有限快拍四阶累量无偏估计性能分析

关于累量域估计的研究以前主要着重于渐进性能的研究,包括渐近无偏估计及渐近方差。本文主要研究有限快拍累量域无偏估计性能,包括有限快拍的无偏估计及方差性能分析。仿真结果表明无偏估计在低信噪比情况下波达方向参数估计性能优于有偏估计,从而推动累量域本身估计的研究。     

一种改进的平衰落信道特征空间波束形成算法

利用累积量可以估计多用户的空间特征即合成导向矢量，实现空分多址。在小快拍数情况下，累积量方差较大，直接作波束形成，性能较差。本文提出把基于累积量估计出的多用户的空间特征再在二阶统计量估计的信号子空间投影，然后再做波束形成，提高了波束形成的稳健性。仿真结果表明，本算法的性能较求伪逆和直接做波束形成有一定的提高。     

基于四阶累量的MUSIC算法对阵元误差的稳健性分析

本文分析了基于四阶累量的ＭＵＳＩＣ算法（记作ＦＯＣ－ＭＵＳＩＣ），在实际阵元存在幅相误差时，对波达方向（ＤＯＡ）的估计性能，给出了大样本情况下的估计方差公式，并与基于协方差矩阵的标准ＭＵＳＩＣ算法作了比较。计算机仿真结果表明，本文给出的方差公式与实验仿真结果十分接近。文中还给出了利用高阶累量的方法可获得阵列有效孔径扩展的新解释。     

基于粒子群优化的MPSK信号频偏估计算法

针对传统多进制数字相位调制(MPSK)信号非数据辅助(NDA)频偏估计算法存在估计范围有限、估计方差较大、符号个数少时估计性能受限等问题,提出了基于粒子群优化的频偏估计方法。该算法以频偏估计的似然函数为目标函数,模拟群体智能搜索最优解。仿真结果表明,本算法无偏估计范围大,在符号数较少、信噪比较低时,估计方差接近克拉美罗下限(CRLB),性能优于经典的离散傅里叶变换(DFT)算法和Kay算法。     

迭代异方差估计及其在多传感器 数据融合中的应用

 本文提出一种适应任意噪声分布的迭代渐近无偏估计异方差的方法,它能对多个不同测量噪声的方差进行估计.不同于传统的异方差估计算法,本文提出的迭代异方差估计,可在不损失估计精度和减少运算量的前提下,对多个不同的测量噪声方差进行捕获和跟踪.在多传感器数据融合中的应用结果表明:本文提出的方法具有估计稳定性好、运算简单和具有较强的鲁棒性等优点,仿真和实验的结果均证明了提出方法的有效性和可行性.     

基于高阶循环平稳特性的二维波达方向估计算法

本文提出了一种利用虚拟双线性平行阵的循环累量域二维波达方向 （ＤＯＡ）估计算法。该算法构造了一个虚拟ＤＯＡ循环矩阵（ＶＤＯＡ Ｃｙｃｌｉｃ　Ｍａｔｒｉｘ）,井基于此矩阵进行ＤＯＡ估计。理论分析表明,通过对虚拟ＤＯＡ循环矩阵的特征值分解,就可以得到源信号的二维ＤＯＡ估计。同时由于循环累量对高斯噪声的自然盲性和对信号的选择性,该算法具有循环域和累量域ＤＯＡ估计算法的良好性能。该算法的另一特点是可以提供虚拟扩展孔径,提高了ＤＯＡ估计的性能．     

采用合成方法的多路信号自适应时延联合估计

本文关注的是多路信号之间时延差异的联合估计问题。不同于传统的自适应时延估计算法,本文以合成信号作为自适应时延估计的参考信号,给出了基于信号合成的联合自适应时延估计算法。同时本文推导和仿真了该算法时延估计的均值、学习曲线及方差特性。性能分析和仿真结果均显示,本文提出的基于合成的多路信号自适应时延估计为渐进无偏的时延估计。在不明显增加计算量的条件下,当算法收敛时,联合时延估计算法的方差显著低于传统的两路信号之间自适应时延估计算法方差。      

Alpha稳定分布噪声下时频重叠信号的载波频率估计方法

针对Alpha稳定噪声下时频重叠信号载波频率估计困难的问题,该文提出一种Alpha稳定噪声下时频重叠信号的载波频率估计方法。该方法首先提出时频重叠信号的广义四阶循环累积量的定义,然后检测离散谱线所对应的广义四阶循环累积量幅度谱的循环频率,进而估计出各个信号分量的载波频率,最后进行渐近性的理论分析,证明了该估计方法是渐近无偏和一致的。仿真结果表明,在Alpha稳定分布噪声下,该方法具有良好的估计性能和稳健性。     

基于累积量的杂波多卜勒频率估计

利用相关函数ｒＹ（１）估计杂波多卜勒频率是一种工程上易于实现且常用的频率估计方法。在双模杂波情况下，这种频率估计方法在其在偏性而性能严重下降。本文在一种常见的双模杂波模型假设下，研究了一种基于四阶累积ｋ４ｙ（１）的非高斯杂波多卜勒频率的无偏估计方法，该方法利用ｋ４（１）所对应的所有非冗余四阶累积量元素的加权和，从而明显降低了估计方差。     

信号数目估计错误的最大似然波达方向估计的性能分析

本文分析了汝信号数目估计与真正的信号数目有出入时的波达方面（ＤＯＡ）最大似然（ＭＬ）估计的性能。中给出此时角度估计的渐近分布，也就给出这一估计的渐近方差的角析表达式，计算机模拟试验表明，理论预计结果是相当准确的。     

一种修正的渐近无偏E脉冲雷达目标识别方法

为了进一步改善低信噪比条件下E脉冲目标识别方法的性能,该文理论分析了渐近无偏E脉冲目标识别方法,指出其存在E脉冲二次滤波使其能量识别数失效和回波中不同极点互藕产生新极点分量从而降低目标识别概率等缺陷,在此基础上提出了一种先互相关再E脉冲滤波的修正渐近无偏E脉冲雷达目标识别新方法,并对其渐近无偏性进行了理论证明。基于三种不同尺寸有限长细导线目标理论计算后时响应的仿真实验表明,该文提出方法的性能大大优于传统E脉冲和渐近无偏E脉冲雷达目标识别方法。     

频点自跟踪自适应频率估计器性能研究

基于二阶自适应陷波滤波器的频率估计器是工程上常用的单频信号频率估计器,其前提是参考信号相对输入信号频偏较小.随着频偏的增大,自适应频率估计的偏差和方差也随之增大.本文分析了自适应频率估计器的性能及频偏的影响,得出了自适应频率估计方差下限的公式及达到此下限的条件.提出了频点自跟踪自适应频率估计器.仿真与理论结果均表明相同条件下该估计器较自适应频率估计器明显减小了估计偏差和方差,在中等信噪比下估计方差可减小到自适应频率估计方差的百分之一.只要信噪比不甚低,频点自跟踪频率估计是无偏的且估计方差接近理论下限.     

基于FFT和迭代插值的改进型超分辨算法

基于单快拍的快速迭代插值DOA（Direction of Arrival）估计方法,有效地消除了频谱泄漏,实现了多源DOA的无偏估计。但是该算法需要提前确定信源的个数,且运算量大,因此在工程应用中受限。本文提出一种新方案,利用传统角度域FFT提供粗略角度估计,然后通过迭代插值法细化角度,最终基于对消残差功率和信息论准则进行信源个数估计。该方案无需预知信源个数,且文中提出的基于残差变化率的收敛策略大大减少了细化估计的迭代次数,从而有效地降低了原算法的计算量。通过仿真结果验证了该方案的有效性,在估计精度及分辨率方面性能接近快速迭代插值波束形成算法,优于子空间类算法。     

基于高阶统计量的对称分布信号检测

本文研究高斯噪声中具有对称分布的随机信号检测问题,提出了一种基于偶数阶高阶统计量的信号检测方 法。该方法利用高阶累积量估计的渐近正态性,采用随机变量Taylor展开的方法估计高阶累积量估计的方差,再对偶数阶 的高阶累积量进行归一化处理,将信号的检测转化为一般的X2检验问题,并通过仿真实验以广义高斯褶积信号为例对其 检测性能进行分析。     

累量域虚拟阵列二维波达方向估计算法

利用空间四阶累量的孔径扩展性质,构造了一种新的累量域虚拟阵列波达方向矩阵。由累量域虚拟阵列波达方向矩阵非零特征值的幅值和相位即可分别估计出信号源的方位角和俯仰角。本算法阵元利用率高,阵列布置灵活,由于采用了累量,通过适当布置阵列可压制任意分布噪声,获得较好的估计效果。     

利用多普勒信息的波达方向最大似然估计方法

为了充分利用信号的时域特性来改善信号波达方向（ＤＯＡ）的估计性能，本文从最大似然估计出发，推导出了有限快拍，低信噪比情况下多普勒信号波达方向的迭代估计计算法，为进一步减小运算量，本文还推导了一种简化算法，本文提出的两种算法对低信噪比，少快拍数下多普勒信号的ＤＯＡ估计性能比不利用时域特性的ＭＬ方法有明显改善，Ｍｏｎｔｅ－Ｃａｒｌｏ实验验证了本文方法的有效性。     

机载雷达极化空时自适应滤波性能分析

该文针对极化空时自适应处理时,目标极化状态未知的瓶颈问题,提出了先预估计目标的极化状态,然后再进行滤波的方法。该方法无需在极化域专门设置滤波器组进行搜索,大大减少了计算量。提出了最小方差无偏估计和正交投影估计两种极化矢量的估计方法,并将估计性能与Cramer-Rao界进行了比较,从理论上证明了最小方差无偏估计性能较好。与之相对应,提出了两种极化空时自适应滤波方法。仿真验证了特别当目标慢速运动时,极化空时自适应滤波明显优于空时自适应滤波。     

基于插值DFT的正弦信号高精度参数估计方法

采用传统的DFT对正弦信号进行参数估计，估计精度会因频谱泄漏而降低。本文分析了基于插值DFT的对单分量正弦信号参数的精确估计方法。仿真试验表明，采用该方法估计单分量正弦信号参数时为近似无偏估计，估计误差方差接近Crammer-Rao界。在此基础上本文提出了对多分量正弦信号参数进行精确估计的插值DFT方法，该方法能很好地抑制噪声和分量信号间的旁瓣干扰，当各分量信号间不发生主瓣重叠时为近似无偏估计，估计误差方差接近Crammer-Rao界。     

一种未知信源数的高分辨DOA估计算法

众多性能优良的超分辨波达方向(DOA)估计算法通常需要预先判定信源数目,然而,现有的信源数估计算法在有限采样快拍条件下,估计性能随着信噪比的降低而下降,错误概率也相应增加,最终导致DOA估计失败。该文提出一种超分辨的DOA估计算法,此算法不需要预判信源个数和进行特征值分解,同时在时变环境中,针对快拍数较少的情况下,依然保持较高的角度分辨能力,可以被认为是综合了Capon法和MUSIC法的优点。通过对实验数据和实测数据的计算机仿真及性能分析可得,与传统算法相比较,该算法有很好的鲁棒性和可行性。     

多雷达/声呐场景下的去相关无偏量测转换模型

多雷达/声呐跟踪场景中,笛卡尔坐标系由于测量转换过程中依赖相同的估计状态,不同雷达/声呐量测转换的误差常是相关的。文中充分考虑这一相关性,给出了两维及三维笛卡尔坐标系下的去相关无偏量测转换模型,及计算互相关性的解析形式,并采用相对的估计性能评估准则来验证所提算法的性能。仿真示例表明,考虑互相关后滤波性能明显优于经典无偏量测转换方法。