基于高阶累积量不同切片的动态谱线增强算法

为了克服传统的自适应谱线增强器(ALE)抑制高斯噪声效果差的缺点，提出了基于高阶累积量不同切片的自适应动态谱线增强算法，并用水下某运动目标辐射的线谱数据进行了仿真研究。仿真和分析表明：该算法抑制高斯噪声的性能强于ALE算法。因此，本研究有助于提高水下探测系统对微弱信号的检测能力和水下通信能力。     

基于四阶累积量对角切片的短波自适应通信信号检测

短波自适应通信信号的检测是现代电子战信号处理的一个重要研究课题,本文提出了基于四阶累积量对角切片的短波自适应通信信号检测方法.文章推导了有限长度信号四阶累积量对角切片的分段估计方法,分析了其渐进性能,分析表明该估计方法降低了估计方差;论文介绍了信号检测原理,借助于计算机仿真研究了高斯白噪声和色噪声及不同信噪比下不同检测方法的性能.仿真对比结果验证了该方法的有效性.     

四阶累积量谱线增强方法的改进仿真研究

为提高自适应谱线增强器跟踪性能,减小高阶累计量的计算量,综合了变步长算法与变符号函数法（ISA）算法的优点,在高阶累积量的能量幂函数变步长极性迭代自适应谱线增强算法的基础上,首次提出了一种计算正弦信号基于高阶累积量变步长ISA算法的迭代自适应谱线增强方法。该方法用输入信号的能量幂函数作变步长来改善跟踪性能,用非输入信号的分段性限幅函数来减小高阶累计量的计算量。仿真结果表明该算法在抑制高斯噪声和非高斯对称分布（拉普拉斯）噪声上优越于基于能量幂函数变步长极性迭代自适应谱线增强算法,能稳定保持信噪比提高3 dB。     

基于三阶累积量的多径时延估计

研究多径传输条件下的时延估计问题。利用三阶累积量的一维切片作为高阶统计量,结合相关算法原理,提出一种新的时延估计算法。为提高时延估计精度,对相关数据进行了加权处理。该算法可有效抑制空间相关高斯噪声或对称分布噪声,得到非高斯信号准确的时延估计。算法具有计算量小,易于实现的优点。仿真结果表明了该算法的有效性。     

一种基于高阶累积量的新变步长的自适应谱线增强方法

从减小高阶累积量计算量出发，综合变步长算法和极性算法的优点，提出了基于高阶累积量的能量幂函数型变步长极性迭代自适应动态谱线增强新方法，该方法用输入信号的能量幂函数作变步长来改善跟踪性能，用非输入信号（由输入信号构成的函数）的符号或极性来减小高阶累积量的计算量。仿真表明，该方法具有良好的抑制高斯噪声、增强谱线和跟踪时变信号的性能。     

一种基于高阶累积量变步长迭代的自适应谱线增强新方法

依据变步长LMS（Leaset Mean Square)算法能改善自适应谱线增强器（ALE）跟踪性能的特点，提出了基于高阶累积量变步长迭代的自适应谱线增强新方法。用实测水下运动目标辐射噪声数据，对该方法的性能进行了动态仿真研究。仿真表明，该方法具有很好的抑制高斯有色噪声能力的跟踪能力；能有效地增强性调频、对数（或指数）频调信号谱线。因此，在提高水下探测系统功效，识别与检测水下运动目标方面具有一定的指导意义和应用价值。     

对角切片谱法分析信号中相位耦合的频率分量

给出了三阶累积量对角切片谱的性质，分析了水中目标辐射信号的特点，并将3阶累积量对角切片谱法应用于提取水下目标辐射信号中相位耦合的频率分量。以水下某目标辐射噪声的实测数据为例，进行了仿真研究。结果表明，该方法在提取水下运动目标辐射信号中的参加相位耦合的频率分量和相位耦合产生的频率分量、抑制环境噪声和非耦合的频率分量等方面的性能优于自相关谱法。     

一种基于三阶累积量的准则及自适应滤波算法

该文提出了一个基于三阶累积量的优度准则。基于此准则,利用最速下降法,得到一种新的基于三阶累积的梯度型自适应滤波算法,该算法用于平稳和非平稳的MA(Moving Average)模型系统辨识的计算机模拟仿真结果表明:该算法有良好的收敛性能及对时变系统的跟踪能力。     

基于对称相关谱和累积量切片的QAM信号识别

随着正交振幅调制信号(Quadrature Amplitude Modulation,QAM)的广泛应用,对其调制方式的识别显得至关重要。针对M-QAM的四次方谱谱线特征在低信噪比时对调制信号识别率低,且计算复杂度高等问题,提出了一种基于信号四次方的对称相关谱和四阶累积量的一维切片值的M-QAM调制方式的盲识别算法。该算法无需波特率和采样率等先验信息,没有复杂的迭代过程,可以应用于实际信号的调制识别,对NI USRP-2930无线接收平台接收的信号进行识别。实验结果表明,提出的算法在低信噪比下具有较高的识别率、实用性和有效性。     

基于输入信号峭度的变步长LMS自适应谱线增强方法

提出了一种基于输入信号峭度的变步长LMS自适应谱线增强方法，该方法以输入信号的峭度为自变量，构造新的步长。该步长对高斯噪声或非高斯噪声均有一定免疫性，同时能快速收敛。最后用实测的水下目标辐射噪声数据和瑞利有色环境噪声进行了仿真，表明该方法有较强的谱线增强能力。     

基于对角切片特征提取和深度学习的辐射源识别

针对复杂电磁环境下辐射源识别率低的问题，提出基于对角切片特征和深度学习的辐射源识别算法。利用辐射源信号双谱的个体特性，提取信号双谱对角切片特征作为深度学习模型的输入数据，采用Softmax分类器进行辐射源识别。仿真实验利用两部同型辐射源进行测试，结果表明该算法能识别个体辐射源，在低信噪比条件下也能获得高的辐射源识别率；相比于其他识别算法，双谱对角切片特征有更鲁棒的分辨性。     

基于四阶累积量和简化粒子群的盲分离算法

针对线性混合盲信号分离问题,本文提出一种基于四阶累积量和简化粒子群优化的盲信号分离新算法。该算法采用信号的四阶累积量作为目标函数,运用简化粒子群优化算法对目标函数进行优化,最终实现对混合信号的盲分离。仿真结果表明,该算法能够有效实现对会议语音混合信号的盲分离,跟其他算法相比,具有更快收敛速度和分离精度。     

A modified high-order cumulant music algorithm for signal DOA estimation

This paper gives a MUSIC signal DOA estimation algorithm based on the modified high-order cumulant matrix which is constructed by the recieved data and their conjugate rearrangements. When the snapshot number is limited, this algorithm can improve the signal DOA estimation performances obviously, and its computational complexity scarcely increases. Finally, some simulation results to verify the theoretical analyses are presented.     

基于SMI—LMS的自适应旁瓣干扰抑制算法研究

提出基于SMI—LMS的自适应旁瓣干扰抑制算法,即利用采样矩阵求逆（SMI）算法计算初始权值,并以此作为LMS算法的初值。通过比较分析LS-LMS和SMI—LMS的方向图增益和运算量,并运用对角加载技术对SMI-LMS算法作出改进,验证了SMI-LMS算法的优势。仿真实验表明,SMI-LMS算法具有快的收敛速度和低的算法复杂度,在低快拍下有着好的性能。     

一种自适应容差的雷达信号分选聚类算法

雷达信号分选的目的就是从交错的、密集复杂的脉冲信号流中提取出同一辐射源的脉冲序列。战场环境中信号流的密集性,信号形式的复杂性,给信号分选带来了严重的挑战。面对如此复杂的信号环境,传统的基于直方图统计的雷达信号分选算法的分选结果可信度越来越差。在聚类雷达信号分选算法的基础之上提出了一种自适应容差的雷达信号聚类算法,克服了传统的雷达信号聚类分选算法中容差选择困难的问题。仿真结果表明该方法能够准确地分选出各个辐射源的脉冲序列。     

基于四阶累积量扩展孔径的宽带信源测向算法

当阵列过载时,常用高分辨测向算法将会失效.针对此问题,提出了一种新的宽带信源测向算法.该算法利用基于最小冗余直线阵列的四阶累积量来扩展阵列孔径.将得到的四阶累积量去除冗余信息后,构造了一新的Toeplitz矩阵.新矩阵充分利用了原协方差矩阵的信息,避免了冗余信息.通过理论分析和计算机仿真,对扩展后阵列孔径、测向性能、检测概率及可分辨信源数进行了对比研究.结果表明,相比相同阵元数的最小冗余直线阵和均匀直线阵,该算法具有大得多的阵列孔径和更高的分辨率,利用M阵元,最多可以分辨M²-M个信源.