基于四阶累积量的时延估计新方法

针对无线电定位中的时延估计问题,考虑接收信号为窄带信号以及背景噪声为高斯分布的情况下,将四阶累积量的一维切片作为高阶统计量,结合希尔伯特变换,给出一种新的时延估计方法.该方法对相关峰值进行了锐化处理,提高了估计精度.与广义互相关法相比,该算法可有效抑制空间相关高斯噪声的影响,计算量小,易于实现.仿真结果表明了该方法的有效性.     

基于互高阶谱SVD算法的电力系统低频振荡频率估及计

介绍了互高阶谱理论在互联电力系统低频振荡频率估计中的应用,详细讨论了其数学模型和处理过程.在相关高斯噪声与非相关噪声背景下,首先用互高阶谱SVD方法,将信号分解成信号矢量空间和噪声空间,通过求解噪声信号的特征方程则可知频率信号.该方法不需要任何关于有色噪声的先验信息就可以估计低频振荡频率.仿真分析的结果表明该方法具有良好的谱估计分辨率及谱估计稳定性,是低频振荡频率估计的有效工具.     

井口声发射井筒液气浸检测-时延估计方法

基于高阶统计,提出了井口声发射井筒液气侵检测中的接收和发射声信号之同时延估计的非参数化和参数化方法。通过分析声信号在井筒液中的传播过程。井口声发射井筒液气侵检测中的接收噪声,可近似模型化为空间相关的高斯色口声。由于四阶累积量对任意高斯噪 废止性,因此,较常规互相关估计方法,这些方法可以进一步提高检测概率。计算机模拟结果证实了产有效性。     

基于互高阶谱SVD算法的电力系统低频振荡频率估计

介绍了互高阶谱理论在互联电力系统低频振荡频率估计中的应用，详细讨论了其数学模型和处理过程。在相关高斯噪声与非相关噪声背景下，首先用互高阶谱SVD方法，将信号分解成信号矢量空间和噪声空间，通过求解噪声信号的特征方程则可知频率信号。该方法不需要任何关于有色噪声的先验信息就可以估计低频振荡频率。仿真分析的结果表明该方法具有良好的谱估计分辨率及谱估计稳定性，是低频振荡频率估计的有效工具。     

用四阶累积量实现谐波信号频率与功率谱估计

针对一般谐波表达式导出在四阶累积量下的相应Y-W方程模型和频率估计方法。利用四阶累积量对高斯噪声具有不敏感性的特点,实现了高斯白噪声或色噪声污染下谐波信号频率与功率谱的正确估计。仿真实验证明了该方法即使在色噪声中仍具有较高的估计精度。     

色噪声环境下宽带非高斯信号的测向算法

针对色噪声环境下宽带非高斯信号的DOA估计问题,提出了一种去噪与高阶累积量相结合的DOA估计新方法.该方法首先估计出噪声分量,尽可能去除噪声;然后对去噪信号进行聚焦,构造出聚焦后信号的四阶累计量矩阵.对各累计量矩阵的平均值做特征分解,再进行一维谱峰搜索,即可得到来波方向的估计值.该方法不仅适用于高斯色噪声,也适用于非高斯色噪声环境,且不需要知道噪声的原始分布信息.实验结果证明了该算法的有效性.     

非相关噪声与相关高斯噪声下正弦参数估计的互高阶谱最小范数法

在建立互高阶累积量的Ｙｕｌｅ－Ｗａｌｋｅｒ方程的基础上,通过特征分解,建立了噪声矢量空间和信号矢量空间,提出了在非相关噪声和相关高斯噪声下,正弦参数估计的互高阶谱最小范数法。通过仿真计算可知,该方法信噪比工作门限低,且具有较高的谱估计分辨率。     

基于子空间的DS-UWB系统高分辨率低复杂度时延估计

研究了在室内多径衰落信道下直接序列超宽带(DS-UWB)系统的时间延迟估计问题,提出了一种基于子空间的高分辨率、低复杂度的时延估计方法。该方法将滑动相关输出的时间平均相关矩阵分解成信号和噪声子空间,然后用MUSIC谱计算,再通过最大值搜索获取时延估计。将滑动相关的时间分辨率与传统相关MUSIC方法的计算复杂度进行了对比。计算机仿真结果表明,在多径时延差接近一个切谱(Chip)周期情况下,新的算法能够有效分辨出多径时延,性能明显高于传统的滑动相关方法。     

色噪声下的延时二阶预处理MUSIC算法

为抑制色噪声对多信号分类(multiple signal classification,MUSIC)算法估计性能的影响,提出利用延时相关消除色噪声的二阶预处理方法.以L阶滑动平均(moving average,MA)模型为色噪声模型,利用大于L阶的延时相关函数为0的特点去除背景色噪声.为增加对多个入射信号成功分辨的概率,基于信号子空间估计稳健的特点,构造基于信号子空间加权的谱函数.提出的新算法无阵列孔径损失,不增加运算复杂度,因此,在色噪声背景下的实时波达方向(direction of arrival,DOA)估计中有较好应用价值.仿真实验表明,所提方法可有效抑制色噪声,在同样的估计条件下,该算法表现出较好的估计性能,且不增加计算量.     

单矢量水听器ESPRIT波达方向估计算法

针对自相关算法的局限性,提出了一种基于高阶累积量的单矢量水听器ESPRIT算法.该算法首先对单个矢量水听器接收数据作-任意的时间延迟,以时间变元为旋转因子,构造了2个具有相同阵形的子阵,然后将高分辨信号子空间类方法的正交化原理及旋转子空间不变原理引入累积量域,得到基于高阶累积量切片的ESPRIT方法.仿真结果表明,借助高阶累积量的方法,在高斯白噪声下,ESPRIT算法能完全抑制高斯白噪声的影响,在高斯色噪声条件下,信噪比6dB以上该方法还是能获得高精度、高分辨率的渐近无偏估计.     

基于四阶混合累积量的自适应线谱增强器

将四阶累积量的递推算法推广到求正弦信号的混合四阶累积量，并提出了一种计算正弦信号四阶混合累积量的自适应线谱增强递推算法。该线谱增强器的结构为自适应FIR滤波器，当输入为含有高斯噪声的正弦信号且处于稳态时，滤波器的权系数与输入信号的四阶混合累积量的一维切片成正比，而与高斯噪声无关，从而使信号的线谱成份得到增强。仿真结果表明，该算法从高斯色噪声中提取正弦信号的能力优于二阶自适应短时相关增强器。     

基于高阶累积量的自适应IIR线谱增强器

将四阶累积量的递推算法推广到求正弦信号的四阶混合累积量，并提出了一种基于四阶混合累积量切片的自适应IIR结构的线谱增强器算法。该线谱增强器通过自适应前向线性预测法求得滤波器的系数，从而使带噪信号的线谱成份得到增强。仿真结果表明，在平稳或非平稳输入信号情况下，该算法从色噪声中提取正弦信号的能力优于基于二阶自相关函数的自适应IIR线谱增强器。     

虚拟阵列的四阶MUSIC算法研究

研究一种基于四阶累积量的虚拟阵列扩展技术,以扩大阵列的处理孔径和空间自由度,提高方位估计性能.由于累积量域导向矢量的冗余项可等效为特定位置处假想阵元(虚拟阵元)的响应,因而利用高阶累积量可虚拟扩展阵列孔径,利用四阶累积量与二阶统计量的转换关系,对具有等效阵元互相关的累积量作合并平均处理,可得到虚拟扩展阵列的协方差矩阵,对虚拟协方差矩阵采用MUSIC算法作方位估计.数值分析和湖试处理结果表明,虚拟阵MUSIC算法能有效提高分辨率,减小方位估计方差,并能提高空间有色高斯噪声下的性能和稳健性.     

基于互四阶累积量的谐参数联合估计的TLS-ESPRIT方法

导出了混合色噪声中复值随机谐波信号和实值随机谐波信号的互四阶累积量及对角切片,利用这些对角切片皆可估计出相同的频率和相移,但根据实值随机谐波所估计的互功率为复值随机谐波的3/16.将互四阶累积量与高分辨率的ESPRIT方法结合,提出了在混合色噪声中基于互四阶累积量的谐参数联合估计的TLS- ESPRIT方法.研究结果表明,基于互四阶累积量的谐参数联合估计TLS-ESPRIT方法可抑制混合色噪声,具有优越的参数估计性能.     

改进的LMS自适应时延估计方法

针对传统的基于SINC插值的自适应时间延迟估计方法估计误差较大、收敛速度较慢等问题,提出了一种新的插值方法和相应的自适应时延估计方法.根据LMS自适应时延估计方法中最优权表达式的有关参数特点,采用自适应算法对参数进行估计并进行了理论分析.计算机仿真结果表明,与基于SINC插值的自适应时延估计方法相比,在不同信噪比条件下,新方法所需自适应滤波器抽头长度小且具有较快的收敛速度和较好的稳态均方误差,具有广泛的适用性.     

一种新的近场源参数估计的子空间方法

提出了一种新的近场源到达方向和距离的联合估计算法．基于阵列接收数据的高阶累积量,构造了两个适当的矩阵束,它们的广义特征值的相位给出到达方向和距离的估计,同时其特征值的幅度实现二维参数配对．该算法的参数估计有闭式解,不需要复杂的谱峰搜索和参数配对算法．由于算法使用了四阶累积量,所以适用于任意结构的加性高斯噪声环境．计算机仿真实验证实了所给算法的有效性．     

改进的变步长自适应滤波及Eckart加权抑噪算法

针对已有的变步长自适应滤波算法对噪声干扰敏感的问题,提出改进的变步长最小均方误差自适应算法,该算法对误差的自相关时间均值估计做遗忘加权补偿,并改步长因子固定范围约束为动态变化约束,一方面克服了单纯采用自相关时间均值估计调整步长所导致的步长因子快速衰减,获得了较快的收敛速度;另一方面相比基于Sigmoid函数的变步长算法,具有更平滑的步长变化和更低的稳态失调噪声.在改进算法中引入Eckart加权进一步抑制了自适应滤波器权系数伪峰,采用滑动窗遗忘加权降低了计算复杂度.将新算法及其Eckart加权应用于自适应时延估计仿真实验,结果表明：相比于已有的2种参数固定条件下的变步长自适应滤波算法,改进算法获得了更好的高斯噪声和突变噪声干扰下的时变时延跟踪性能.     

累量域二维波达方向估计方法

提出了一种新的适合任意高斯噪声环境的高分辨二维波达方向(DOA)估计方法——联合对角化4阶累积量-DOA矩阵方法。该方法以阵列的特殊结构为基础,利用四阶累积量构建3个子阵,采用联合对角化技术获得信号的二维角估计,适用于存在一维角度兼并的情况,且无需二维谱峰搜索和参数配对,从而避免了配对算法在低信噪比、小角间距或者复杂的信号传播环境下所带来的弊端。仿真结果证明了该方法的有效性。     

稳健变步长符号算法在稀疏信道估计中的应用

基于自适应滤波的传统稀疏信道估计方法大多基于高斯噪声模型的假设,当环境噪声包含冲击噪声时,信道估计性能将严重恶化.为了解决冲击噪声环境下的稀疏信道估计问题,提出了一种基于梯度向量混合范数的稳健变步长符号算法.仿真结果表明,提出的算法在高斯噪声和冲击噪声环境下达到了预期的效果.