一种可用于声目标特征提取的超分辨率混合谱估计算法

本文研究了一种估计有色噪声中多组谐波信号参数的去耦参数估计算法。其中提出了一种基于FFT的谐波组迭代清除算法来估计谐波信号的参数,并根据谐波图的值来确定谐波信号的个数。该算法不仅计算简单并可获得较高的频率分辩率,而且对信号模型具有较强的鲁棒性。     

有色噪声中正弦信号参数的去耦估计算法

首先介绍了一种估计有色噪声中多个正弦信号参数的去耦参数估计算法，然后提出了一种基于ＦＦＴ的“迭代清除算法”来估计有色噪声中多个周期相近信号的参数。该算法不仅计算简单，而且可获得较高的频率分辨率。数值仿真结果表明了该算法的有效性。     

用递归预测误差（RPE）算法估计谐波信号的基频

本文基于递归预测误差原理，研究了用来估计谐波中基波频率的方法，并由此设计了一种具有任意窄带性能和希望形状的均匀切口的自适应陷波滤波器。由于算法非线性部分只涉及基波频率一个参数，使算法很易用于具有高次谐波的过程。而且由于利用了可变极点半径和忘却因子（ｆｏｒｇｅｔｔｉｎｇｆａｃｔｏｒ）因而算法对谐波频率的敏感性强，收敛速度快，并能跟踪频率时变的信号。仿真结果表明，本文研究的算法具有收敛速度快，精度高，运算量小等优点。     

一种以FFT为基础的快速频谱估计法

本文提出了一种简单的、基于ＦＦＴ的谱估计算法，与只用一次ＦＦＴ来进行普估计算法的主要区别是；本文所提出的算法是迭代算法，以系统的方式多次地使用ＦＦＴ来寻找各个谱线。这种方法可使用模拟数据出附加噪声中的复合正弦波信号。毫无疑部这种方法比起那种只用一次ＦＦＴ来进行谱谱估计的方法要好。     

一种提高谱分析频率分辨力的算法

本文介绍了影响信号时域序列经ＦＦＴ运算后，频率分辨精度的原因，以及如何合理的选拔参数来保证一定的频率分辨力，提出了一种提高频率分辨力的算法，并通过运算得以倒流验证，给出了算法的Ｃ源程序。     

多族谐波信号估计的子空间匹配投影算法

该文根据子空间匹配投影分解算法,将信号自适应地分解在谐波子空间上,得到一种多族谐波信号参数估计的方法。这种方法利用插值FFT算法和谐波参数的先验信息,能分离基频或谐波频率结构较为紧密的不同族谐波分量,谐波频率估计精度高。仿真表明,这种新方法能准确地估计基频频率、谐波频率和阶数,对随机相位抖动也不敏感;用于分析实船噪声也准确反映了船舶辐射噪声功率谱的线谱规律和特点,较好地揭示了船舶的螺旋桨现场实际运行状况,是一种很有价值的多谐波参数估计方法。     

基于信号稀疏表示的Chirp信号参数估计方法

单自由度多分量线性调频信号的参数估计是SAR/ISAR成像中的重要问题。文中在一组含参数的过完备基上展开信号,提出了一种基于信号稀疏表示估计单自由度多分量线性调频信号参数的新方法。并将该方法应用于目前流行的BP算法、FOCUSS算法和稀疏贝叶斯学习算法中,分析比较了以上算法的估计性能。仿真实验结果验证了该方法的有效性,并表明稀疏贝叶斯学习算法具有更好的稀疏表示能力,从而可以更有效地估计信号参数。     

基于谐波提取的欠定语音盲分离方法

现有的欠定语音信号盲分离算法往往不能同时兼顾分离性能及效率。针对此问题,本文提出一种基于谐波提取的欠定盲分离方法。首先,利用频谱校正从混合信号的短时傅立叶变换中提取谐波参数,其次利用相位一致性准则甄别这些参数的单源属性,进而用自适应K-均值方法对单源模式做聚类而获得源数估计和混合矩阵估计,最后再用子空间投影法恢复源信号。其中谐波提取和单源参数筛选可保证低复杂度地精确估计出混合矩阵。仿真实验表明,相比于原始子空间投影算法,本文方法可获得更高的信号恢复质量,且在谐波相关领域也具有潜在应用价值。      

基于复调制细化谱分析的轧辊偏心谐波参数估计

针对轧辊的上、下支撑辊偏心信号是密集型频谱的特点,提出了一种基于复调制细化谱分析方法的轧辊偏心谐波参数估计新方法。利用复调制细化谱分析方法准确估计出偏心谐波的频率及幅值;同时,结合快速傅里叶变换算法估计出偏心谐波的相角参数。仿真实验结果验证了该方法在偏心谐波参数估计上的有效性和可行性。     

一种基于时频分析的跳频信号参数盲估计方法

本文提出了一种采用平滑伪WVD(SPWVD)时频分析来估计未知跳频信号参数的方法，该方法可以在不需要知道信号任何先验参数的情况下，估计出跳频信号的跳周期(hop duration)，跳变时刻(hop timing)和跳频频率(跳频图案)等参数。文中对跳频信号的WVD、PWVD和SPWVD结果作了比较，指出了SPWVD的优点，给出了基于SPWVD估计跳频信号参数的具体算法步骤，并进行了性能分析。     

基于稀疏迭代协方差矩阵的谐波参数快速估计方法

针对稀疏迭代协方差估计(sparse iterative covariance-based estimation, SPICE)方法功率谱估计精度较低和计算复杂度较高的局限性,提出了一种基于稀疏迭代协方差矩阵的谐波信号功率谱和频率参数的快速估计方法。该方法主要结合渐近最小方差准则和快速傅里叶变换,对功率谱参数进行快速迭代校正估计。首先,使用SPICE算法得到功率谱和频率参数的初估计。然后,通过渐近最小方差准则得到功率谱参数的迭代校正表达式。最后,利用功率谱迭代校正式获得谐波信号的功率谱和频率参数的估计。为提高算法的计算效率,利用观测数据协方差矩阵的Toeplitz结构和导向矢量的指数形式,对协方差矩阵进行(Gohberg-Semencul, G-S)分解,通过快速傅里叶变换对协方差矩阵求逆和矩阵与向量相乘部分进行求解,从而使参数估计的计算时间大大减少。仿真实验表明,验证了所提算法对谐波功率谱和频率参数具有较高的估计精度,并且计算复杂度较低。      

基于单电磁矢量传感器的多参数联合估计

利用电磁矢量传感器来实现信号多参数的联合估计是近年来信号处理领域的一种新的方法和途径。基于单个电磁矢量传感器通过构造两组具有固定时延的接收数据,利用TLSESPRIT算法和矢量叉积相结合实现了多参数的联合估计,参数自动完成配对,可以最多同时估计5个不相关的信号,且空间到达角、极化参数的估计和信号频率的估计是两个相互独立的过程互不影响,与利用极化敏感阵列进行参数估计相比计算量小,并通过计算机仿真验证了此方法的有效性。     

FBMC-OQAM信号子载波盲估计

为了解决滤波器组多载波(filter-bank multi-carrier, FBMC)信号的子载波参数盲估计问题，提出一种基于四阶累积量的方法来估计FBMC-OQAM信号子载波参数。首先，截获交错正交幅度调制(offset quadrature amplitude modulation，OQAM)的FBMC信号并检测信号频谱来确定循环频率的范围；然后，分析循环频率与四阶累积量的代数关系；最后，得出四阶累积量的峰值受原型滤波器影响且仅在其循环频率等于子载波频率处存在。通过检测四阶累积量峰值的位置和个数能有效估计子载波频率和数目。仿真表明，当信噪比大于2 dB时，算法对FBMC-OQAM信号的子载波参数盲估计正确概率为98%。      

有色噪声中一维谐波频率估计的稳健迭代算法

本文通过构造基于观测信号的统计量,采用三步迭代（TSI）算法来估计乘性和加性有色噪声中一维谐波信号频率参数,得到了最终估计量的渐近分布,证明了估计的一致性。TSI算法通过引入周期图估计作为初估计,从谐波模型内在特性出发构造统计量,采用迭代方式逐步提高初估计精度,仅需三次迭代就能达到加性噪声情形下最小二乘估计（LSE）的关于样本的收敛速度。由于只需要三次迭代就可以达到收敛,所以算法的计算量比较少。另外相比较传统的迭代算法而言,TSI算法能保证每次迭代后都能够提高估计的精度,从而克服了传统的迭代算法收敛不够稳定不足。仿真实验证实了估计的一致性以及估计的渐近分布,而且在较大噪声情形下该迭代算法依然可行。最后,由于TSI算法具备小的计算量以及高的估计精度,因而十分适合作为一维谐波参数估计的在线算法。      

基于循环统计量检测的QAM信号多普勒参数盲估计

针对动中通卫星通信系统中QAM信号多普勒参数盲估计难的问题,提出了一种基于循环统计量检测的盲估计算法。算法无需同步和匹配滤波等预处理,通过检测QAM信号四倍频偏处的循环频率来估计多普勒频偏,并利用数据分段求频率的方法计算变化率。仿真结果表明,在低信噪比的高斯噪声信道和多径衰落信道下,算法均可以准确而有效地实现QAM信号多普勒参数的盲估计。     

干扰条件下的“北斗”信号解扩重构DOA估计

在干扰条件下，卫星导航抗干扰波束形成算法往往需要卫星信号波达方向（Direction-of-Arrival，DOA）的先验信息。但当存在低信噪比信号或主动干扰源时，常规的DOA估计算法性能急剧下降甚至失效。针对此问题，提出了一种被干扰信号压制的低信噪比“北斗”信号的DOA估计算法。该算法首先通过对接收信号进行子空间投影抑制干扰信号，然后对抑制干扰后的信号进行解扩重构处理，最后通过多重信号分类算法完成对“北斗”信号的DOA估计。仿真结果表明，在干扰信号干信比80 dB条件下，“北斗”信号DOA估计误差在5°以内，为下一步进行波束形成计算提供了高精度的入射角信息。     

线性调频信号参数快速估计

线性调频(LFM)信号参数检测是对SAR对抗的一个重要问题，本文在对用Radon—Wigner变换、快速解线调和最大似然(ML)估计和分析LFM信号的基础上，给出一种消除ML估计带来旁瓣的方法，进一步提出了一种局部快速搜索的最大似然估计法，并用于LFM信号的起始频率和调频斜率等参数的估计。最后给出了三种快速算法的计算机模拟结果。     

基于遗传算法的二维谐波频率估计

针对高斯有色噪声背景下的二维谐波频率估计问题,本文利用二维四阶累积量对高斯噪声不敏感,却包含有二维谐波的频率与幅度信息,将该问题转化为一个多元函数的极值问题,然后提出了基于遗传算法的二维谐波信号参数估计算法.该算法可以直接估计出谐波的频率与振幅,并且不需要考虑频率的配对问题,使得估计过程得到了简化.仿真实验证明了算法的有效性.     

非高斯ARMA噪声中谐波恢复的杂交ESPRIT方法

本文研究非高斯ＡＲＭＡ噪声中的谐波恢复问题，提出了一种基于二阶和三阶统计量的杂交ＥＳＰＲＩＴ方法，该方法先估计噪声过程的ＡＲ部分参数，然后对观测值进行预滤波，最后估计谐波信号参量。模拟实验还验证了该方法的有效性和高分辨率。     

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。