基于改进WD的多分量Chirp信号瞬时频率估计方法

对Chirp信号的常用估计方法是Wigner分布峰值(Wigner Distribution Maxima,WDM)法,但在低信噪比情况下,Wigner分布(Wigner Distribution,WD)峰值往往偏离真实值造成瞬时频率(Instantaeous Frequenty,IF)估计误差大.文中提出了一种基于改进WD的多分量Chirp信号瞬时频率估计方法——Wignet Viterbi拟合法(Wigner Viterbi Fjtting,WDVF)法.该方法将信号的WD作为图像,运用Viterbi算法分离出多分量Chirp信号的各个信号分量,再估计出各个分量的瞬时频率.新方法的估计精度高,在低信噪比情况下性能明显优于WDM法,并且WDVF法能较好地抑制时频交叉项与边缘效应.仿真结果表明,在信噪比为-15～-8 dB时,与WDM法相比,WDVF法的瞬时频率估计均方误差能减少约50%,具有良好的工程应用价值.     

利用Duffing振子估计多频信号参数

针对Duffing振子在混沌阈值附近对其临近频率的微小信号敏感而对其他信号免疫的特性,提出利用Duffing 振子估计多频信号参数.将待测多频信号送入Duffing振子中,用多相位振子组法估计各分量的频率,再通过平均特征指数法得到各频率分量对应的幅值和相位.该方法是一种时域分析方法,实现简单,估计精度高,对频率分量接近和低信噪比的多频信号同样适用.仿真结果和分析证明了该方法的有效性     

宽带非平稳信号的瞬时频率测量方法

针对宽带非平稳信号,提出一种瞬时频率测量方法.利用加限自适应滤波器将信号分解为多个渐进单频信号,根据其解析信号的相位函数求出其瞬时频率;综合所有分量的时频关系实现对宽带非平稳信号瞬时频率的准确测量.仿真实验和误差分析结果表明,该方法克服了Fourier分析、Wavelet变换和Hilbert-Huang算法求解宽带非平稳信号瞬时频率的困难,在整个分析频段都能实现较高的频率测量分辨率,对信噪比在0dB以上的信号具有优于0.2MHz的测量误差.对8μs长度信号,该方法除了有25.816μs初始运算延时外,对连续数据处理具有实时性,能够满足宽带非平稳信号频率的瞬时测量要求.     

基于EM的多天线信号合成权值估计算法

针对多天线信号合成技术的权值估计问题,提出了一种高斯信道下基于EM算法的权值估计算法,该算法能够实现非数据辅助情况下权值幅度和相位的联合估计,推导了多路情况下相位估计的Cramer-Rao下界（CRLB）。对MPSK和MQAM信号进行大量计算机仿真,结果表明该算法估计精度高,适用于多种调制方式,高信噪比下权值幅度与相位的估计值能够达到CRLB。     

基于瞬时频率的超声信号数字处理方法

使用非线性时频分布对超声信号进行处理,充分考虑到了信号的时域、频域和相位的信息,根据超声信号在缺陷和噪声处瞬时频率的不同,结合超声信号的空间投影特点,提出了一种基于信号瞬时频率的超声信号处理方法.首先使用CWD把信号变换到时频域,估计出信号瞬时频率,然后通过瞬时频率的有序度对超声信号进行加权处理.该算法不仅消噪性能好,而且缺陷定位准确.     

非数据辅助的多指数连续相位调制信号的载波频率估计算法

针对多指数连续相位调制(Multi-h CPM)信号的载波频率估计困难且算法复杂的问题,将仅仅适用于单指数CPM信号的载波频率估计算法进行改进,提出了一种适用于Multi-h CPM信号的非数据辅助的载波频率估计算法。基于最大似然准则获得Multi-h CPM信号载波频率的估计,为了有效地界定文中算法性能,最后推导了Multi-h CPM信号的载波频率估计算法的修正Cramer-Rao限。仿真结果表明:该算法适用于全响应和部分响应的Multi-h CPM信号,其载波频率估计的性能良好且对符号定时偏差和调制指数同步偏差不敏感。     

基于瞬时测相的π/4-DQPSK信号解调算法

提出了一种基于瞬时测相的π/4-DQPSK信号解调算法.这种算法通过实时估计信号的相位来提取调制相位信息,并通过相位推算信号的瞬时频率,实现码元同步,进而完成相位判决,恢复出原始的调制码.Matlab仿真表明,这种算法能够正确实现对信号的解调,在AWGN信道中,当误码率BER=10-4时,比传统差分相干解调大约有1 dB的信噪比性能改善.     

基于脊路跟踪的变分非线性调频模态分解方法

针对多个辐射源信号混合构成的多分量信号分离问题,提出基于脊路跟踪的变分非线性调频模态分解算法. 该方法使用改进的脊路重组算法对时频分布图中各分量瞬时频率进行提取,将提取出的各分量瞬时频率作为变分非线性调频模态分解的预设频率;利用重构后的多分量信号进行瞬时频率提取,更新预设频率后继续模态分解;重复上述过程,直到迭代前、后频率差值小于预设阈值,输出对应的模态分解结果. 实验结果表明,基于脊路跟踪的变分非线性调频模态分解算法比经典变分非线性调频模态分解算法具有更好的多分量信号分离效果.     

采用K-L正交分解降低Chirp信号噪声的方法

由于Chirp信号瞬时频率的估计易受噪声影响,该文利用K-L正交分解,提出了一种降低Chirp信号噪声的方法。K-L正交分解将噪声平均分配到各正交分量,而将信号主要集中在某一最大分量,从而提高信噪比。数学分析和仿真结果同时表明,该方法能降低信号噪声,改善信噪比达6 dB,使瞬时频率估计更为准确。最后,结合Chirp信号自相关函数的特性,对该方法的应用做了进一步的推广。     

基于双随机相位估计的无功补偿方法

为了解决实时无功补偿问题,提出了一种基于双随机相位估计的无功补偿方法.对采样电能信号进行傅里叶变换,通过频谱峰值定位算法确定电能信号的基波、各阶次谐波的频率信息.采用同频率不同相位信号调制,得到调制后信号,再经过低通滤波得到滤波后信号.结合滤波信号的比值和随机相位三角函数数值得到所要估计的信号相位信息,辅助无功补偿.通过仿真电能信号和实际采集的电能信号验证了该算法的有效性,结果表明信号相位估计相对误差在1‰以下,无功补偿能够有效提升电路的能量利用效率.     

杂波环境下雷达组网的多目标聚类融合跟踪

多传感器多目标跟踪是信息融合技术在目标跟踪领域的应用范例,数据关联是其中的关键技术之一.对于杂波环境下的组网雷达多目标跟踪,讨论了粗、精关联相结合的数据关联方法.先用基于跟踪门限算法进行粗关联,排除部分杂波,再用模糊C-均值算法模糊聚类来实现关联.通过把多传感器跟踪问题转化为多个单传感器跟踪问题,更有效地实现关联,最后融合量测,滤波后得到目标的状态估计.用该算法对目标进行蒙特卡罗仿真,其比改进前的模糊C-均值关联算法和最近邻域算法在杂波环境下更能有效实现数据关联.     

基于奇异值分解的频率估计新算法

为了提高信号频率估计的精确度，提出了一种新的自适应滑动窗奇异值算法（sliding window adaptive SVD, SWASVD）.该算法基于奇异值算法将包含信号信息的矩阵分解到一系列奇异值和奇异值矢量对应的时频子空间中，从而分离信号信息与其他噪声信息的特点，推导了连续奇异值算法，产生两个辅助矩阵，在行列式处理中，采用减少秩的方法消除噪声，推导出的近似矩阵减少了复杂计算，使用matlab进行仿真，与多重信号分类谱估计法（MUSIC）进行了比较.结果表明，该新算法使用了滑动窗的概念，对陡峭信号变化有很好的鲁棒性，应用该方法可以在频率估计方面获得更准确的结果.     

高阶QAM信号多普勒参数联合估计算法

针对动中通卫星通信系统中QAM信号多普勒参数盲估计难的问题,提出了一种基于高阶循环累积量和相位差分的多普勒频率和变化率联合估计算法。无需定时同步和匹配滤波等预处理,通过检测QAM信号四倍频率处的循环频率来估计多普勒频率,并利用基于数据辅助的相位差分方法计算变化率。详尽的Monte Carlo仿真分析了不同信噪比、数据量的多普勒参数估计性能,结果表明,算法能有效实现高斯白噪声信道下QAM多普勒参数的联合估计。     

高阶QAM信号多普勒参数联合估计算法

针对动中通卫星通信系统中QAM信号多普勒参数盲估计难的问题,提出了一种基于高阶循环累积量和相位差分的多普勒频率和变化率联合估计算法。无需定时同步和匹配滤波等预处理,通过检测QAM信号四倍频率处的循环频率来估计多普勒频率,并利用基于数据辅助的相位差分方法计算变化率。详尽的Monte Carlo仿真分析了不同信噪比、数据量的多普勒参数估计性能,结果表明,算法能有效实现高斯白噪声信道下QAM多普勒参数的联合估计。     

量测划分的PHD航迹关联算法

高性能空中机动目标跟踪是现代预警雷达的核心任务之一.为了提高概率假设密度(PHD)滤波器的多目标跟踪性能,提出了一种基于量测划分的PHD航迹关联算法.考虑到传统PHD滤波无法给出目标各自的航迹属性信息,而且当跟踪区域存在大量杂波时,滤波效率严重降低;同时,对于密集邻近多目标跟踪,传统方法还存在不同目标跟踪的量测不匹配问题.针对上述问题,提出了分类检索的椭球门限量测划分方法,并将其应用到改进的高斯项权值重新分配的PHD航迹关联算法中,首先对每一步得到的量测集合通过分类检索的椭球门限方法,划分为已存在目标、新生目标和杂波的量测子集,再分别对各类目标使用对应的量测子集进行跟踪滤波,这样去除了杂波对真实目标的无效更新计算,提高了航迹关联算法的计算效率;其次,通过引入一种新的权值分配规则,调整邻近目标的高斯成分的权值大小,大幅减小了邻近目标的状态提取误差,提高了相邻目标的跟踪估计精度.大量数值仿真表明,所提方法明显改进了滤波计算效率和邻近目标跟踪精度.     

基于成像声呐的水下多目标跟踪研究

针对水下多目标跟踪问题,提出基于成像声呐的高效目标跟踪算法. 基于声呐的成像特点,针对声学图像中的每个像素点,建立基于信号强度的回波信号模型,提取图像中的个体目标. 采用基于序贯蒙特卡罗的概率密度假设(SMCPHD)滤波对各目标状态进行滤波,结合Auction航迹识别算法将滤波后的目标状态与已确定的航迹进行关联,实现多目标跟踪. 通过算法的仿真分析发现,该方法相对于基于数据关联型的多目标跟踪算法如联合概率数据关联(JPDA)算法、多假设跟踪(MHT)算法,大大提高了计算效率. 对采集的现场数据进行目标提取与跟踪,获得目标的跟踪轨迹.     

New high performance non-data-aided frequency estimation and implementation of QPSK

A new scheme for modulation removal for Non-Data-Aided (NDA) QPSK signals is proposed. The algorithm based on this new scheme can make a large range of frequency estimation cooperated with the DFT coarse frequency estimation method. Compared with the estimation algorithm using DFT and interpolation, the new scheme can endure more frequency fluctuation and estimate accurately the frequency offset when the effset varies slowly. Simulations and FPGA implementation prove the new scheme's good performance that it closes to CRB even at a low SNR.     

一种具有半波对称特性的电网谐波检测方法研究

针对一类电力系统的测试信号具有半波对称特性,提出了一种改进FFT算法.该算法在传统FFT算法的基础上省去了偶次谐波分量的计算,只分析奇次谐波,计算量是传统FFT的一半,大大提高了谐波的分析速度.在此基础上,为解决因非同步采样所导致的频率泄露问题,通过引入基于该改进算法的自适应频率跟踪流程,从而实现对这类电网谐波快速、精确的分析.MATLAB仿真结果表明,该算法响应速度快、实时性好、测量精度高,可有效地抑制电网频率和相位的突变影响,是一种工程实用方法.     

非合作通信中MQAM的定时载波联合同步

针对非合作通信系统中多径信道下含有大符号率偏差的M进制正交振幅调制信号定时载波的同步问题,提出了一种基于改进加德纳算法的M进制正交振幅调制信号定时载波联合同步方法．该方法首先利用加德纳算法中频偏与算法输出值之间的关系,进行定时偏移估计与载波偏移粗估计;然后利用与其相差半个码元的定时误差检测输出值的绝对值差进行锁定;最后利用锁相环跟踪细微的频偏和相偏．仿真结果表明,在多径信道下,所提的定时偏移和载波偏移的联合估计方法具有良好的估计性能．     

Sensor selection algorithm based on modified binary particle swarm optimization

Considering the problem of sensor selection for multi-target tracking in wireless sensor networks(WSN),a sensor selection algorithm based on binary particle swarm optimization(PSO) is proposed to maximize the tracking accuracy. The predicted coordinate of the target and the determinant of the Fisher information matrix (FIM) is used for sensor selection. A modified form of binary particle swarm optimization(MBPSO) is proposed to solve the model, which is designed by employing the binary vector coding manner, constraint satisfaction cyclic shift population initialization method, particle position updating rules with the V-shaped transfer function and guidance factor. Simulation results show that the proposed sensor selection algorithm can be efficiently applied in the multi-target tracking problem. Compared to the basic particle swarm optimization algorithm and genetic algorithm (GA), the modified algorithm achieves a balance between global optimization and local exploration, and can effectively avoid the local optimum. Moreover, the proposed algorithm is suitable for large-scale networks.