基于调制信号细节特征的证据识别

从系统的观点，着力从特征提取和分类两方面提高调制信息的分类正确率和识别效率。由于通信信号的不确定性和信噪比变化范围较大的特点，提出了基于小波争解的细节特征，这种特征不但包含了不同类别的差异信息，而且压缩了信噪比变化范围，在此基础上，分类器设计运用信任函数（证据）理论，改进了常规的贝叶斯决策方法，明显提高了分类正确率。计算机模拟结果证明了此方法的可行性。     

一种基于协方差阵拟合的解测向模糊算法

流形模糊发生的原因是阵列流形上的多个矢量线性相关,子空间类算法无法靠自身解模糊。为解决子空间类算法中的模糊问题,提出了一种新的基于协方差阵拟合的解模糊算法。该方法用预估的导向矢量与入射波功率来拟合协方差阵,用最陡下降法寻找最优的功率参数,认定功率较大的入射波为真实来波。与子空间算法结合,可解决测向模糊问题。数值仿真表明,此方法在阵元数量较多时仍能有效工作。     

复平面子空间分解的TOA无线定位方法

提出了一种利用复平面对二维移动站定位进行建模的方法,将到达时间信息转化为复数求模,通过代数运算, 利用子空间的方法对目标进行定位,再利用蜂窝站址的旋转不变性对定位解进行融合,推导了复平面下TOA定位的克拉美界 (CRB)。通过计算机仿真证明该方法具有较好的定位性能,在TOA测量精度较高时能够达到CRB界,有较好的应用价值。     

跳频码的一类非线性预测模型的性能分析

利用一种统计式的非线性预测模型对实测跳频码进行预测，分析了该预测模型具有的良好预测效果。由于该模型简单易操作，运算量不大，对采样样本数和邻域半径不是很敏感，在工程上有重要的应用价值。     

基于快速组合神经网络分类器的数字调制识别新方法

单个神经网络分类器无法提供一种对所有数据进行精确解释的能力,但是会对部分数据贡献一些有用的信息,组合神经网络分类器利用有效的组合算法集成单个分类器,使分类能力得到显著提高.本文提出一种快速非线性组合算法对通信信号的调制类型进行分类,取得了较好的效果,实验结果证明了此方法的有效性.     

混沌跳频通信的非线性自适应预测对抗

基于混沌跳频码序列构造固有的确定性、非线性等特点,提出了对抗混沌跳频通信的非线性自适应预测对抗的新概念.以Logistic-Kent映射设计的混沌跳频码为例,采用基于Sigmiod函数的Volterre自适应滤波预测器对其进行预测研究.仿真实验结果表明非线性自适应预测器比神经网络预测器具有更高的预测对抗效果.     

用禁忌搜索实现DOA估计

为解决DOA参数估计搜索算法中局部极值和实时性等问题,从现代优化理论的角度出发,选用比遗传算法、模拟退火法更易利用问题特殊信息的禁忌搜索算法来求解DOA的极大似然估计.理论分析和仿真结果表明:该方法不仅能获得全局最优解;而且在获得与AP算法相当测向精度和测向分辨率的情况下,有更低的计算量;对相干信号,其性能比AP算法有较大的提高.     

基于模型拟合的重叠信号盲分离方法

本文提出一种多信号分离方法.方法利用多项式相位拟合估计信号相位,构建了多信号分离模型,从而把多信号分离转化为序列和信道参数估计问题,然后利用序列和信道参数估计的方法进行多个信号的幅度和相位的联合估计.利用估计得到的序列和信道参数恢复多个信号各自的相位和幅度,从而对多个信号进行分离.该方法只需利用单个信道接收,并能够对完全重叠的多个信号进行分离.仿真和实际实验证明了方法的优异性能.     

一种稳健的四阶累积量ESPRIT测向方法研究

本文提出了一种基于四阶累积量的ＥＳＰＲＩＴ超分辨阵列测向算法，该算法适用于任意形状排列的空间阵列，通过对误差模型的分析，发现该算法具有稳健性，只要接收通道中任意两个通道能保持一致，该算法就能得到正确的方向估计，计算机模拟验证了该算法的正确性。     

基于四阶累积量的最小范数方向估计算法

本文分析了在高阶统计应用阵来波方向估计问题中二阶子空间与四阶子空间的概念及形式关系。提出了基于四阶累积量的最小范数方法。提出了四阶累积量方法对于均匀直线阵的零谱求很方法。最后给出了模拟实验举例。