一种空间相关高斯噪声背景下的时变时延估计算法

在空间相关高斯噪声的背景下,基于二阶统计量的时延估计方法会失效,该文提出了一种基于三阶统计量的自适应时变时延估计算法,并分析了算法的收敛性,最后的仿真结果表明该算法可以有效地抑制相关高斯噪声。     

非高斯相关噪声中高斯的时延估计

高阶统计量在信号处理中成功的应用例子之一是估计高斯相关噪声中非高斯信号的时延参数，本文则研究非高斯相关噪声中高斯信号的时延估计问题，提出了一种解决该问题的混合方法。该方法先计算观测值的三阶累积量，然后利用累积投影公式计算观测噪声的二阶统计量，最后利用互相关方法确定信号时延参数，仿真结果验证了该方法的有效性。     

非高斯相关噪声中高斯信号的时延估计

高阶统计量在信号处理中成功的应用例子之一是估计高斯相关噪声中非高斯信号的时延参数.本文则研究非高斯相关噪声中高斯信号的时延估计问题,提出了一种解决该问题的混合方法.该方法先计算观测值的三阶累积量,然后利用累积投影公式计算观测噪声的二阶统计量,最后利用互相关方法确定信号时延参数.仿真结果验证了该方法的有效性.     

基于四阶累积量的声波阵列时延估计算法

针对多通道阵列声波信号中可能存在相关噪声的问题,提出了一种基于四阶累积量的时延估计算法。该算法首先计算相邻通道的四阶累积量一维切片,然后对多个通道进行平均,利用高斯噪声四阶累积量为零的性质,抑制多通道阵列环境中存在的相关高斯噪声。实验表明,在较低信噪比情况下,该算法优于传统互相关算法。     

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。     

一种基于遗传算法的自适应参数型多径时延估计

基于四阶累积量的自适应参数型多径时延估计（FOC—APMTDE）算法只能直接估计整数倍采样间隔的时延,为了克服此缺点,引入遗传算法进行时延估计的寻优,保留了FOC—APMTDE算法良好的抑制相关或非相关高斯噪声的性能,在低信噪比的情况下可以准确地直接估计非整数倍采样间隔的时延。计算机仿真试验验证了新方法的有效性。     

基于四阶累积量和奇异值分解的参数型多径时延估计

在背景相关噪声的情况下,提出了一种基于四阶累积量和奇异值分解（SVD）的参数型时延估计方法。分析表明该方法能够准确进行多径传输情况下的时延估计,有效抑制相关高斯噪声的影响。最后采用Matlab进行仿真验证。     

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。     

一种基于四阶累积量的约束自适应多径时延估计

在存在多径信号和空间相关性未知的背景高斯噪声情况下,不考虑多径信号传输的传统时延估计方法的性能会受到影响,甚至恶化。针对此问题,提出了一种基于四阶累积量的约束自适应多径时延估计算法,并对该算法的多径时延估计性能进行了收敛性能分析。该算法能够有效抑制空间相关性未知噪声的影响,在低信噪比的情况下能够直接、准确地进行自适应多径时延估计,克服了传统算法不能直接估计非整数倍采样间隔时延的缺点。计算机仿真试验验证了新算法的有效性。     

基于M估计变步长自适应仿射投影算法的稳健时延估计

该文提出了一种基于M估计变步长自适应仿射投影方法的稳健时延估计(TDE)算法。该算法将自适应仿射投影算法应用于时延估计,无须事先假定信号和噪声的统计特性,自适应调整自身参数;应用稳健M估计理论,抵消重尾噪声干扰。数值仿真表明,在高斯噪声、非高斯噪声甚至冲激噪声的干扰下,该文算法比高阶统计量法和最小均方自适应法有更强的稳健性和更高的估计精度。     

多通道干扰下的多径时延估计

在考虑多通道非平稳信号干扰及背景噪声的情况下,本文提出的基于循环相关的参数型时间延时估计方法,可准确地进行多径传输情况下的时间延时估计,有效地抑制干扰和噪声的影响.在估计性能方面,该方法优于基于相关的方法.在运算量和适应性能方面,该方法优于基于高阶累积量的方法.文章最后采用计算机模拟验证了文中的结论.     

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.     

Time delay estimation using higher order statistics

The problem of time delay estimation in spatially correlated Gaussian noises is addressed. New normal equations based upon higher order statistics of the sensor measurements are established, from which a new adaptive algorithm for time delay estimation is proposed. Simulation examples are presented to illustrate the effectiveness of this algorithm     

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.     

一种维纳加权的广义相关自适应时间延迟估计方法

本文研究了维纳加权广义相关时间延迟估计问题，提出了一种自适应实现维纳加权的时延估计方法。文中讨论了算法结构，分析了其性能，并给出了计算机模拟的结果。理论分析和计算机模拟表明，这种自适应维纳加权时延估计方法，不依赖于输入信号和噪声的统计先验知识，可以有效地消除信号中噪声对时延估计的影响，具有较高的估计精度和较快的收敛速度。