几种不同模型参数估计法的性能分析

现代谱估计方法克服了经典谱估计方法方差大、分辨率低的缺点。参数模型功率谱估计是现代谱估计法的重要内容。介绍了几种常用的功率谱参数估计模型,通过仿真实例比较了其性能,对模型阶次的选择进行了分析和讨论,对实际工程应用有一定参考价值。     

分数阶Fourier变换极值搜索算法研究

 针对步进式搜索算法在分数阶Fourier变换域二维平面效率、精度低下的问题,通过推导分数阶Fourier域极值函数的一阶导数及其快速算法,将全局寻优效果好的混沌优化法和局部搜索能力强的多步拟牛顿法相结合,提出了分数阶Fourier变换极值混合优化算法.并对混合算法的全局收敛性进行了证明.最后,通过仿真实例,验证了混合算法的全局收敛性及其快速收敛能力.混合优化算法的收敛速度和精度均好于步进式搜索法、混沌优化法及步进式-多步拟牛顿混合法.     

分数阶Fourier变换域极值搜索的混沌优化算法研究

正如傅里叶变换采用正弦基,单频信号能够在频域形成峰值,分数阶Fourier变换采用线性调频基,线性调频(LFM)信号能够在分数阶Fourier域上实现聚焦,利用此聚焦性通过搜索峰值可实现LFM信号检测和参数估计.通常采用步进式搜索方法,效率低下.为了克服该缺点,通过对分数阶Fourier域优化问题本质的研究,将混沌优化算法引入到分数阶Fourier域极值搜索中.仿真结果表明:本文的方法优于传统的步进式搜索法.     

混响的混合高斯概率密度建模

混合高斯模型能够有效地拟合混响背景的一维概率密度分布。常用的混合高斯概率密度模型参数估计方法是EM迭代算法,但这种算法的主要缺点是估计精度过分依赖于初始值。而GreedyEM算法通过往混合模型中不断地加入高斯分量,能很好地解决这一问题。文章将多维图象处理中的GreedyEM算法加以合理简化,并给出模型自动定阶方法,从而成功应用于水声混响的一维混合高斯模型建模中。实验结果表明:应用新算法能从混响接收数据中准确拟合其概率密度曲线,并且能适应不同的数据长度,具有很好的通用性。     

基于SαS分布的高斯化处理研究

针对非高斯背景干扰下的弱信号检测需求,在综述高斯化处理与扩展匹配滤波概念及思路的基础上,该文提出了两种基于对称α稳定分布建模的高斯化处理方法,构建了相应的扩展匹配滤波检测器,并对比早先建立的混合高斯分布下的高斯化处理,对其高斯化效果、对应检测性能、运行速度等进行了仿真研究。研究表明,高斯化处理可以降低背景干扰的非高斯性,从而提高后续匹配滤波的检测性能;基于对称α稳定分布的高斯化处理,在保持性能的同时,具有更高的运行效率。     

非高斯背景下的自适应限幅检测研究

针对非高斯背景下局部最优检测（Locally Optimal Detector,LOD）结构复杂、稳健性弱的问题,对传统的限幅器进行改进,提出了一种自适应限幅检测器（Adaptive Limiter Detector,ALMD）.首先对弱信号的检测性能进行了系统研究,然后依据混合高斯模型对非高斯背景建模,在此基础上得到了限幅阈值与限幅检测性能之间的解析表达式,最后通过推导确定了最佳限幅阈值,明显提高了检测性能.仿真结果表明ALMD与LOD性能接近,但结构简单,性能稳健,适应性更强.     

宽带体制下混响和目标空时分布特征研究

传统的空时自适应处理(Space-Time Adaptive Processing,STAP)利用窄带混响和目标在空时平面的可分辨特征抑制窄带混响。对宽带混响和目标在空时平面分布特征进行研究,并通过理论推导,得出带宽对混响和目标空时分辨特征的影响公式。结果表明:宽带混响和目标在空时平面分布特征部分重叠,导致传统STAP效果不佳。在此基础上,借鉴STAP思想,并利用线性调频(Linear Frequency Modulation,LFM)信号在分数阶Fourier变换域上的聚焦性,分析了在空-分数阶Fourier域三维空间上抑制宽带LFM混响的可行性。     

遗传算法在分数阶Fourier变换域极值优化中的应用

分数阶Fourier变换采用线性调频基,因此,线性调频（Linear Frequency Modulation,LFM）信号在分数阶Fourier域平面能够聚焦,并形成峰值。为了克服传统步进式搜索法在LFM信号峰值搜索中效率低下的缺点,将遗传算法引入到分数阶Fourier变换极值搜索中。仿真结果表明,该方法优于传统的步进式搜索法。     

现代谱估计法中几种不同模型参数估计法的比较

为了克服经典的功率谱估计方法存在的方差大、分辨率低的缺点，产生了现代谱估计法。首先介绍了现代谱估计法中的几种模型参数估计法，通过仿真比较了其性能，并对模型阶次的选择作了分析，对实际的工程应用有一定的参考价值。