认知无线电中基于SVD分解的频谱感知新算法

为了解决认知无线电中能量检测法在低信噪比下检测概率低的问题,本文提出了一种基于SVD分解的频谱感知算法.首先利用接收信号构造Hankel矩阵,通过SVD分解,将矩阵分离成信号空间与噪声空间,再将较小的奇异值置零,然后重构矩阵,从而提高接收信号的信噪比(SNR).其次,将SVD系统输出信号功率财噪声功率进行归一化,把降低噪声功率转化成提高主用户信号功率.最后进行能量检测,以此来提高检测概率.理论分析和计算机仿真表明,在相同条件下,基于SVD分解的频谱感知算法与传统的能量检测法相比,检测概率显著提高;要达到相同的检测概率,对信噪比的要求也显著降低.     

一种基于四阶循环累积量的盲源分离方法

盲源分离是指在没有源信号任何先验知识的情况下,只根据多个接收机的观测信号实现对源信号的恢复.本文基于四阶循环累积量提出了一种简单易行的循环平稳信号的盲源分离方法.针对两个信号混合的情况,该方法首先对观测矩阵进行循环白化,使得观测矩阵的循环自相关阵为单位阵,这样分离矩阵变为酉阵,可用单个参数来表示.之后运用循环统计量的性质找到一个评判函数,求得该参数的最佳值从而确定分离矩阵.本文对BPSK信号和AM信号混合的情况分别进行了仿真实验,通过信号分离的直观图、参数选择以及串音误差的分析表明该方法的有效性,并将其与自然梯度算法,循环自然梯度算法做了比较,表明本算法的优势,尤其是在AM信号的分离中更是如此.文章最后讨论了算法的运行时间.     

基于Hilbert谱的心率变异信号时频分析方法

心率变异性(heart rate variability,HRV)信号的频域分析方法是用来表征自主神经调控信息的基本方法。为了评估自主神经系统功能及对心血管活动的影响,提出一种基于Hilbert时频谱的HRV信号的时频特征提取和分析的新方法。对HRV信号进行希尔伯特-黄变换(Hilbert-Huang transform,HHT)以获得HRV信号Hilbert时频谱,依据短时程HRV信号的线性频域分析指标,得到不同生理频带的Hilbert能量棒形图,提取总能量、各生理频带的能量和其归一化能量以及生理频段的能量比值作为评价心率变异性的时频特征。对MIT-BIH数据库的年轻人、老年人样本和健康人、心衰病人样本的HRV信号分析表明,基于Hilbert谱的时频特征的区分性能好,有较清晰的生理意义,能反映人的生理病理变化,为短时程HRV信号分析提供了一种有效方法。     

基于辅助源和相关熵的ADS-B信息时延估计新算法

提出了一种基于辅助源和相关熵的ADS-B信息时延估计新算法。首先,对报文信息时延产生机制进行了研究,提出新的时延模型;其次,以辅助源信号所包含的多普勒频移特征为研究对象,在信号相似性比较时引入相关熵提出时延估计算法;然后,分别研究了扫描步长与高斯核长对本时延估计精度的影响;最后,通过仿真实验验证了在不同噪声条件下本算法的时延估计性能。与已有方法相比,本算法不需要更改报文格式,在脉冲噪声条件下具有更高的时延估计精度,故具有更好的实际应用价值。     

无源雷达目标信号时延与多普勒频率联合估计

提出一种基于STFRFT的无源雷达目标时延与多普勒联合估计新方法。首先,给出了一种STFRFT时频分辨率量化方法及其数学表达式;其次,利用STFRFT的投影包络对回波信号时延与Doppler频移进行了联合估计;最后,讨论分析了脉内信噪比、高斯窗参数等对所提方法估计性能的影响。仿真结果表明,与CAF方法相比,所提方法更容易获得高精度的时延与Doppler频移的联合估计,具有更高的可靠性。     

非平稳确定性信号与非平稳随机信号统一分类法的探讨

根据信号通过线性系统可产生新信号的理论,对非平稳确定性信号与非平稳随机信号的统一分类方法进行了深入研究,分别给出格林函数描述的线性时变系统法、调制函数作用于边界稳定线性系统的自激振荡正弦波法、随机输入线性时不变系统与边界稳定的与不稳定的线性系统组合法。这3种分类法便于对非平稳确定性信号与非平稳随机信号进行统一分类研究,并具有比较全面与系统性好的优点。     

对称Alpha稳定分布噪声下单天线干扰消除算法

蜂窝移动通信系统性能受限于码间干扰、同频干扰和脉冲噪声等因素。本文提出一种基于粒子滤波的单天线干扰消除算法。首先,对脉冲噪声采用Alpha稳定分布进行建模,并对该模型进行高斯近似,递推得到多个未知信道参数的联合后验概率。其次,提出基于延迟粒子滤波的同信道传输码元最大后验估计方法。理论推导和仿真实验结果表明本文算法能够消除码间干扰和同频干扰对码元检测的影响,与其他干扰消除算法相比,特别是在强脉冲噪声和未知信道参数情况下,具有一定的优势。     

基于二阶广义全变差的多帧图像超分辨率重建

图像超分辨率重建是图像处理领域的重要问题.本文将二阶广义全变差用于基于正则化的多帧图像超分辨率重建问题,构建了基于二阶广义全变差正则项的图像超分辨率模型.为了更好地保持重建图像的边缘和细节,采用图像空域自适应正则化参数,并针对该重建模型的非光滑性,给出了基于半二次正则化和交替方向法的求解算法.实验结果表明该模型和数值算法能够较好地提高图像的分辨率,同时可以较好地保持图像的细节信息.