基于宽带聚焦矩阵和高阶累积量的OFDM信号的来波方向估计

为了解决正交频分复用(OFDM)宽带信号处理的问题,研究了基于宽带聚焦矩阵和高阶累积量的波达方向(DOA)估计方法。前者是通过傅里叶变换将宽带阵列数据分解为若干窄带信号,再利用一种聚焦矩阵将不同频带下的方向矩阵变换到同一参考频率下,然后用多重信号分类(MUSIC)算法来估计DOA;高阶累积量算法是通过聚焦操作,把各个窄带频率处的阵列输出矢量变换到聚焦频率处,然后求其累积量矩阵。对各个累积量矩阵进行加权平均并特征值分解,再应用MUSIC算法估计DOA。理论分析和仿真结果表明,两种方法都能够精确地估计OFDM信号的DOA,四阶累积量方法的空间分辨率比聚焦矩阵方法有所提高。四阶累积量算法扩展了阵列孔径,信噪比(SNR)较低的时候也有很好的适应性。     

三阶累积量的语音激活检测方法

在电子与通信系统中,传输信道的噪声都可以看作是加性的高斯随机过程,而高斯随机过程的三阶累积量为零,通信系统中传输的语音信号一般是非高斯信号,基于这个原理提出一种语音激活检测算法。在通信系统的接收端,对于被噪声污染了的语音信号,通过计算接收信号的三阶累积量,得到语音信号的累积量,从而可以区分语音和噪声,达到检测出语音信号的目的。仿真结果表明,在通信系统低信噪比的环境下能有效地检测出语音信号。     

Genetic algorithm optimization for blind channel identificationwith higher order cumulant fitting

An important family of blind equalization algorithms identify a communication channel model based on fitting higher order cumulants, which poses a nonlinear optimization problem. Since higher order cumulant-based criteria are multimodal, conventional gradient search techniques require a good initial estimate to avoid converging to local minima. We present a novel scheme which uses genetic algorithms to optimize the cumulant fitting cost function. A microgenetic algorithm implementation is adopted to further enhance computational efficiency. As is demonstrated in computer simulation, this scheme is robust and accurate and has a fast convergence performance     

多径信道下MPSK信号调制识别算法的研究

针对室内以及山区多径环境下MPSK信号的调制识别,提出一种基于高阶累积量的识别算法。该算法利用高阶累积量良好的抗噪性能,实现了多径信道下的有效识别。理论分析及仿真结果表明,采用本文所提出的识别算法,在中等信噪比条件的,对多径信道的MPSK信号的整体识别率在90%以上,能满足实际应用的需要。     

Hammerstein模型的记忆效应盲辨识方法

针对未知记忆深度的Hammerstein模型,提出一种基于高阶累积量的Hammerstein模型记忆效应盲辨识方法。将Hammerstein模型中对记忆深度的确定转换为对模型输出信号高阶累积量扩展矩阵的求秩问题,给出对角元素乘积(NPODE)方法以确定记忆深度,分别比较该方法与GM直接定阶法、拐点法的鲁棒性。结合提出的记忆深度估计算法,给出线性记忆模块系数的提取方法。理论推导与仿真结果表明,线性记忆模块系数的提取过程不受无记忆非线性效应的影响。     

网络链路时延统计量的层析成像方法

传统的连续时延分布估计往往需要假设时延满足某种分布,估计精度受制于假设分布与实际时延分布的相关性。Gianni Antichi等提出了一种链路时延累积量估计的方法,无需假设时延满足某种分布,但需要内部节点的协作。针对上述问题提出一种完全依靠端到端测量的链路时延累积量估计方法,根据端到端的时延构建端到端时延累积量与链路时延累计量的方程,最终利用最优化方法计算出链路时延累积量的最优解。ns-2仿真结果验证了该方法的有效性。     

利用高阶累积量进行时延估计的方法

文章介绍了一种利用高阶累积量进行时延估计的新方法。利用四阶累积量代替二阶相关函数,可以克服相关法在相关高斯噪声干扰中估计性能下降的缺点。新方法可以利用FFT进行快速运算。计算机仿真结果表明,当存在高斯相关噪声干扰时,该方法的估计性能优于广义相关法。     

累量域谐波恢复方法

累量域谐波恢复算法,通常假定谐波初相在[－π,π]区间上均匀分布,而且大量的仿真实验沿用相关域的分析方法,假定谐波数目为二,其振幅几乎相等,本文在对实际信号模型分析的基础上,从理论上得出了初相确定、谐波数目较多和信号动态范围比较大时累量自身及累量域数估计方法的一些特点,指出了现有谐波恢复和基于三阶累量的噪声预滤波恢复算法作了改进,使其理论更加完善、改进算稳健性增强。     

基于curvelet变换和独立分量分析的含噪盲源分离

独立分量分析（ICA）是基于信号高阶统计量的盲源分离方法,在高阶统计量方法中,由于高斯信号的高阶累计量为零,所以系统存在加性高斯噪声时就难以处理。提出了一种基于curvelet阈值去噪和FastICA算法的含噪信号盲分离的方法,并对高斯噪声环境下的混合图像进行了盲分离的仿真。结果表明,该方法能很好地解决由于存在加性高斯噪声而导致经典ICA算法性能发生严重恶化的问题;同时将curvelet变换去噪应用于含噪图像的盲源分离中,可以提高混合图像的信噪比,相对于小波去噪后的ICA算法,其分离性能有很大改善。     

一种改进的盲源分离技术及其在SEMG中的应用

针对多通道表面肌电信号(SEMG)采集时形成的混迭现象,提出一种基于时频分析的参考累积量盲源分离方法.以多路观测信号互为参照分别计算累积量矩阵,利用时频分析得到时间尺度累积量矩阵,并构造对照函数,通过非正交联合对角化方法得到SEMG的最优估计.仿真实验表明该算法在解决SEMG的混迭现象有很好的分离效果,与FastICA、JADE算法相比,信号间的相似系数和算法性能指数明显改善,算法效率提高.