自适应小波包分解门限去噪新算法

提出了自适应小波包分解门限去噪的新方法。该方法自适应地对信号进行小波包分解,根据小波包子域的信噪比自适应选取去噪门限,并判定是否对该子域的信号进一步分解。与传统方法不同,新方法只需对不同尺度的部分概貌信号和细节信号根据该子域的信噪比大小进行分解,去噪后的信号按分解的逆过程进行重构。仿真结果表明,该方法相比于传统的小波去噪方法计算量有所降低,且去噪后的信号更接近真实的原始不含噪信号。     

基于SVD的小波变换图像去噪方法

针对传统SVD图像去噪方法的不足,提出了一种基于SVD分解的小波分解图像去噪方法。通过对小波变换的系数矩阵进行奇异值分解,将其中的信号特征成分和噪声分解到不同的正交子空间中,在子空间中选取集成信号特征成分的奇异值矢量进行重构,从而提取出淹没在噪声中的信号成分。实验结果表明该文提出的方法适用于图像信号的提取,与传统的SVD去噪方法相比,它提取出的信号特征成分更完整,信噪比更高。     

一种改进的子空间语音增强方法

提出一种基于奇异值分解的子空间分解语音增强方法,该方法是利用最小值统计噪声估计法代替传统的VAD方法对噪声进行估计,并利用所得噪声和带噪语音构造的协方差矩阵得到纯净语音的协方差矩阵,并将特征值分解的时域约束和频域约束估计方法推广到奇异值分解方法中,通过奇异值分解、重构得到增强后的语音信息.试验表明:该方法具有较好的去噪效果.     

BOC信号的伪码周期和组合码盲估计

针对在低信噪比下存在残余频偏的BOC(Binary-Offset-Carrier)调制信号的伪码周期以及组合码(扩频序列和副载波序列的组合)盲估计问题,提出了功率谱二次处理结合矩阵分解的方法。该方法首先对存在残余频偏调制的BOC信号进行二次功率谱运算,所得二次功率谱中会在伪码周期及整数倍出现尖锐的脉冲,通过检测峰值间的距离估计信号的伪码周期,然后对信号采样并按伪码周期分段构成数据向量,计算相关矩阵并进行奇异值分解,最后搜索最大和次大奇异值以及对应的向量估计出组合码序列。仿真分析表明,该方法能够在较大频偏和较低的信噪比下达到较精确的估计性能。相关研究对于从事卫星导航接收机设计的工程技术人员具有一定的参考价值。     

基于SVD的时域强干扰信号抑制

针对时域信号中强干扰信号的抑制问题,提出一种基于奇异值分解（Singular Value Decomposition,SVD）的时域强干扰信号抑制方法。该方法通过构建一维时域信号的信号矩阵,对矩阵进行SVD处理,得到分解后的奇异值矩阵及对应的奇异向量矩阵;通过设定门限对奇异值进行筛选,将强干扰信号所对应的奇异值置零并还原信号矩阵,从而实现强干扰信号抑制。仿真结果表明,该方法对单频信号、线谱信号及周期性信号的干扰具有较好的抑制效果。     

低轨卫星信号去噪方法

针对低轨卫星通信系统中超宽带信号引入的噪声问题，提出一种基于小波变换以及奇异值分解的去噪方法。对两种经典去噪方法进行结合，以达到更好的去噪效果。仿真结果表明，低轨卫星通信系统中的超宽带信号经过去噪处理后，信噪比得到明显提升。     

基于奇异值阈值和DSS的雷达信号盲分离方法

针对含噪阵列接收模型中盲源分离问题,提出了一种基于奇异值阈值Stein无偏风险估计(SURESVT)和去噪源分离DSS的含噪雷达信号盲分离算法,即SURE-DSS算法。该算法首先采用SURESVT算法替换DSS算法中的奇异值分解,求出观测数据在Stein无偏风险估计原则下的奇异值最优阈值,然后对观测数据的奇异值进行紧缩操作,达到提高信噪比的目的,同时完成观测数据的白化,最后对白化后数据进行盲分离。仿真结果表明,该算法能够在含噪阵列接收模型下对雷达信号进行有效分离。     

基于噪声子空间奇异值的信号分量数目估计

针对现有信号分量数目估计方法在低信噪比时估计性能差的问题,该文提出了基于噪声子空间奇异值恒虚警检测方法估计信号分量数目。通过对Hankel矩阵奇异值与噪声能量之间关系的研究,利用高斯白噪声包络平方服从指数分布的特点,在虚警率一定的条件下,获得噪声子空间奇异值检测门限。仿真结果显示该方法在低信噪比时有效。     

基于拉格朗日乘子SSMD和SSA的通信信号降噪方法

针对强噪声背景下通信信号的分析识别困难问题,提出一种基于拉格朗日乘子-辛奇异值模态分解(vSSMD)的奇异谱分析(SSA)降噪方法.鉴于噪声的随机变化使得采用功率谱密度方法计算嵌入维度时有较大误差,引入蒙特卡洛思想确定嵌入维数.噪声较大时,vSSMD通过构建拉格朗日乘子矩阵增强有用分量并抑制表示为噪声的残余信号,然后采用SSA方法去除vSSMD重构信号中的微弱噪声.将vSSMD-SSA算法的去噪效果与SSA、vSSMD方法进行比较,当信噪比为-14dB时,vSSMD-SSA算法相较于传统算法SSA信噪比提升了4.49dB,均方误差提升了38.25%.实验结果说明在低信噪环境比下,vSSMD-SSA算法的去噪效果最好.将vSSMD-SSA算法用于无人机通信信号去噪,降噪效果最明显.     

基于奇异值分解的图像去噪

提出了利用奇异值分解去除图像噪声的方法。从矩阵的角度出发,通过对图像矩阵进行奇异值分解,将包含图像信息的矩阵分解到一系列奇异值和奇异值矢量对应的子空间中,然后通过有效奇异值重构图像矩阵达到去噪目的。试验利用MATLAB通过对MRI(核磁共振)医学图像进行去噪处理,验证了奇异值分解的去噪效果,并且通过对多幅图像的试验结果进行分析,得到了去噪重构图像时所需有效奇异值数目的统计值。     

一种平坦衰落信道下的盲信噪比估计算法

针对基于子空间分解信噪比估计算法中信号子空间维数估计复杂度高、小样本条件下估计偏差大的问题,提出了一种改进的盲信噪比估计算法.该算法首先构造接收信号的自相关矩阵,然后从矩阵奇异值序列的尾部开始,间隔两项依次进行差分得到梯度序列,再以梯度序列相邻两项均值大干特定阈值为条件确定信号子空间的维数,最后求得信噪比.仿真结果表明:信噪比范围为-5～+15 dB时,平坦衰落信道下常用调制信号的信噪比估计标准差小于0.1 dB,与MDL,AIC方法相比,该算法计算量小,且能适应更低的信噪比和更短的数据长度.     

基于张量分解的子空间频率估计及应用

为了提高短时序列的频率估计精度,提出一种基于张量分解的适用于多通道接收数据的子空间高分辨率的频率估计算法。该方法将接收到的多通道采样信号按照一定的形式构建三维数据结构,利用子空间的移不变性,采用张量的高阶奇异值分解直接对数据进行频率估计。仿真表明在低信噪比的情况下,基于张量分解的频率估计算法性能要优于基于矩阵奇异值分解的频率估计算法,将此算法应用于目标轨迹测量中,可以获得高精度的目标轨迹参数。     

一种基于奇异值分解的改进信噪比盲估计算法

针对空间分解类信噪比(SNR)估计算法中子空间维数估计复杂度较高,低信噪比下估计偏差较大的问题,提出了一种改进的子空间维数估计算法。该算法首先利用样本自相关矩阵的奇异值序列进行后向差分得到梯度序列,对梯度序列每一项与后5项之和的比值进行搜索,最大比值所对应的奇异值序号作为信号子空间维数,最后计算信噪比。合适数据长度下的仿真结果表明：在信噪比-5 dB~20 dB范围内,常规通信信号的信噪比估计平均偏差小于0.5 dB,标准差小于1 dB;该算法提升了低信噪比下的估计性能,运算量较小,无需知道调制方式、载波频率、符号率等先验信息,在低信噪比时对信噪比时变的跟踪估计更为准确,且对复杂高阶调制信号同样适用。     

一种基于Toeplitz矩阵重构的相干信源DOA估计算法

提出一种基于Toeplitz矩阵重构的相干信号源DOA估计算法。首先对各个阵元的接收数据与参考阵元（第一个阵元）的接收数据的相关函数进行排列,形成Hermitian Toeplitz矩阵,然后通过奇异值分解可以得到信号子空间和噪声子空间,从而实现相干信源的DOA估计。该算法在不减少阵列有效孔径的情况下,增加了可估计相干信号源数目,并在低信噪比条件下能够得到较好的估计性能,计算机仿真结果证实了算法的有效性。     

一种应用于无线传感网的频偏估计改进方法

为解决频偏估计中经典的M&M算法在频偏增大时信噪比门限变差的问题,提出一种改进的频偏估计算法。首先对自相关函数做预平均处理来降低噪声,然后利用预平均值做频偏粗估计,并利用粗估计值纠正相位来减轻相位模糊的问题,最后推导更加合理的窗函数并给出最终频偏估计表达式。仿真表明该算法的信噪比门限比M&M算法至少低-1 dB,且在频偏加大时仍然能保持较低的信噪比门限。在保证-3.5 dB的信噪比门限的前提下该算法的估计范围达到了理论值的90%,另外在最大自相关阶数较小时,估计精度门限优于M&M算法。该算法在M&M算法基础上的改进达到了预期效果,能同时满足无线传感网频偏估计中对低信噪比门限和大估计范围的要求。     

基于张量四元数极化平滑的极化-DOA估计

为了解决相干信号的极化平滑算法在小快拍数和低信噪比条件下估计性能较差的问题,结合四元数的正交特性和协方差张量方法,提出了一种基于张量四元数的极化平滑多重信号分类（Multiple Signal Classification,MUSIC）解相干算法。首先,为了充分利用接收数据样本中的多维结构信息,建立了由张量四元数表示的柱面共形阵列极化平滑信号模型;其次,将平滑后的张量协方差矩阵通过高阶奇异值分解得到信号子空间;最后,通过极化秩亏MUSIC算法对入射相干信号分别进行二维波达方向（Direction of Arrival,DOA）估计和极化参数估计。仿真结果表明,该算法在小快拍数和低信噪比条件下具有更高的估计精度和分辨能力。     

认知无线电中基于SVD分解的频谱感知新算法

为了解决认知无线电中能量检测法在低信噪比下检测概率低的问题,本文提出了一种基于SVD分解的频谱感知算法。首先利用接收信号构造Hankel矩阵,通过SVD分解,将矩阵分离成信号空间与噪声空间,再将较小的奇异值置零,然后重构矩阵,从而提高接收信号的信噪比（SNR）。其次,将SVD系统输出信号功率对噪声功率进行归一化,把降低噪声功率转化成提高主用户信号功率。最后进行能量检测,以此来提高检测概率。理论分析和计算机仿真表明,在相同条件下,基于SVD分解的频谱感知算法与传统的能量检测法相比,检测概率显著提高;要达到相同的检测概率,对信噪比的要求也显著降低。      

基于谱相关的CBOC信号参数盲估计

针对低信噪比下组合二进制偏移载波(CBOC)调制信号的参数盲估计问题,提出了利用谱相关对CBOC信号进行参数估计方法。首先给出了CBOC信号模型,然后根据CBOC信号的数据通道和导频通道之间有良好的正交性特点,详细推导出其谱相关函数可以化简为两个BOC信号谱相关函数的叠加,最后根据CBOC信号循环频率截面的特点进行峰值检索后,实现对伪码速率、载频速率和副载波速率的盲估计。推导结果和计算机仿真分析表明,该方法可以实现在低信噪比下对伪码速率、载频速率和副载波速率的有效估计。     

单载波MPSK/MQAM调制信号的参数盲估计改进算法研究

当对单载波多进制数字相位调制（Multiple Phase Shift Keying，MPSK）和多进制正交幅度调制（Multiple Quadrature Amplitude Modulation，MQAM）等星座类调制信号进行盲解调时，首先须进行频偏和符号速率的盲估计，传统的多次方谱频偏估计算法与二次小波符号速率估计算法具有较好的估计性能，但由于离散傅里叶变换（Discrete Fourier Transform，DFT）的栅栏效应以及噪声的影响，其估计精度和可靠性有限。针对这些问题，本文采用了新的频率估计方法从而减小栅栏效应的影响提高了频偏和符号速率的估计精度，并提出一种基于信噪比（Signal to Noise Ratio，SNR）和谱峰指数的置信度准则，增强了频偏估计的可靠性。以QPSK和16QAM为例，进行了仿真分析，仿真结果表明，改进算法复杂度略高于传统算法，但其性能优于传统算法性能，可以有效提高频偏以及符号速率的估计精度及其可靠性，16QAM和QPSK具有类似的性能趋势，但需要更高的信噪比才能达到和QPSK相同的性能。本文算法鲁棒性强，具有很好的应用价值。