非高斯相关噪声中高斯的时延估计

高阶统计量在信号处理中成功的应用例子之一是估计高斯相关噪声中非高斯信号的时延参数，本文则研究非高斯相关噪声中高斯信号的时延估计问题，提出了一种解决该问题的混合方法。该方法先计算观测值的三阶累积量，然后利用累积投影公式计算观测噪声的二阶统计量，最后利用互相关方法确定信号时延参数，仿真结果验证了该方法的有效性。     

基于高阶循环累积量的OFDM子载波盲估计

该文针对通信对抗和OFDM信号解调的实际应用,提出一种利用高阶循环累积量估计OFDM信号子载波的方法。由于高阶循环累积量能有效抑制平稳噪声和非平稳高斯噪声,通过理论分析可证明在上述噪声背景下,子载波采用2/4PSK调制的OFDM信号的特定四阶循环累积量仅在子载波处存在,因此可以通过检测此循环频率实现子载波的估计。该算法还可推广到采用星形QAM和高阶PSK调制的OFDM信号。仿真实验验证了该算法的有效性。     

非高斯相关噪声中高斯信号的时延估计

高阶统计量在信号处理中成功的应用例子之一是估计高斯相关噪声中非高斯信号的时延参数.本文则研究非高斯相关噪声中高斯信号的时延估计问题,提出了一种解决该问题的混合方法.该方法先计算观测值的三阶累积量,然后利用累积投影公式计算观测噪声的二阶统计量,最后利用互相关方法确定信号时延参数.仿真结果验证了该方法的有效性.     

窄带通信信号时延估计的循环谱组合切片法

循环时延估计方法只使用单一循环频率进行时延估计,对信号的循环平稳信息利用不充分,且估计性能对循环频率的选择有较大依赖性.针对此问题,研究了利用多循环频率组合进行时延估计的方法,为减小循环谱密度函数估计的计算量并提高时延估计的精度,阐述了利用循环谱切片组合进行时延估计的方法,在不同信噪比的高斯噪声和同频干扰条件下分别进行了仿真实验.仿真结果表明,多循环频率时延估计法较单循环频率时延估计法有更高的估计性能.     

基于三阶累积量的多径时延估计

研究多径传输条件下的时延估计问题。利用三阶累积量的一维切片作为高阶统计量,结合相关算法原理,提出一种新的时延估计算法。为提高时延估计精度,对相关数据进行了加权处理。该算法可有效抑制空间相关高斯噪声或对称分布噪声,得到非高斯信号准确的时延估计。算法具有计算量小,易于实现的优点。仿真结果表明了该算法的有效性。     

脉冲噪声环境下基于分数低阶循环相关的自适应时延估计方法

以α稳定分布作为噪声模型，研究了非高斯噪声对传统的二阶循环统计量的影响，提出了分数低阶循环相关的概念，研究并证明了其性质，对传统意义上的二阶循环统计量进行了广义化，并在此基础上结合自适应技术提出了一种基于分数低阶循环相关的自适应时延估计方法。计算机模拟表明，该方法可有效估计高斯噪声和脉冲噪声条件下的时变和非时变时延值，其性能不仅优于基于二阶循环相关的自适应时延估计算法，而且优于最小平均P范数（LMP）自适应时延估计方法。     

脉冲噪声环境下改进的顽健循环时延估计算法

研究了脉冲噪声环境下循环平稳信号的时延估计问题,针对脉冲噪声环境中基于传统二阶谱相关函数的时延估计方法性能退化问题,提出了基于分数低阶循环谱的改进顽健算法。相对于传统算法,新算法对脉冲噪声、高斯噪声、干扰信号都具有较好的抑制作用。仿真结果证明了算法的有效性和顽健性。     

复循环平稳的非平稳信号的非参数谱估计

复准循环平稳信号为具有准周期时变统计特性的复随机信号，它对研究信息系统中的一些非高斯过程有重要意义。本文提出了平滑周期图作为离散时间复循环平稳过程的循环谱估计，并从理论上证明了该估计为相容估计，还导出了其渐近协方差表达式。     

基于M估计变步长自适应仿射投影算法的稳健时延估计

该文提出了一种基于M估计变步长自适应仿射投影方法的稳健时延估计(TDE)算法。该算法将自适应仿射投影算法应用于时延估计,无须事先假定信号和噪声的统计特性,自适应调整自身参数;应用稳健M估计理论,抵消重尾噪声干扰。数值仿真表明,在高斯噪声、非高斯噪声甚至冲激噪声的干扰下,该文算法比高阶统计量法和最小均方自适应法有更强的稳健性和更高的估计精度。     

循环互相关时延估计算法在合作目标测距中的应用

为了克服传统信号TDOA估计的不足,本文基于循环谱和循环谱密度函数的基本定义,给出了BPSK直序扩谱信号的循环谱密度函数,提出了利用循环互相关法对合作目标测距信号进行时延估计的算法。该算法利用信号的循环平稳性去除接收信号中的非循环平稳信号和不同循环频率的循环平稳信号,用循环统计量方法替代传统的二阶统计量方法,通过MATLAB进行仿真验证,并与广义互相关法进行了仿真比较,得到很好的TDOA估计效果。     

Estimating random amplitude polynomial phase signals: acyclostationary approach

Modeling of a class of nonstationary signals with randomly time-varying amplitude and parametric polynomial phase is addressed. A novel approach is proposed for the estimation of the time-varying phase by exploiting the higher order cyclostationarity of these signals. The method does not require nonlinear search, is easy to implement, and yields consistent estimates for the parameters. The resulting algorithms are theoretically tolerant to a large class of noises including additive stationary non-Gaussian noise and any Gaussian noise. Simulation examples supporting the theory are provided     

基于概率表达式的MPRM电路功耗计算方法

采用基于信号概率的功耗计算模型进行MPRM（Mixed Polarity Reed-Muller）电路功耗优化,信号概率计算是功耗计算的关键.提出一种基于概率表达式的MPRM电路功耗计算方法.该方法兼顾信号概率计算的时间效率和准确性,对MPRM电路中不存在空间相关性的信号通过在电路中传播信号概率的方式计算其信号概率,存在空间相关性的信号则利用概率表达式计算其信号概率,并在电路中传播概率表达式以解决空间相关性问题,在此基础之上根据基于信号概率建立的解析动态功耗和静态功耗计算模型计算电路功耗.为进一步提高时间效率,该方法采用二元矩图表示概率表达式.使用基准电路对所提出方法进行了验证,并与其他采用不同信号概率计算方法的MPRM电路功耗计算方法进行了比较.结果表明所提出方法准确有效.     

基于循环平稳性的CPM信号调制阶数盲识别算法

为了有效估计多进制CPM信号的调制阶数,本文提出了一种基于循环平稳性和非线性变换的新方法。根据循环平稳的有关理论,通信信号的非线性变换频谱中存在体现信号各阶循环平稳性的离散谱线,谱线位置对应着信号载波频率与符号速率的线性组合,提取这些谱线可以完成信号一些基本参数的估计。本文在分析与推导多进制CPM信号一阶循环矩简化表达式的基础上,研究了与调制阶数有关的谱线特征,并给出了算法步骤。实验结果证实了理论分析的正确性,并且表明,较已有方法,本文算法无需知道符号周期,计算复杂度更低,受噪声影响小,在高斯白噪声条件下,对任意频率成型脉冲的单指数CPM信号都能实现调制阶数有效识别。      

基于概率密度特性的高阶UT样点设计方法

针对UT变换通过非线性矩近似方程组获得样点的复杂性,提出了一种基于概率密度特性的高阶UT样点设计方法.该方法利用高斯概率密度函数导数的极值点与各种对称Sigma样点集分布相对应的特性,采用高斯概率密度函数高阶导数的极值得到Sigma样点的分布来进行Sigma样点设计,提高了估计精度.理论分析推导和仿真实验证明了该方法的有效性.     

基于零阶统计量的韧性归一化自适应时间延迟估计

依据零阶统计量理论,给出对数矩过程、对数宽平稳及对数各态遍历的定义,提出一种韧性的归一化自适应时间延迟估计方法(简称NZOSTDE).该算法用FIR滤波器对两个含有脉冲噪声的观测信号建模,利用不存在有限方差的脉冲信号经过对数变换后其各阶矩的存在性和几何功率的概念,在对数域基于最小均方误差(LMS)准则归一化自适应得到FIR滤波器的系数,该系数最大值对应的序号就是时间延迟的估计值.本文提出的新算法克服了基于分数低阶统计量(FLOS)算法的局限性.计算机仿真实验表明,NZOSTDE算法在强脉冲噪声环境下比归一化最小平均P范数时间延迟估计方法(简称NLMPTDE)算法更具有韧性.     

Estimation and detection in non-Gaussian noise using higher orderstatistics

One of the primary applications of higher order statistics has been for detection and estimation of nonGaussian signals in Gaussian noise of unknown covariance. This is motivated by the fact that higher order cumulants of Gaussian processes vanish. We study the opposite problem, namely, detection and estimation in nonGaussian noise. We estimate cumulants of nonGaussian processes in the presence of unknown deterministic and/or Gaussian signals, which allows either parametric or nonparametric estimation of the covariance of the nonGaussian noise. Our approach is to augment existing second-order detection methods using cumulants. We propose solutions for detection of deterministic signals based on matched filters and the generalized likelihood ratio test which incorporate cumulants, where the resulting solutions are valid under either detection hypotheses. This allows for single record detection and obviates the need for noise-only training records. The problem of estimating signal strength in the presence of nonGaussian noise of unknown covariance is also considered, and a cumulant-based solution is proposed which uses a single data record. Examples are used throughout to illustrate our proposed methods     

Maximum likelihood estimation of signals in autoregressive noise

Time series modeling as the sum of a deterministic signal and an autoregressive (AR) process is studied. Maximum likelihood estimation of the signal amplitudes and AR parameters is seen to result in a nonlinear estimation problem. However, it is shown that for a given class of signals, the use of a parameter transformation can reduce the problem to a linear least squares one. For unknown signal parameters, in addition to the signal amplitudes, the maximization can be reduced to one over the additional signal parameters. The general class of signals for which such parameter transformations are applicable, thereby reducing estimator complexity drastically, is derived. This class includes sinusoids as well as polynomials and polynomial-times-exponential signals. The ideas are based on the theory of invariant subspaces for linear operators. The results form a powerful modeling tool in signal plus noise problems and therefore find application in a large variety of statistical signal processing problems. The authors briefly discuss some applications such as spectral analysis, broadband/transient detection using line array data, and fundamental frequency estimation for periodic signals     

UQPSK直接序列扩频信号在卫星通信应用中的检测和性能分析

在卫星数字通信中,非平衡QPSK(UQPSK)直接序列扩频(DSSS)信号是一类应用广泛的调制方式,对其侦察处理的研究很少。本文将相关函数二阶矩方法应用于这类信号的检测与伪码周期估计中,推导了检测性能与输入信噪比、初相估计误差、UQPSK DSSS信号的同相和正交支路功率比、伪码长度等参数的关系,计算机仿真验证了理论分析的正确性。     

空间高阶时频分布及虚拟时频ESPRIT算法

基于L-Wignrer分布(LWD),定义了一种全新的空间高阶累积量L-Wigner分布,并利用虚拟时频ESPRIT算法与阵列扩展,提出了一种多个多项式相位信号(PPS)的DOA估计算法.该方法利用平滑的伪WVD分布以实现PPS信号的LWD分布极大地抑制了其中的交叉项并提高了信号时频聚集性.同时,将时频分析与高阶累积量结合,使算法具有虚拟阵列扩展的特点,高分辨高精度的估计了PPS信号的DOA.理论分析和计算机仿真表明该方法具有很好的参数估计性能.     

基于解相干的MUSIC算法估计性能分析

MUSIC算法作为DOA估计的经典算法,在处理高度相关的信号时,算法性能急剧下降甚至完全失效。为了正确地估计出相干信号的DOA,就必须要对相干信号进行解相干。采用前／后向空间平滑技术与修正MUSIC算法是两种估计相关信号DOA的有效方法。通过算法仿真实验,证明了理论的正确性。