多相码雷达信号识别与参数估计

该文研究了多相码雷达信号的识别与参数估计。首先估计接收信号的码元宽度,利用多相码信号的时宽和码元宽度已知的条件下可以确定相位调制规律的特点,构造本地参考信号;把该参考信号与接收信号共轭相乘,当本地参考信号与接收信号的调制方式一致时共轭相乘的结果是正弦波,利用这个性质进行调制方式识别;估计该正弦波的频率作为载频估计;最后分析了存在同步误差时的频谱结构。仿真结果显示本算法可以在低信噪比条件下对多相码信号进行识别,并得到载频和码元宽度的精确估计值。     

基于记忆因子的连续相位调制信号最大似然调制识别

为解决有记忆非线性的连续相位调制(CPM)信号调制方式识别精度低的问题,该文提出一种基于记忆因子的CPM信号最大似然调制识别新方法。该方法定义具有时齐马尔科夫性的映射符号,通过计算其后验概率构造记忆因子,进一步结合CPM分解和EM算法,推导出时间可分离,信道参数可估计的CPM信号似然函数。该调制识别方法所需符号数目少,适用信噪比范围广,识别CPM信号种类多且精度高,对相位误差鲁棒性强。仿真结果证明,当符号数目为200,信噪比为0 dB,相位误差任意时,该方法对8种CPM信号的识别率可达95%以上。     

基于希尔波特解调的多相码调制信号的识别

首先给出了希尔波特解调过程，研究了相位编码信号的识别算法，接着对识别过程中存在的相位模糊问题提出了针对性的解决方法。基于上述算法，文中对二相编码信号、四相编码信号及多相码调制信号进行了仿真试验，得到了较好的效果，验证了文中算法的正确性和有效性，最后将算法应用于某雷达接收机的测试系统中，验证了其经济性和实用性。     

空时网格码的联合迭代最大似然估计和译码

该文提出了一种适合空时网格码的联合迭代最大似然估计和译码的方法,利用较少的导频,能够获得比传统非迭代最大似然译码更好的系统性能,仿真结果显示经过4次迭代,其性能与接收机已知理想信道信息下的最大似然译码比较只有不到1dB的损失,最后根据仿真结果给出一个导频数目和迭代次数的合理选择。     

基于多相码的MIMO雷达模糊函数

从MIMO雷达的特点出发,在双基地雷达模糊函数基础上,提出了MIMO雷达的模糊函数.MIMO雷达的模糊函数是各双基地雷达模糊函数的线性组合,并且双基地雷达的模糊函数是直角坐标系中目标速度和位置的函数.数值计算表明,MIMO雷达的模糊函数具有直接确定目标位置和速度的能力,并且模糊函数与参考点的选取无关,通过增加发射站和接收站的数目能够提高模糊函数的位置分辨率.     

利用累积量和似然特征的卫星单-混信号调制识别算

针对卫星通信中常用调制信号和PCMA类混叠信号的调制识别问题,提出了一种利用高阶累积量和似然特征的识别算法.算法先对接收数据进行预处理,在此基础上提取4个高阶累积量特征和1个似然特征,构造一个树形分类器进行调制识别.算法不需要知晓信号的定时等先验信息,对收发载频存在的频差不敏感.仿真结果表明,算法在正常通信所需的载噪比下具有较高的正确识别率.     

使用分集技术的信号调制类型识别

针对衰落环境下的调制识别,该文基于决策理论和多天线接收分集技术提出了一种解决方法。根据对未知信道和信号参数的不同处理方式,推导了用于识别的似然函数,并构造了分类器。采用多天线分集技术提高正确识别率,并考虑了天线空间位置对分集合并的影响,提出了解决办法。计算机仿真结果表明该文所述方法的有效性和正确性。     

瑞利衰落信道下MPSK信号调制方式识别

调制识别是非协作通信系统接收机设计中的重要研究课题。在实际环境中,噪声和信道衰落是影响信号调制方式识别的重要因素。针对瑞利衰落信道上MPSK较难识别的情况,提了基于似然比的识别算法,并根据最大似然准则对瑞利信道的参数进行了估计完成对2种调制信号的识别。仿真结果表明:在存在高斯白噪声的瑞利衰落信道的环境下,以BPSK和QPSK为例,正确识别率达到90%。     

一种改进的MQAM信号调制方式识别算法

传统的多进制正交幅度调制信号调制方式的识别方法,是对信号的星座图进行减法聚类,通过得到的聚类中心个数确定调制阶数,从而完成识别。由于信号的数据长度及聚类半径对识别性能的影响很大,为降低一定数据长度下聚类半径对识别效果的影响,提出了结合减法聚类和最大似然估计理论的改进识别方法,并给出了识别流程。仿真结果表明,在一定条件下,改进算法对信噪比的要求低于传统方法约6dB。     

基于D—S推理的雷达信号模糊识别方法

提出了一种将D－S证据理论与模糊理论组合应用的方法用于雷达信号的识别，通过对信号的积累和对信任度（模糊隶属度）的重新分配，有效地解决了雷达信号的不确定性问题以及如何利用信号在时间上的冗余信息问题，提出了信号的正确识别率。并用仿真实验和正确识别率的统计结果验证了这种方法的适用性。     

一种基于Spectrum原子的雷达辐射源信号识别方法

为了提高雷达辐射源信号的正确识别率以满足现代电子对抗的需求,该文提出了一种新的雷达辐射源信号识别方法。在过完备多尺度Spectrum原子库基础上,采用匹配追踪(MP)方法对信号进行原子分解,并通过FFT降低MP搜索过程的时间复杂性,在此基础上,对本征Spectrum原子参数进行有效降维,提取具有分类意义的原子特征向量,同步实现信号的自动分类和参数估计。实验结果表明,该方法在低信噪比环境下不仅可以获得高的信号类别正确识别率,同时具有准确的参数估计结果,证实了所提出方法的有效性。     

最大似然稀疏编码在人脸识别中的研究

摘　要 稀疏编码(SRC)是一种用于人脸识别的方法。该方法把检测图像表示为一组训练样本的稀疏线性组合,表示的准确性通过L2或L1残余项来衡量。此模型假定编码残余项服从高斯分布或拉普拉斯分布,实际上却不能很准确的描述编码错误率。本文提出一种新的稀疏编码方法,建立一种有约束的回归问题模型。最大似然稀疏编码(MSC)寻找此模型的最大似然估计参数,对异常情况具有很强的鲁棒性。在Yale及ORL人脸数据库的实验结果表明了该方法对于人脸模糊、光照及表情变化等的有效性及鲁棒性。     

基于最大似然子带线性回归的鲁棒语音识别

在实际环境中,训练环境和测试环境的失配会导致语音识别系统的性能急剧恶化.模型自适应算法是减小环境失配影响的有效方法之一,它通过少量自适应数据将模型参数变换到识别环境.最大似然线性回归是一种常用的基于变换的模型自适应算法,本文针对最大似然线性回归算法在数据较少时模型参数估计不准确的缺点,提出了基于最大似然子带线性回归的模型自适应算法.该算法将Mel滤波器组的全部通道划分为若干个子带,假设每个子带内多个通道的模型均值分量共享一个线性环境变换关系,以增加可用的数据.实验表明,本文算法可以较好地克服数据稀疏问题,只需要很少的数据即可取得较好的自适应效果,尤其适合于少量数据时的快速模型自适应.     

一种基于贝叶斯网络的雷达目标识别方法

利用目标的运动速度、幅度等信息,结合模糊数学的相关知识,通过贝叶斯网络实现对战斗机、民航机和巡航导弹三类雷达目标的识别.识别结果表明,这种方法识别效果好,工程上容易实现.     

采用帧概率变换的与文本无关说话人识别系统的实现

从基于GMM的与文本无关说话人识别系统的帧似然概率的统计特性出发,提出了一种对目标和非目标模型帧似然概率进行补偿变换的方法。理论推导和实验结果表明,与GMM常用的最大似然(ML)变换相比,该变换能使系统降低误识率达8．6％,因此,证明了该变换能够改善基于GMM的与文本无关说话人识别系统的识别率。     

基于非圆信号波达方向估计的最大似然算法

现有的非圆信号波达方向(DOA)估计算法基本都是子空间分解类的,如NC-MUSIC、NC-ESPRIT算法等。基于子空间拟合类的非圆信号DOA估计算法研究的不多。文中依据非圆信号的DOA估计数学模型,提出了基于非圆信号的DOA估计最大似然算法。通过计算机仿真,将基于非圆信号的最大似然算法与常规最大似然算法及基于非圆信号的MUSIC算法进行了性能比较。结果表明,该算法提高了方位估计的估计性能,对于估计精度要求很高、用户比较密集的场合,能发挥很大的作用。     

基于倒谱分析的雷达信号脉内调制识别

提出对雷达信号进行时域倒谱分析,能够将卷积性或乘法性信号分量分离,进而分析出雷达信号的调制信息。计算机仿真表明,在低信噪比条件下,倒谱分析对线性调频信号和相位编码信号的调制参数都能够进行有效估计。