基于DFT算法的OFDM信道估计研究

本文研究了DFT信道估计算法并对该算法进行了改进,首先将信号在频域转换到时域,然后将时域中循环前缀长度之外的信道估计值置零。同时对循环前缀之内,也就是1GnL的信道估计值做进一步的处理,以便进一步消除噪声的干扰。通过计算机仿真验证了改进的DFT算法优于原算法。     

阈值阵列模型下的超阈值随机共振信噪比增益

研究了阈值阵列模型和超阈值随机共振现象.对该模型进行剖析,认为阈值阵列系统可以分解为单个阈值系统与集总平均器的级联.为了研究周期输入下的超阈值随机共振现象,理论分析了周期输入下的阈值阵列模型输出随机过程的统计特性,以输出信噪比增益作为随机共振的测度,固定输入信噪比,观测输出信噪比增益相对于阈值噪声方差的变化规律.证实当输入噪声为高斯噪声时,在阈值阵列系统中加入统计独立的高斯白噪声可使输出信噪比增益大于1,当输入噪声为非高斯噪声时,可获得更高的输出信噪比增益.     

利用二次相关改进的广义互相关时延估计算法

为了提高传统广义互相关时延估计算法的性能,本文将二次相关时延估计算法与广义互相关时延估计算法相结合,提出了一种利用二次相关改进广义互相关的时延估计新算法。该算法先对信号进行二次相关处理,利用相关函数抑制了噪声的干扰,然后在相关函数序列上进行权重处理,进一步提高了算法的抗噪声性能与估算精度。仿真实验证明新算法较广义互相关算法性能有了明显的提升,对闪电辐射源定位资料的分析也验证了该算法的有效性。     

采用单次快拍数据实现信源DOA估计

针对均匀线性阵列DOA估计中的实时性和解相干问题,提出了一种基于单次快拍数据的估计算法,通过对阵列接收的单次快拍数据进行相关处理后重构Toeplitz矩阵,并证明该矩阵的秩不受信号相干性的影响。通过特征值分解,得到对应的信号子空间和噪声子空间,结合MUSIC算法和ESPRIT算法实现了对相干和非相干信号的DOA估计。算法不损失阵列孔径,具有更好的实时性和抗噪声干扰的能力;在低信噪比条件下,仍具有较好的估计性能。最后计算机仿真结果证实了算法的有效性和可行性。     

分数阶混沌系统耦合同步及混沌键控通信设计

分数阶混沌系统同步在混沌通信领域有着重要的应用价值。文中研究分数阶Chen混沌系统的单向耦合同步的问题,基于分数阶混沌系统的Lyapunov稳定性理论,设计分数阶Chen混沌系统单变量线性耦合同步控制器,实现分数阶Chen混沌系统的耦合同步。基于上述分数阶Chen混沌同步系统,设计混沌键控通信系统,分析通信系统的误码率等系统性能。研究表明,分数阶混沌通信系统比整数阶具有更高的保密性,分数阶混沌键控通信系统与整数阶混沌键控通信系统抗噪性能几乎一样。     

基于二维压缩感知的双选信道估计

高速移动下的无线宽带通信要经历时间和频率的双选择性衰落,为了使发送的数据经过衰落的信道后在接收端被正确地接收,必须要对信道状态信息进行估计。本文根据双选信道在时延-多普勒域的二维稀疏性,同时利用时域和多普勒域内的相关性,在OFDM系统中提出了基于二维压缩感知（2 Dimension Compressive Sensing,2D-CS）的双选信道估计。同时为了克服信道的双选特性对信道估计造成的不稳定性,设计了二维正则正交匹配追踪（2 Dimension Regularized Orthogonal Matching Pursuit,2D-ROMP）算法进行信道估计。理论分析和仿真结果表明,在同等条件下,采用二维的信道估计方法比一维的信道估计方法性能提高很多,同时与现有的基于传统的时频二维的算法相比,基于2D-ROMP的信道估计复杂度更低,且系统性能更高,减少估计时延。     

基于H_∞滤波的低信噪比制导律研究

针对导弹对机动目标的拦截问题,本文设计一种基于目标机动上限的变结构制导律。考虑到导引头测量信号的低信噪比特性,测量信号不能直接应用于制导律,提出一种基于H∞滤波技术的制导信息重构方法。H∞滤波对噪声的不确定性具有鲁棒性,加入滤波不仅提高了制导精度,而且增强了系统的稳定性。最后对设计的制导律和滤波算法进行数值仿真,仿真结果验证了该方法的正确性。     

OFDM系统的信道估计与检测方法研究

为保证通信的可靠性与有效性,掌握正交频分复用(OFDM)系统的信道状态信息(CSI)是很必要的。本文在基于导频的OFDM信道估计的基础上,提出检测时变信道的新方法。验证结果表明,该方法通过寻找合适的评价信道变化的参量,可以有效衡量信道的变化状态。     

一种基于小波变换的MQAM信号调制识别方法

MQAM调制样式识别是非合作通信研究的重要内容之一。通过分析MQAM信号在小波域具备的特征,提出了一种基于小波变换的MQAM信号识别算法,该算法不需要预先知道载频、波特率等参数,步骤简单,可在低信噪比情况下实现对MQAM信号的分类。     

一种基于Bayes估计的WSN节点信任度计算模型

鉴于传统网络安全策略无法阻止或识别传感器网络内部节点的攻击或异常行为,结合节点资源受限的特点,提出了一种无线传感器网络节点信任度计算模型.该模型采用Bayes估计方法,通过求解基于Beta分布的节点行为信誉函数的期望值得到直接信任并将其作为Bayes估计的先验信息,将来自邻居节点的推荐信息作为其样本信息.仿真实验表明,本方案有较好的稳定性,能够有效识别异常节点,从而阻止内部节点对网络的攻击,与RFSN相比,不仅节约了存储空间、运算时间与通信量,而且能够避免恶评现象对节点信任度计算的影响.