更高,高信噪比时,二者性能则相似。     

基于码片延迟的多径信道扩频序列盲估计

针对多径信道下低信噪比直扩信号扩频序列的盲估计问题,提出一种通过码片延迟与相关矩阵分析相结合的方法实现扩频波形估计。该方法首先将接收信号延迟一段时间与原信号相乘,然后代入自相关矩阵中,通过特征值分解求得最大特征值及其对应的特征向量,通过该特征向量中的零点确定同步位置并恢复扩频序列。理论分析和仿真结果表明,本算法在低信噪比条件下能完成对PN码序列的精确估计。     

3-D AR model order selection via rank test procedure

This paper deals with the problem of three-dimensional autoregressive (3-D AR) model order estimation. We show that the information for the 3-D AR model order is implicitly contained in an appropriate matrix rank built from the autocorrelation function (ACF) of the underlying 3-D Gaussian process. Exploiting this property, we develop an algorithm to estimate the order (p/sub 1/,p/sub 2/,p/sub 3/) corresponding to the quarter-space (QS) region of support. The proposed method is based upon a rank test procedure (RTP) using singular value decomposition (SVD) and solving nonlinear system equations. Numerical simulations are presented to illustrate the performances of the proposed algorithm.     

一种改进的信噪比估计算法

基于现今越来越多的算法需要信噪比的先验知识来进行性能优化,论述了信噪比估计在通信系统中具有的重要作用,介绍了信噪比估计算法的信号模型。通过分析现有的几种信噪比估计算法在较大的信噪比范围内的估计性能,提出了改进的信噪比估计算法,并对新算法的估计均值、估计偏差和估计方差进行了仿真。仿真及分析结果表明,改进的算法在较大的信噪比范围内性能良好,估计准确。     

一种用于信号侦测的码元速率估计方法

提出了一种数字通信信号码元速率的估计算法。对截获接收机输出的调制信号提取基带信号,利用此基带信号小波变换系数的模值,构造与原调制信号码速率一致的单极性脉冲序列。通过对此单极性脉冲序列的功率谱分析可知,在基带信号码元速率的整数倍处存在离散谱线,检测这些离散谱线即实现了信号码元速率的估计。这种算法能在低信噪比下估计信号的码元速率。理论分析和实际信号处理证明了本文提出算法的可行性。     

基于多级维纳滤波的盲信噪比估计

提出了一种基于多级维纳滤波(MSWF: Multistage Wiener Filter)的盲信噪比估计算法。结合信号子空间分解理论,该方法利用多级维纳滤波器的相关相减结构(CSA: Correlation Subtraction Algorithm)前向递推实现含噪信号空间分解,避免了传统方法对信号自相关矩阵进行复杂的特征值分解运算,并以此估计信号功率和噪声功率来完成盲信噪比估计。在加性高斯白噪声(AWGN)信道条件下进行信噪比估计仿真,仿真表明,当实际信噪比在-7~25dB范围内时,估计器的估计标准偏差小于0.5dB,且性能优于常规方法。设定实际信噪比为10dB,当接收码元数目为100时,对所有仿真的调制方式信噪比估计标准偏差小于0.35dB,证明了估计器在小样本支撑环境下实现信噪比快速盲估计的能力。      

基于 GSVD 的分布式 MIMO 雷达测向算法

针对分布式多输入多输出（multi-input multi-output, MIMO）雷达测向中存在的数据信息提取不充分、运算量偏大等问题，开展了基于广义奇异值分解（generalized singular value decomposition, GSVD）的测向算法研究，以提高低信噪比条件下的角度估计性能。首先，建立了分布式阵列MIMO雷达回波信号的统一化表征模型；其次，将分布式MIMO雷达系统接收阵列数据的多线程GSVD问题转换为一个联合优化问题，运用交替最小二乘（alternating least squares, ALS）技术实现阵列信号流行矩阵的拟合，并引入子空间类算法实现目标角度联合估计；最后，对优化问题增加l1范数约束，避免了每次迭代中进行的奇异值分解运算，降低了算法运算量。仿真实验从角度联合估计、均方误差、运算时间等方面验证了所提算法的有效性。