一种LFM信号最大似然估计模型与参数估计快速算法

从最大似然估计模型入手,提出了一种适合在一般高斯噪声环境（包括色噪声）下LFM信号目标的参数估计模型和基于此估计模型的调频斜率和初始频率估计的快速算法。此方法获得了最大似然方法估计精度高的优点,且运算量比传统的最大似然方法大大降低。另外推导出了一般高斯环境下的LFM参数估计的CRB界,为一般高斯环境下的估计的参数的方差提供实际下界。     

非均匀噪声环境下宽带近场源定位的两种改进方法

研究了宽带近场信号源基于最大似然方法和相关信号子空间方法在非均匀噪声下的被动定位算法，并进行了比较。这两种算法均可在传感器任意分布的情况下有效地进行信号源定位。最大似然法采用了迭代的方法来估计噪声的协方差矩。而信号子空间法给出了聚焦阵构造的新方法。仿真试验证明了方法的有效性和稳健性。     

高斯混合噪声中弱信号的Rao检测方法

期望最大化(Expectation Maximization,EM)算法是求解参数最大似然估计(MLE)的最优迭代算法,但若参数初始化不恰当,会使估计值落入"初值陷阱",导致错误的参数估计值.为此,本文提出了估计高斯混合噪声参数的矩 - EM算法,即先求参数的矩估计,并用矩估计值初始化参数,再通过EM迭代算法估计参数.在此基础上,经高斯化滤波,导出了高斯混合噪声背景下未知幅度弱信号的Rao检验统计量.仿真结果表明,矩 - EM算法可以更准确地估计噪声参数;基于矩 - EM算法的Rao检测性能优于基于EM算法的Rao检测性能.     

高斯噪声中的参数盲估计

盲信号处理方法中常忽略噪声的影响,而实际问题中噪声的影响是存在的.本文主要讨论了在协方差矩阵未知的加性高斯噪声中混合系数的盲估计问题.本文以最大似然估计为基础,提出一种求解参数的最优化算法,给出了混合矩阵和协方差矩阵的计算式.采用高斯混合模型(GMM)来逼近源信号的概率密度函数,简化了算法中的积分,导出了一种基于EM算法的迭代式.仿真表明,算法不仅能稳定收敛,而且在低信噪比下也能获得良好性能.     

基于Gibbs采样的MIMO信号检测改进算法

针对传统Gibbs采样算法的“失控问题”,提出了一种改进算法,在Gibbs迭代采样过程中加入对噪声方差的估计,消除了失控问题。设计了信号检测流程,将最大似然( ML)检测的搜索过程嵌入Gibbs迭代采样过程,减少了最大似然检测的计算步骤。仿真结果表明,所提算法能估计噪声方差,具有接近最大似然检测的性能。     

DVB-T系统中信号的迭代检测方法

针对多径信道环境下的DVB-T系统,给出了数学期望最大(EM)算法迭代检测发送信号的方法,初始信道的频率响应采用最大似然(ML)和最小均方误差(MMSE)方法进行估计.由于该方法需要知道信道的统计特性,因此还给出了信道协方差矩阵和当前噪声功率的估计方法.仿真结果表明,利用估计的信道统计信息,系统的性能可以接近理想信道的性能.     

毫米波LFMCW雷达加速运动目标回波检测与加速度-速度估计

在毫米波线性调频连续波（LFMCW）雷达中,目标加速度存在使回波多普勒信号受到二次项调制,造成多普勒频谱畸变,从而导致目标检测性能下降和参数估计精度损失．采用最大似然模型进行加速运动目标检测和加速度-速度估计,提出了适合在一般高斯噪声环境中（包括色噪声）该模型的速度-加速度联合估计快速算法．另外也推导出了一般高斯环境下Chirp信号参数估计的CRB界,为一般高斯环境下Chirp信号参数的方差提供了实际下界．     

V-BLAST系统中一种基于噪声分析的简化最大似然检测算法

该文基于对贝尔实验室垂直分层空时系统中的噪声分析,提出了一种简化的最大似然检测算法。该算法选取多维空间中参考直线附近的若干信号点构成候选子集,并利用最大似然准则在该子集中选取合适的向量作为对发射信号的最终估计。性能分析和仿真表明,该算法在保证接近最优误码性能的前提下,具有更低的计算复杂度,并且解决了噪声增强问题。     

基于光谱空间信息的高光谱遥感图像混合噪声评估

综合利用高光谱图像的光谱信息和空间信息,提出了一种新的混合噪声评估方法.首先通过滤波算法进行图像中均匀图像块的自动选取;然后利用多元线性回归模型,将均匀图像块内像素点的信号值和噪声值进行分离,并实现了图像中加性、乘性噪声的粗评估;最后根据噪声模型构建似然函数,利用最大似然估计法求解噪声模型参数.通过仿真图像和真实高光谱图像进行实验,验证了该方法的准确性和鲁棒性.     

LFM信号参数估计的最大似然改进算法

为实现含噪声LFM信号参数的快速检测和精确估计,提出了一种基于延时相关解线调的最大似然估计改进算法,即首先在时域内进行延时相关解线调,然后对解线调后含噪声信号进行经典功率谱估计,得到调频斜率的粗略估计,将此估计值作为初始值,再进行最大似然估计,得到调频斜率的精确估计值,用此精确估计值对原LFM信号进行解线调,再以同样的思路可以得到LFM信号初始频率的最大似然精确估计值。仿真实验证明了该算法的有效性。     

低多普勒目标识别难题

研究了强扰动起伏特征条件下低多普勒目标的探测与识别方法。从最大似然法的观点来看,文中提出的用于估算目标空间位置及目标返回信号多普勒频率转换估算值的方法是最佳的。该算法通过合并处理来自间隔传感器间的信号,以获得信号参数的最佳估测值。通过频域和时域分析,就有可能提取到目标在不同扰动特征和级别下的最大信息量。文章给出了该算法建模的结果,还讨论了其实际工作中的性能特性。     

Two-dimensional modal analysis based on maximum likelihood

The authors present a method for estimating the parameters of 2-D damped harmonic (modal) signals in additive Gaussian noise. This method applies in the cases of single or multiexperiment data and incoherent or coherent signals. Both synthesis and analysis models for the data are developed. Central to these models are the signal and orthogonal subspaces. Under the assumption of distinct modes in one of the two dimensions, there exists an invertible function between the parameters of these two subspaces. This function can be used to express the optimization problem given by maximum likelihood in terms of the orthogonal subspace. The resulting problem can be solved by any of several methods, including total least squares and iterative quadratic maximum likelihood (IQML)     

双模噪声中信号的检测

信号检测是双模噪声中的主要问题之一，本文对此进行了较完事的研究。混合噪声中信号的检测比高斯噪声中信号的检测复杂，可能为多门限判决。本文对不同情况给出了不同的最佳检测方法，并分析了它们的性能；通过对窄带双模过程的研究，给出了混合噪声中信号检测的一般方法，有一定的普遍意义。     

一种色噪声背景下信号到达角与载频联合估计的简单算法

研究在色噪声背景下实现以较小的运算量完成多个信源到达角(DOA)及载频的估计。文中结合ESPRIT(Estimating signal parametcrs via rotational invariance techniques)法和信号、噪声的特点，提出了一种仅需一次维数较低的特征值分解(EVD)便可实现两参数估计的新算法。数值模拟结果验证了算法的有效性。     

Evaluation of spike-detection algorithms for a brain-machine interface application

Real time spike detection is an important requirement for developing brain machine interfaces (BMIs). We examined three classes of spike-detection algorithms to determine which is best suited for a wireless BMI with a limited transmission bandwidth and computational capabilities. The algorithms were analyzed by tabulating true and false detections when applied to a set of realistic artificial neural signals with known spike times and varying signal to noise ratios. A design-specific cost function was developed to score the relative merits of each detector; correct detections increased the score, while false detections and computational burden reduced it. Test signals both with and without overlapping action potentials were considered. We also investigated the utility of rejecting spikes that violate a minimum refractory period by occurring within a fixed time window after the preceding threshold crossing. Our results indicate that the cost-function scores for the absolute value operator were comparable to those for more elaborate nonlinear energy operator based detectors. The absolute value operator scores were enhanced when the refractory period check was used. Matched-filter-based detectors scored poorly due to their relatively large computational requirements that would be difficult to implement in a real-time system.     

基于零阶统计量的韧性归一化自适应时间延迟估计

依据零阶统计量理论,给出对数矩过程、对数宽平稳及对数各态遍历的定义,提出一种韧性的归一化自适应时间延迟估计方法(简称NZOSTDE).该算法用FIR滤波器对两个含有脉冲噪声的观测信号建模,利用不存在有限方差的脉冲信号经过对数变换后其各阶矩的存在性和几何功率的概念,在对数域基于最小均方误差(LMS)准则归一化自适应得到FIR滤波器的系数,该系数最大值对应的序号就是时间延迟的估计值.本文提出的新算法克服了基于分数低阶统计量(FLOS)算法的局限性.计算机仿真实验表明,NZOSTDE算法在强脉冲噪声环境下比归一化最小平均P范数时间延迟估计方法(简称NLMPTDE)算法更具有韧性.     

时空欠采样宽频段信号频率和二维角估计方法

本文提出了一种时空欠采样宽频段(2~18GHz)信号频率、方位角和仰角三维参数估计方法.该方法采用均匀圆阵和阵元延时,可在时间欠采样条件下实现频率无模糊估计;在空间欠采样条件下,用整数搜索法实现方位角和仰角无模糊估计,且频率、方位角和仰角估计可自动配对.该方法不仅可用于二阶统计量阵元空间和DFT波束空间,而且还可用于四阶累积量,可在高斯白或色噪声背景下,估计非高斯信源的参数.在DFT波束空间、阵元数相同和最大孔径相当时,该方法方位角和仰角估计的方差比L阵方法的方差小1~2个数量级.仿真实验表明了算法的有效性.     

Blind separation of instantaneous mixtures of nonstationary sources

Most source separation algorithms are based on a model of stationary sources. However, it is a simple matter to take advantage of possible nonstationarities of the sources to achieve separation. This paper develops novel approaches in this direction based on the principles of maximum likelihood and minimum mutual information. These principles are exploited by efficient algorithms in both the off-line case (via a new joint diagonalization procedure) and in the on-line case (via a Newton-like procedure). Some experiments showing the good performance of our algorithms and evidencing an interesting feature of our methods are presented: their ability to achieve a kind of super-efficiency. The paper concludes with a discussion contrasting separating methods for non-Gaussian and nonstationary models and emphasizing that, as a matter of fact, “what makes the algorithms work” is-strictly speaking-not the nonstationarity itself but rather the property that each realization of the source signals has a time-varying envelope     

具有未知参数的多输入多输出雷达弱目标检测

针对弱目标检测算法的特点,提出了一种新的多输入多输出(MIMO)雷达检测器。在经典线性模型的基础上,通过最大似然法对未知统计特性的噪声量进行了估计。利用所得到的估计量,分别推导了在信道完全不相关和信道任意相关条件下虚警概率和检测概率的闭合表达式,对具有未知参数的MIMO雷达在任意信道环境下的检测算法进行了分析和比较,有效地解决了具有未知统计特性的噪声的MI-MO雷达目标检测问题。仿真结果证实了该方法的有效性。     

A bias‐compensated proportionate NLMS algorithm with noisy input signals

This paper proposes a novel proportionate normalized least‐mean‐squares (PNLMS) algorithm that is robust to input noises. Through compensating for biases due to input noise added at the filter input, the proposed PNLMS algorithm avoids performance deterioration owing to the noisy input signals. Moreover, since the proposed PNLMS algorithm uses a new gain‐distribution matrix, it has a fast convergence rate compared with the existing PNLMS algorithms, even when there is no input noise. The experimental results verify that the proposed PNLMS algorithm enhances the filter performance for sparse system identification in the presence of input noises.