Alpha稳定噪声PDF的近似估计

Alpha稳定分布的概率密度函数除少数特例外不存在闭式表达,造成应用的困难.无穷级数逼近的渐进表达存在级数的阶数难以确定,且近似性能不稳定的缺陷,而无穷高斯混合的表达方法同样存在阶数难以的确定问题,而且逼近的效果较差.本文提出了仅采用两高斯混合的逼近方法,给出了两种高斯随机变量参数的确定方法以及所占比例的估计方法.实验结果表明该方法逼近效果稳定.该方法仅使用两种高斯的混合形式,计算简便.     

稳定分布噪声下基于粒子滤波的多径时变信道盲均衡算法

提出了一种基于粒子滤波的多径时变信道盲均衡算法,并在此基础上进行扩展,提出了一种基于延迟抽样的盲均衡算法。新算法的贡献可总结为：推导出对称α稳定分布（SαS）噪声下对传输码元进行最大后验估计的盲贯序算法;对SαS分布噪声进行高斯近似并递推出信道及噪声未知参数的联合后验分布。仿真结果表明,所提出的算法是有效的,特别是在较强脉冲噪声情况下要优于其他算法。     

基于SαSG分布噪声模型的自适应混合矩滤波方法

α-稳定分布可以更好地描述实际应用中所遇到的具有显著脉冲特性的随机信号和噪声.与其他统计模型不同,α-稳定分布没有统一闭式的概率密度函数,其二阶及二阶以上统计量均不存在.针对系统中存在独立SαS噪声与高斯噪声,基于SαSG分布模型,提出了一种稳定分布与高斯混合噪声环境下的自适应混合矩滤波的修正RMN（混合参数）算法,并对算法进行了步长归一化改进.计算机模拟和分析表明,这种算法是一种在SαSG分布背景噪声条件下具有良好韧性的滤波方法.     

α稳定噪声中基于正态变换的次优接收机

通信信道中的冲激噪声通常可由对称的α稳定分布(SαS)描述。由于SαS的概率密度函数(PDF)无闭式表达,因此基于Neyman-Pearson准则的解析的最优接收机也不存在。采用解析模型——双参数柯西-高斯混合模型(BCGM)近似SαS的PDF,导出了基于正态化变换的零记忆非线性(NZMNL)限幅器,NZMNL限幅器使得α稳定噪声变换为标准的正态分布噪声。分析了基于该限幅器次优接收机的误码率性能,仿真结果表明对于噪声参数α(1.52.0]时,所提出接收机的性能优于经典的柯西接收机和钳位接收机。     

利用样本特征的盲频谱感知算法

为克服噪声不确定度及噪声方差的影响,利用样本特征构造了新的检验统计量,推导了频谱空闲、频谱占用时检验统计量的概率密度函数,提出基于F分布的盲频谱感知算法,但其判决门限受采样点数影响;为此,利用Anderson-Darling准则提出基于F分布的拟合度检验算法。在高斯信道下对两种算法进行了仿真,并与能量检测算法、GOF算法仿真结果比较可知,所提两种算法性能优于噪声方差已知的能量检测算法,并克服能量检测算法、GOF算法受噪声不确定度以及噪声方差影响这一缺陷。      

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.     

无线电监测中信道占用新参数的提取及分析

通过分析信道占用度参数在评估信道质量中存在的局限性,提出了信道占用散度、信道占用稳度两个新的信道占用参数概念,并从物理意义上进行了分析、说明。借助数学推导和处理实测数据方式,验证了新参数的合理性。     

Alpha稳定分布随机变量仿真及模型参数估计

在现实的通信系统中,许多自然的以及人为的噪声是非高斯脉冲的.针对噪声的非高斯性引起的高斯假设下设计的最优接收机性能的显著退化.设计了对称α稳定分布(SαS)模型,该模型能够比较准确地描述许多类型的脉冲噪声.并进行了模型仿真和模型参数估计.结果表明,α稳定分布更能描述信道中的噪音     

虚拟多天线OFDM系统中多频偏和信道联合最大似然估计算法研究

针对各个收发天线间都具有不同的频偏和信道参数的虚拟多天线、OFDM系统目的节点中数据辅助的多频偏和信道参数估计问题进行了研究.通过利用级数展开的方法进行矩阵求逆,提出了一种基于最大似然准则的高计算效率参数估计算法,从而能够同时对虚拟多天线OFDM系统中的频偏和信道等参数进行估计.给出了本算法估计结果的均方误差与CR下界的对比,同时还对训练序列的设计进行分析和仿真验证,仿真结果表明所设计的低复杂度算法性能上逼近CR下界,同时克服了现有算法的缺陷.     

分布式多天线信道时变特征参数的联合估计

针对分布式多天线信道随机时变特征参数的获取问题,通过参数化建模方法建立信道时变参数的自回归模型,将由频率偏置和复信道衰落构成的强非线性观测方程在估计值处展开成泰勒级数进而线性化观测方程后,运用扩展卡尔曼滤波算法联合估计未知参数。仿真结果表明,该方法可在序贯的观测值下对信道时变参数进行联合估计和跟踪,能获得逼近克拉默—拉奥下界的估计精度。