脉冲噪声环境下基于分数低阶循环相关的MUSIC算法

该文以稳定分布作为噪声模型,研究了脉冲噪声环境下循环平稳信号的波达方向估计问题。针对在脉冲噪声环境中基于传统2阶循环相关的算法效果显著退化的问题,该文提出了基于分数低阶循环相关的分数低阶循环MUSIC算法(FLOCC-MUSIC)。将分数低阶循环相关与MUSIC算法相结合,可以有效抑制脉冲噪声的同频带干扰。计算机仿真表明了此算法可有效完成高斯噪声和脉冲噪声条件下的波达方向估计,其性能优于传统的基于2阶循环相关的Cyclic-MUSIC。     

一种改进的广义循环相关熵时延估计方法

针对同频带干扰及脉冲噪声并存的复杂电磁环境下现有时延估计算法性能退化的问题,该文引入双曲正切函数,提出一种改进的广义循环相关熵时延估计(HTGCCE)算法.首先指出脉冲噪声存在时广义循环相关熵算法的优势及性能退化的原因.然后利用双曲正切函数对其进行改进,以提高算法在脉冲噪声下的时延估计性能.仿真实验表明,提出的算法在脉冲噪声的特征指数较小、信噪比较低及信干比较低时仍保持很好的时延估计性能.     

一种改进的广义循环相关熵时延估计方法

针对同频带干扰及脉冲噪声并存的复杂电磁环境下现有时延估计算法性能退化的问题,该文引入双曲正切函数,提出一种改进的广义循环相关熵时延估计(HTGCCE)算法.首先指出脉冲噪声存在时广义循环相关熵算法的优势及性能退化的原因.然后利用双曲正切函数对其进行改进,以提高算法在脉冲噪声下的时延估计性能.仿真实验表明,提出的算法在脉...     

脉冲噪声环境下循环ESPRIT新方法

以a稳定分布作为噪声模型,研究了脉冲噪声环境下循环平稳信号的波达方向估计问题.针对在脉冲噪声环境中,基于传统二阶循环统计量的算法效果显著退化的问题,提出了分数低阶循环相关矩阵概念;并在此基础上,提出了分数低阶总体最小二乘(TLS)循环ESPRIT算法的2种形式.计算机仿真表明所提出的算法可有效地估计出脉冲噪声条件下的波达方向,其性能优于传统的基于二阶循环统计量的循环ESPRIT类算法,有潜在的应用前景.     

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。     

混响和有色噪声环境下的顽健时延估计方法

提出一种针对混响和有色噪声的顽健时延估计算法.该算法通过对房间冲激响应进行盲辨识来去除混响的影响,并使用延迟相关矩阵抑制有色噪声,从而提高了实际环境下时延估计算法的性能.仿真实验结果表明,在混响和有色噪声环境下,此算法能有效地进行时延估计.     

基于信号循环平稳性的多径时延估计

本文提出了一种基于信号循环平稳性的多径时延估计算法将高分辨的已知信号多径时延估计方法一WRELAX算法,改造应用于观测信号的循环相关输出.一方面通过循环相关实现对噪声和干扰有效抑制,另一方面又使算法具备对多径时延的处理处理.仿真实验结果及分析证实了算法的有效性.     

分数低阶循环统计量及其在脉冲噪声环境下时延估计中的应用

本文以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统计量的概念,研究并证明了其性质。在此基础上提出基于分数低阶循环统计量的新的时延估计方法—RCCC(Robust Corre- lated Cyclic Covariation)。计算机模拟表明,这种算法是一种在高斯和α稳定分布噪声条件下具有良好韧性的时延估计方法。     

基于循环平稳性的约束自适应多径时延估计

在有多径信号、多通道非平稳干扰信号以及平稳背景噪声的情况下,不考虑多径信号传输的时延估计方法不能准确地估计时延,甚至估计性能会恶化.为此,本文提出了基于循环平稳性的约束自适应多径时延估计算法,并对算法的收敛性能进行了分析.该算法可以有效地抑制干扰和噪声的影响,在低信噪比的情况下直接地、准确地进行自适应多径时延估计,特别对噪声是空间相关的情形也适用,克服了传统算法不能直接估计非整数倍采样间隔的时延和多径时延的缺点.计算机仿真试验验证了新方法的有效性.     

基于频域编码技术的冲激噪声抑制方法

冲激噪声干扰是一种突发性的噪声干扰,在其持续时间内强度远大于高斯白噪声,对通信系统的影响非常大.本文提出一种新的基于频域编码技术的冲激噪声抑制方法,通过采用频率特性为伪随机码的滤波器对输入信号的频谱进行随机编码来降低冲激噪声的峰值功率,使冲激噪声转化为近似高斯白噪声.本文从冲激噪声的物理模型出发,分析了频域编码信号的统计特性,论证了频域编码技术抑制冲激噪声的原理.仿真结果表明频域编码技术能简单有效地抑制冲激噪声,抑制效果随着编码长度的增加变佳.     

脉冲噪声下基于相关熵的相干分布源DOA估计新方法

针对复杂电磁环境下被动无线监测定位问题,该文提出广义相关熵的概念,推导了广义相关熵的性质,用以抑制阵列输出信号中的脉冲噪声。为了实现脉冲噪声环境下相干分布源中心DOA和扩散角的联合估计,提出基于广义相关熵的DOA估计新方法,并证明了该方法的有界性。为进一步提升算法的鲁棒性,推导了一种仅依赖阵列输出信号的自适应核函数。仿真结果表明,该算法能够实现脉冲噪声环境下相干分布源参数的联合估计,相比已有算法,具有更高的估计精度和鲁棒性。     

A recursive least M-estimate algorithm for robust adaptive filtering in impulsive noise: fast algorithm and convergence performance analysis

This paper studies the problem of robust adaptive filtering in impulsive noise environment using a recursive least M-estimate algorithm (RLM). The RLM algorithm minimizes a robust M-estimator-based cost function instead of the conventional mean square error function (MSE). Previous work has showed that the RLM algorithm offers improved robustness to impulses over conventional recursive least squares (RLS) algorithm. In this paper, the mean and mean square convergence behaviors of the RLM algorithm under the contaminated Gaussian impulsive noise model is analyzed. A lattice structure-based fast RLM algorithm, called the Huber Prior Error Feedback-Least Squares Lattice (H-PEF-LSL) algorithm is derived. Part of the H-PEF-LSL algorithm was presented in ICASSP 2001. It has an order O(N) arithmetic complexity, where N is the length of the adaptive filter, and can be viewed as a fast implementation of the RLM algorithm based on the modified Huber M-estimate function and the conventional PEF-LSL adaptive filtering algorithm. Simulation results show that the transversal RLM and the H-PEF-LSL algorithms have better performance than the conventional RLS and other RLS-like robust adaptive algorithms tested when the desired and input signals are corrupted by impulsive noise. Furthermore, the theoretical and simulation results on the convergence behaviors agree very well with each other.     

Joint Erasure Marking and Viterbi Decoding Algorithm for Unknown Impulsive Noise Channels

In many real-world communication systems, the extent of non-Gaussian impulsive noise (IN) rather than Gaussian noise poses practical limits on the achievable system performance. The decoding of IN-corrupted signals is complicated by the fact that accurate IN statistics are typically unavailable at the receiver. Without exploiting the IN statistics, the conventional method is to try to mark the IN-corrupted symbols as erasures preceding a Euclidean metric based decoder. In this work, a novel joint erasure marking and Viterbi algorithm (JEVA) is proposed to decode the convolutionally coded data transmitted over an unknown impulsive noise channel. Based on the Bernoulli-Gaussian IN model, it is empirically demonstrated that JEVA not only can offer significant performance improvement over the conventional separate erasure marking and Viterbi decoding method, but also can almost achieve the optimal performance of the maximum likelihood decoder that fully exploits the perfect knowledge of the IN probability density function. Various implementations of JEVA are proposed to provide different performance-complexity trade-offs.     

水声通信系统中基于迭代自适应的脉冲噪声抑制方法

针对水声通信系统中脉冲噪声抑制问题,提出了一种迭代自适应的脉冲噪声抑制方法。基于 OFDM子载波之间的正交性,该方法首先利用空子载波矩阵从接收信号中提取出背景噪声和脉冲噪声。然后,利用空子载波矩阵构造导频矩阵,得到脉冲噪声的干扰协方差矩阵,并在加权最小二乘准则下通过对代价函数的求解得到脉冲噪声的闭式解。最后,在接收信号中减去脉冲噪声的估计值,完成对脉冲噪声的抑制。仿真结果表明,本文方法有效降低了水声通信系统的误码率,且在高信干噪比下性能提升更加明显。     

脉冲噪声环境下基于宽带模糊函数的双基地MIMO雷达目标参数估计新方法

以Alpha稳定分布作为噪声模型,研究了脉冲噪声环境下宽带双基地MIMO雷达系统中参数估计问题.针对在脉冲噪声环境中,基于传统的信号模型和算法效果显著退化的问题,本文提出了基于分数低阶统计量的宽带模糊函数算法.首先根据分数低阶宽带模糊函数的峰值点实现对多普勒频率尺度因子和时延的联合估计.接下来基于分数低阶宽带模糊函数构造两个子阵.通过采用改进的MUSIC算法和ESPRIT算法实现了收发角的联合估计.仿真实验表明本文算法具有很好的性能.     

SMI adaptive antenna arrays for weak interfering signals

The performance of adaptive antenna arrays in the presence of weak interfering signals (below thermal noise) is studied. It is shown that conventional adaptive antenna arrays sample matrix inversion (SMI) algorithm is used are unable to suppress such interfering signals. To overcome this problem, the SMI algorithm is modified. In the modified algorithm, the covariance matrix is redefined such that the effect of thermal noise on the weights of adaptive arrays is reduced. Thus, the weights are dictated by relatively weak signals. It is shown that the modified algorithm provides the desired interference protection.     

一种基于最小均方误差准则的联合多小区信道估计算法

信道估计的准确程度直接影响到联合检测算法的性能。传统的信道估计算法将其他小区用户的信号均作为白噪声来处理,因此影响了信道估计的准确性。该文提出基于最小均方误差准则的联合多小区信道估计算法,由于改变了信道估计矩阵的结构,将邻小区强干扰用户也作为可以检测的用户信号来处理,降低了信道估计中噪声功率。该算法不仅适用于多小区联合检测,也可用于单小区联合检测。与传统的Steiner信道估计算法相比,新算法在存在邻小区同频干扰的情况下,能够很大程度提高信道估计的精度,进而大幅提升TD-SCDMA系统的性能。     

脉冲噪声环境下高斯稀疏信源贝叶斯压缩感知重构

 大多数现有的压缩感知重构算法对脉冲噪声不具有鲁棒性,在脉冲噪声环境下,重构性能急剧下降,使得整个重构系统崩溃.针对此问题,本文提出了一种脉冲噪声环境下的稀疏重构算法BINSR算法,其基于贝叶斯理论,可以有效地估计出信号的支撑集和脉冲噪声中脉冲的位置,并且根据压缩感知观测序列的democracy特性,利用最小均方误差MMSE估计量,有效地估计出原信号.在此基础上,本文结合鲁棒统计学,提出自适应的ABINSR算法,使其不再依赖于信号以及噪声的统计参数.实验结果表明,BINSR算法在脉冲噪声环境下可以有效地恢复出稀疏信号,很大程度上改善了脉冲噪声环境下算法的重构性能.ABINSR算法不仅对脉冲噪声具有鲁棒性,而且可以在高斯白噪声环境下实现有效的信号重构.     

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.