变粒子数的盲检测器在平坦衰落信道下的应用

粒子滤波器能够处理非线性和非高斯的问题,引起人们的关注。对于信道模型系数未知的平坦瑞利衰落信道下的盲信号检测,提出了一种新的粒子滤波算法,在接收导频序列阶段,利用较多的粒子数估计信道的模型系数,在信号检测阶段．利用较少的粒子数进行检测,从而构成一种新的变粒子数滤波器。这种新算法的复杂度较低,性能较好。仿真试验结果证明,无论是在高斯噪声还是非高斯噪声环境中,这种新的粒子滤波器能够达到已知信道模型系数情况下的混合卡尔曼滤波器的可比性能。     

平坦衰落信道下一种基于进化粒子滤波的盲检测器

该文针对平坦瑞利衰落信道下的盲粒子滤波检测器存在的样本贫化问题,提出了一种基于进化粒子滤波的盲检测方法。在粒子滤波的重采样阶段,引入进化规化思想,即采用进化粒子滤波的方法解决样本的贫化现象,从而构成了一种基于进化粒子滤波的盲检测器。仿真结果表明,在信道模型系数未知条件下,该检测器的误码率性能较盲粒子滤波检测器优越,接近已知信道模型系数情况下的混合卡尔曼滤波检测器性能。     

NNISA-PF算法的MIMO-OFDM信道估计应用分析

MIMO-OFDM(多输入多输出—正交频分复用)系统的信道估计问题是系统接收机进行相干解调的关键。针对标准粒子滤波算法在MIMO-OFDM信道估计时存在观测系数不准确和粒子退化等问题,提出了一种基于神经网络的重要性样本调整粒子滤波(NNISA-PF)算法。对MIMO-OFDM通信系统及时变信道进行建模,得到了状态空间模型;详细分析了标准粒子滤波的改进算法——NNISA-PF;在MIMO-OFDM快衰落和慢衰落信道下,对Kalman、Bootstrap和NNISA-PF三种滤波算法分别在AWGN、Middleton-A噪声下的NMSE和BER性能进行了仿真对比分析。仿真结果表明,在快衰落和慢衰落情况下,NNISA-PF算法都可以有效对抗噪声干扰,尤其是在非高斯噪声环境下优势明显;NNISA-PF算法可以较准确地对MIMO-OFDM时变信道进行半盲估计,使MIMO-OFDM技术优势得到充分发挥。与现有的半盲信道估计方法相比,该方法具有估计精度高、对非高斯噪声鲁棒性强等优点。     

平坦衰落信道下一种改进的盲粒子滤波检测器

粒子滤波器能够处理非线性和非高斯的问题,所以引起人们的关注.对于平坦瑞利衰落信道下的盲信号检测提出了一种改进的粒子滤波器,与原来的算法相比,它的复杂度较低.原来的算法能够达到混合卡尔曼滤波器的可比性能.仿真试验结果证明,无论是在高斯噪声还是非高斯噪声环境中,这种新的粒子滤波器能够达到混合卡尔曼滤波器的可比性能.     

平坦衰落信道下的粒子滤波算法

粒子滤波器能够处理非线性和非高斯的问题，所以引起了人们的关注。当重要函数分别选取先验重要密度函数和混合重要密度函数时，对于平坦瑞利衰落信道下粒子滤波算法，仿真试验结果表明，无论是在高斯噪声还是非高斯噪声环境中，混合重要密度函数要优于先验重要密度函数。     

一种新型的在瑞利信道下盲检测器设计

针对采用卡尔曼滤波或线性预测方案进行信号检测时,需要已知信道模型参数或预先估计信道参数这一局限性问题,提出一种新型的瑞利信道下的盲检测器。盲检测器通过设计粒子学习算法,能够在未知的信道衰落模型参数和噪声模型参数条件下检测信号。为了提升检测器的性能,采用信号延迟判决技术。仿真结果表明,盲检测器性能优异,已接近在已知信道模型参数下检测器的性能。该盲检测器易于并行设计实现,具有很高的实用价值。     

基于粒子滤波的MIMO-OFDM时变信道半盲估计

提出一种基于粒子滤波的MIMO-OFDM时变信道半盲估计方法。首先，对粒子滤波算法进行改进，通过对采样粒子分布进行局部优化调整，提出一种局部优化粒子滤波算法。然后，将该粒子滤波算法用于MIMO-OFDM时变信道估计。由于该信道估计过程在频域进行，因而无需已知（或估计）多径信道长度。与现有时变信道半盲估计方法相比，本方法具有估计误差低、对非高斯噪声顽健性强等特点，从而有效改善了接收端的符号检测性。计算机仿真结果证明了本方法的有效性。     

一种粒子滤波的盲多用户检测快速算法

该文在时间观察状态空间模型基础上,针对粒子滤波计算复杂的问题,构造了一种在同步快变平衰落信道下计算复杂度低的粒子滤波的DS-CDMA盲多用户检测快速算法。该算法通过对超过门限数目的粒子分类,以不同类别粒子的概率差值作为粒子滤波所需粒子数目是否足够的判断准则,自动调节不同情况下所需的粒子数目,并对不同类别粒子概率差值下盲多用户检测性能进行分析。仿真结果表明,该文算法可以在保证盲多用户检测性能的前提下有效地降低运算复杂度,且检测性能与概率差值成正比。     

基于分数低阶统计量的盲多用户检测算法

多用户检测算法是抑制CDMA系统中多址干扰的重要手段,但广泛存在的非高斯信道噪声会降低以往的基于高斯噪声模型假设的算法性能.本文采用α稳定分布作为噪声模型,提出了基于分数低阶统计量的盲多用户检测算法,并对该算法进行了理论分析.仿真和分析表明,该算法具有很好的韧性,同时适用于高斯噪声和脉冲噪声环境.     

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。      

非高斯条件下基于粒子滤波的T波交替检测算法

针对动态心电图中非稳态、非线性和非高斯T波交替检测（T-wave alternans,TWA）的稳健检测问题,本文首先提出了一个TWA的非线性、拉普拉斯噪声的状态空间模型,然后采用粒子滤波方法对动态心电信号中的T波交替幅值进行估计,实现了心电信号中T波交替的定性和定量分析.仿真结果表明,在加入高斯噪声和非高斯噪声情况下,与经典的SM和MMA方法进行对比,本文提出的算法准确度和稳健性表现最好,并且本文算法能准确地实时地跟踪非稳态的TWA现象.     

稳定分布噪声下基于高斯近似粒子滤波的干扰源定位算法

民航地空通信受到无线电干扰会严重危及民航飞机的正常飞行,本文在深入研究利用接收飞机散射信号的多普勒频移信息定位地面干扰源方法的基础上,提出基于高斯近似粒子滤波（GAPF）的定位算法。本文的主要贡献可以总结为:第一,对多普勒频移与干扰源坐标之间非线性关系进行深入研究,构建状态方程及观测方程。第二,考虑更能准确描述散射信道模型的对称alpha稳定分布(SaS)噪声作为叠加的背景噪声,并提出 噪声下的高斯近似粒子滤波算法。计算机仿真实验表明,与扩展卡尔曼滤波（EKF）及无迹卡尔曼滤波（UKF）算法相比,本文算法的估计性能优势明显,并且对SaS噪声具有较强的鲁棒性。      

杂波环境下被动多传感器机动目标跟踪新算法

针对杂波环境被动传感器机动目标跟踪问题,该文研究了一种基于粒子滤波的被动多传感器机动目标跟踪新算法。 在该算法中,首先推导了杂波环境下粒子滤波的似然函数表达式。其次将粒子滤波与交互多模型(IMM)相结合,用IMM方法实现模型的切换,以适应目标的机动变化。用粒子滤波实现对观测方程的非线性处理。最后,建立了被动多传感器的非线性观测模型,避免了目标的不可观测性,并且算法还能够处理非高斯噪声情况。仿真实验结果表明,提出的算法能够有效地对被动机动目标跟踪,且性能优于交互多模型概率数据关联滤波器(IMM-PDAF)。     

基于粒子滤波信号降噪的齿轮箱故障诊断研究

齿轮和轴承是机械设备中重要的部件,它的健康状况直接影响着机械设备的运行状态。研究粒子滤波对齿轮箱的振动信号进行降噪处理,需要知道信号的特性和噪声的统计特性。针对此,先对齿轮箱的齿轮进行振动分析,建立振动模型,而后再研究粒子数算法,对振动信号进行EMD分解,把分解的第一个IMF分量和残余分量进行重构,组建AR模型,经AR模型系数作为粒子滤波状态方程的系数。最后采用小波变换阈值降噪思想,把分解提出的噪声信号放到粒子滤波观测方程中,对信号进行降噪处理。     

激光主动成像图像噪声抑制方法

针对激光主动成像图像特点及实际应用需要,提出了一种基于同态滤波与双数复值小波变换级联的图像降噪算法。首先通过同态滤波将乘性散斑噪声变换为加性噪声;然后用基于改进Q-shift滤波器的双树复值小波对含噪图像进行分解,通过Bayes自适应阈值法修正小波系数;最后再进行相应的逆变换得到去噪图像。该算法具有近似平移不变性、多方向选择性及精确重构性,采用信噪比（SNR）、峰值信噪比（PSNR）和运行时间作为算法去噪性能的评价标准进行实验。实验结果表明该算法能够有效抑制图像中的散斑噪声,计算效率高,且很好地保护了图像细节。     

基于双正交小波域的SAR图像滤波方法

将E-lee、E-Kuan、GammaMap、wiener等经典滤波算法和双正交小波变换相结合,提出了基于双正交小波变换域的局部统计特性SAR图像滤波方法,同时提出了一个运算量少,且是归一化的对数变换,它将乘性的Speckle噪声转为加性噪声。在小波域内建立了局部统计特性SAR图像滤波算法,使用多分辨率的手段,因为在每个方向上的小波系数都具有相同的特征,可以很好地处理图像的一些特性,使得图像边缘被模糊的相对少些。实验结果表明,此方法比经典算法的效果要好。     

基于提升小波变换的红外图像双重滤波算法

为了有效抑制红外图像中的随机噪声,采用一种基于提升小波变换的双重滤波算法来进行处理。该算法对含有噪声的红外图像实现第1次提升小波分解,然后对获得的低频和高频分解系数再次实现提升小波变换,舍弃由低频系数经过第2次提升小波变换后获得的低频系数以及由高频系数经过第2次提升小波变换后获得的高频系数。对剩余的高频系数和低频系数分别采用改进阈值函数模型以及改进非局部均值滤波算法进行处理,在此基础上实现小波系数重构。为了改善滤波后图像视觉效果,再引入直方图均衡化算法进行处理。通过理论分析和实验验证,获得了相关的标准测试图像和红外图像测试结果以及峰值信噪比和结构相似度测试数据。结果表明,该滤算法对于高质量地去除红外图像中的噪声是有帮助的。     

基于自适应频带选择的数字水印技术

如何选择水印的隐藏区域是水印算法中的关键问题。该文提出了一种自适应DCT域水印算法,利用了人眼视觉系统(HVS)和图像局部特性自适应地选择水印隐藏区域,有效地实现了水印的稳定性和不可见性的折衷。与其它水印算法比较,该文提出的自适应算法适合于具有不同总体特性和局部特性的图像。实验结果表明该算法具有很好的感知质量,水印稳健性好,可以抵制各种图像处理操作诸如加性白噪声(AWGN),JPEG压缩以及裁剪,中值滤波,缩放等。     

Particle filtering for demodulation in fading channels withnon-Gaussian additive noise

An efficient particle filtering algorithm is developed to solve the problem of demodulation of M-ary modulated signals under conditions of fading channels in the presence of non-Gaussian additive noise. Simulations for MDPSK signals are presented. The results show that the algorithm outperforms the current methods