基于矩方法的K分布杂波参数估计研究

从参数估计的精度和算法复杂度两个方面分析比较了矩与最大似然结合（MOM／ML）、分数阶矩、二／四阶矩、算术与几何均值比（MA／MG）、正规化对数估计（NLE）、对数方差和zlog（z）期望等7种基于矩方法的K分布形状参数估计算法的性能,证明了几种估计算法之间的关系。最后,结合K分布在雷达信号处理应用中的参数范围,给出了K分布雷达杂波参数估计的选择方案。     

基于原点矩偏导的K分布杂波参数估计

K分布的参数估计研究对于雷达杂波特性预测和估计具有重要意义。基于矩估计的K分布参数估计方法通过联立不同阶原点矩进行参数求解,这些不同阶数下的联合,在数据长度受限情况下会产生误差。因此,通过计算原点矩偏导和原点矩之间的关系,推导出了一种新的K分布杂波参数估计方法。该方法在同阶原点矩的条件下进行参数估计,避免了不同阶原点矩之间的估计误差,具有更好的估计性能。通过仿真和实测杂波数据,分析比较了该方法与其他矩估计法的参数估计有效率和估计精度,该方法具有100%的估计有效率且估计精度更高。高阶矩对数据敏感,在矩估计法中应尽量选取低阶矩,通过合理选取阶数k可以得到较为理想的估计结果和精度。     

基于Pareto 杂波的参数估计范围研究

当雷达工作在高海情环境时,相比于K分布模型,Pareto 分布是一种优势更大的统计杂波模型。基于Pareto杂波模型的参数估计研究,一直存在着参数估计表达式不闭合以及参数估计范围受限的问题,该文利用了正数阶矩估计的方法,不仅得到了闭合的估计表达式,而且扩大了参数估计的范围。同时,提出了负数阶矩估计,使参数估计的范围覆盖到参数的整个取值区间。实验表明,负数阶矩估计法运算速度快,估计范围不受限。与传统的估计法相比,参数取值越小,负数阶矩估计的估计性能越好,并且估计精度呈指数趋势提高。     

基于混合矩的极化SAR图像K分布模型参数估计新方法

K分布模型在极化合成孔径雷达(PolSAR)图像建模领域中获得广泛应用。其模型参数估计的精度将直接影响到模型拟合的准确性。目前普遍采用的K分布参数估计方法是基于协方差矩阵Mellin变换的对数累积量的估计方法。但是该方法没有解析的表达式,数值计算运算时间较长,另外在形状参数1时估计偏差较大。为此该文提出一种基于|z|rlg|z|混合矩的参数估计新方法,该方法对不同形状参数值下的参数估计具有较好的适应性,并且在值较小时估计性能优于对数累积量方法。同时在r=1/d时该方法有解析的表达式,其运算时间优于对数累积量方法。最后用仿真数据和实测数据对新方法和已有参数估计方法的结果进行了比较,验证了基于混合矩估计方法的准确性与有效性。该方法为PolSAR图像统计模型参数的快速有效估计提供了新手段。     

一种K分布杂波参数估计的快速算法

该文对K分布杂波模型统计特性做了深入分析和推导,提出了一种新的运用样本算数平均和几何平均的高精度低运算量的K分布杂波模型参数估计快速算法,并对算法的估计精度作了理论评价。最后进行了计算机仿真实验,实验结论证实了文中所提出算法的有效性与准确性。     

基于多维矩特征联合的K分布杂波参数估计

K分布杂波参数估计在海洋雷达自适应目标检测中起着关键作用。传统的矩估计器通过联立两个矩求解参数,其估计性能受限于有限矩的信息。因此,本文提出一种基于多维矩特征联合的参数估计方法,旨在拓展矩信息的维度。首先,从观测数据中,提取多个精心设计的线性矩和对数矩,构建一个特征向量。其次,将传统基于统计分布的参数估计问题转换为非线性优化问题。然后,通过引入梯度提升决策树（Gradient Boosting Decision Tree, GBDT）算法,建立特征向量和形状参数之间的函数关系,实现形状参数的估计。此外,推导证明特征向量与尺度参数的独立性以及二阶矩只依赖于尺度参数,从而解决两个参数估计的相关性问题。最后,仿真和实测数据结果表明,所提估计器能利用多个矩的丰富信息,进一步提高参数估计性能。特别是在小形状参数时,其估计性能显著优于现有矩估计法和zrlog(z)期望法。     

基于矩估计的遗传算法杂波幅度模型参数估计

选用了适用于多参数估计的遗传算法对Ku波段实测杂波数据进行K分布以及对数正态分布模型进行参数估计.为减少搜索范围,采用了计算量小的矩估计方法确定参数初始值;以常用的最小均方误差为目标函数.结果显示在遗传代数为50左右适应度函数收敛到稳定值,且拟合曲线与杂波数据直方图很好吻合.验证了遗传算法用于杂波模型参数估计的适用性.     

雷达杂波密度的非参数变换估计

对雷达杂波密度进行非参数估计时用变换方法可提高估计精度。本文讨论了一维和多维杂波密度的变换估计,并给出估计实例。     

广义复合杂波模型参数估计方法

广义复合杂波分布(Generalized Compound Probability Density Function,GC-PDF)模型是一种适用范围广泛的杂波分布模型,参数估计是研究该杂波模型的关键技术.本文首先建立了广义复合杂波模型,推导了其统计特性.在此基础上,研究了最小二乘参数估计方法.进而,以参数解耦和充分利用杂波序列信息为突破点,提出了一种新的杂波模型参数估计算法.该算法将一个四维非线性最优化问题转化为一个一维线性最优化问题,从而降低了计算量和所需样本数,提高了估计性能.最后,进行了仿真实验,验证了本文的结论.该算法对于高分辨雷达杂波分类和识别以及基于杂波背景的目标检测具有重要意义.     

一种稳健的机载雷达杂波多普勒参数估计方法

基于杂波多普勒分布(DDC)模型,该文研究了杂波协方差矩阵的特征值能量分布特点,提出了一种稳健的机载雷达杂波多普勒参数估计方法。该方法对杂波多普勒中心估计的精度和现有常见方法可比拟,而对杂波谱宽估计的精度优于现有常见方法,尤其适用于机载雷达运动目标检测(MTD)等实际应用背景下数据样本较少的情况。仿真实验证明了该方法的有效性。     

Iterative and recursive estimators for hidden Markoverrors-in-variables models

In this paper we propose maximum-likelihood (ML) estimation of errors in variables models with finite-state Markovian disturbances. Such models have applications in econometrics, speech processing, communication systems, and neurobiological signal processing. We derive the maximum likelihood (ML) model estimates using the expectation maximization (EM) algorithm. Then two recursive or “on-line” estimation schemes are derived for estimating such models. The first on-line algorithm is based on the EM algorithm and uses stochastic approximations to maximize the Kullback-Leibler (KL) information measure. The second on-line algorithm we propose is a gradient-based scheme and uses stochastic approximations to maximize the log likelihood     

基于贝叶斯压缩感知的子空间拟合离格DOA估计

针对传统的基于稀疏贝叶斯学习（Sparse Bayesian Learning,SBL）的波达方向估计算法对噪声鲁棒性不高的问题,提出了一种基于SBL的子空间拟合离格波达方向(Direction of Arrival,DOA)估计方法。首先对接收数据的协方差矩阵进行特征分解,获得信号的加权子空间,构造等价信号的稀疏表示模型并利用贝叶斯学习算法进行参数求解。同时对于网格划分带来的建模误差问题,采用了离格贝叶斯推导（Sparse Bayesian Inference,SBI）算法进行求解,利用期望最大化算法迭代更新相应的参数。仿真结果表明,相对于传统的DOA方法,该方法具有更好的估计精度。     

基于EM算法的SAI图像插值改进技术

提出了一种基于期望最大（Expectation Maximization,EM）算法对自适应二维自回归建模与软判决估计联合插值（SAI）算法进行改进的算法,它将插入像素的估计值反馈回分段二维自回归模型（PAR）参数的估计过程中,修正估计出的模型参数。实验结果显示：该算法能产生良好的视觉效果及较高的峰值信噪比（PSNR）。     

采用数据辅助的大规模MIMO信道半盲迭代估计

由于大规模多输入多输出(Multiple-Input Multiple-Output,MIMO)信道衰落参数的维度较高,导致最优估计算法计算量大且需要的导频数较多而影响到频谱效率.为降低计算复杂度并减少导频开销,提出了两种基于期望最大化(Expectation Maximization,EM)估计的半盲迭代改进算法.利...     

基于期望值最大算法的图像融合

文中提出了一种基于期望值最大的图像融合方法。该方法首先假设图像对场景的成 像模型。以期望值作为目标函数,通过使目标函数最大的方法确定该模型的参数,估计出真实场景,进而得到理想的融合图像。试验表明,该方法比传统的基于加权平均和选择的方法具有更好的融合效果。     

Code-aided joint channel and frequency offset estimation for DS-CDMA

This paper deals with joint data detection, synchronization and channel parameter estimation for direct-sequence code-division multiple-access systems over frequency-selective channels. In low-signal-to-noise ratio environments, conventional data-aided (DA) estimation algorithms may require an unacceptably large number of pilot symbols in order to obtain sufficiently accurate estimates of the channel and synchronization parameters. Especially, frequency offset estimation results in a significant loss in spectral efficiency. In this contribution, we consider several code-aided estimation schemes which can be incorporated in an iterative turbo detection scheme. We consider the expectation maximization algorithm, as well as the space alternating generalized expectation maximization algorithm as tools to develop code-aided estimation algorithms for a variety of scenarios. We pay special attention to the issue of computational complexity, and propose some complexity-reducing approximations. We show through computer simulations that the proposed code-aided estimation techniques considerably outperform their conventional DA counterparts.     

有限贝塔刘维尔混合模型的变分学习及其应用

由于贝塔刘维尔分布的共轭先验分布中存在积分表达式,贝叶斯估计有限贝塔刘维尔混合模型参数异常困难.本文提出利用变分贝叶斯学习模型参数,采用gamma分布作为近似的先验分布并使用合理的非线性近似技术,得到了后验分布的近似解.与常用的EM算法相比,该方法能够同时估计模型参数和确定分量数,且避免了过拟合的问题.在合成数据集及场景分类问题上进行了大量的实验,实验结果验证了本文所提方法的有效性.     

Adaptive MLSDE using the EM algorithm

The theory of adaptive sequence detection incorporating estimation of channel and related parameters is studied in the context of maximum-likelihood (ML) principles in a general framework based on the expectation and maximization (EM) algorithm. A generalized ML sequence detection and estimation (GMLSDE) criterion is derived based on the EM approach, and it is shown how the per-survivor processing and per-branch processing methods emerge naturally from GMLSDE. GMLSDE is developed into a real time detection/estimation algorithm using the online EM algorithm with coupling between estimation and detection. By utilizing Titterington's (1984) stochastic approximation approach, different adaptive ML sequence detection and estimation (MLSDE) algorithms are formulated in a unified manner for different channel models and for different amounts of channel knowledge available at the receiver. Computer simulation results are presented for differentially encoded quadrature phase-shift keying in frequency flat and selective fading channels, and comparisons are made among the performances of the various adaptive MLSDE algorithms derived earlier