脉冲噪声环境下单基地MIMO雷达目标角度估计算法

以α稳定分布作为脉冲噪声数学模型,研究了脉冲噪声环境下单基础多输入多输出(MIMO)雷达目标角度估计问题。为了解决基于分数低阶统计量的目标角度估计算法需要脉冲噪声先验信息的问题,利用雷达接收数据构造出两种鲁棒的相关矩阵,即相关熵相关矩阵和非线性压缩核函数相关矩阵,提出了基于这两种鲁棒相关矩阵的单基地MIMO雷达目标角度估计算法。仿真实验表明:在α稳定分布脉冲噪声环境下,新提出的责任中算法的性能明显优于传统的基于二阶统计量和基于分数低阶统计量的目标角度估计算法。     

一种对称α稳定分布噪声环境下DOA估计新算法

脉冲噪声环境下波达方向(DOA)估计是阵列信号处理领域一个新兴研究方向。针对α稳定分布噪声环境下经典MUSIC算法性能退化的问题,提出了一种新的基于非线性压缩核函数(NCCF)的DOA估计算法。该算法利用基于NCCF的有界矩阵代替了MUSIC的协方差矩阵,通过对有界矩阵进行特征分解确定信号子空间和噪声子空间,借用MUSIC谱估计公式进行谱峰搜索,得到DOA的估计值。仿真结果表明,NCCF-MUSIC算法运算复杂度较低,相比于基于分数低阶统计量(FLOS)的MUSIC方法和基于广义类相关熵(GCAS)的MUSIC算法,该方法具有更好的准确度和稳定性。     

α 稳定分布噪声下基于核方法的非线性信道均衡算法

为了提高α稳定分布噪声下非线性信道均衡器的性能,本文利用核方法处理非线性问题,结合最小平均p范数算法的核心思想,构造了α稳定分布噪声下基于核方法的非线性均衡器,提出并推导了α稳定分布噪声下核最小平均p范数均衡算法。首先,通过核函数将接收信号映射到高维特征空间;然后,在高维特征空间中利用LMP算法对信号进行均衡;最后,将均衡器的输出信号表示为内积形式并利用核函数将其转化到输入空间进行计算。理论分析和仿真实验结果表明,与核最小均方算法和最小平均p范数算法相比,新算法在保证收敛速度的前提下降低了稳态误差,能够更好地对α稳定分布噪声下的非线性信道失真进行补偿。      

脉冲噪声环境下改进的顽健循环时延估计算法

研究了脉冲噪声环境下循环平稳信号的时延估计问题,针对脉冲噪声环境中基于传统二阶谱相关函数的时延估计方法性能退化问题,提出了基于分数低阶循环谱的改进顽健算法。相对于传统算法,新算法对脉冲噪声、高斯噪声、干扰信号都具有较好的抑制作用。仿真结果证明了算法的有效性和顽健性。     

脉冲噪声下基于相关熵的相干分布源DOA估计新方法

针对复杂电磁环境下被动无线监测定位问题,该文提出广义相关熵的概念,推导了广义相关熵的性质,用以抑制阵列输出信号中的脉冲噪声。为了实现脉冲噪声环境下相干分布源中心DOA和扩散角的联合估计,提出基于广义相关熵的DOA估计新方法,并证明了该方法的有界性。为进一步提升算法的鲁棒性,推导了一种仅依赖阵列输出信号的自适应核函数。仿真结果表明,该算法能够实现脉冲噪声环境下相干分布源参数的联合估计,相比已有算法,具有更高的估计精度和鲁棒性。     

对称α稳定分布中预处理的共变时差估计

针对传统共变算法在对称α稳定分布(SαS)噪声中方差趋于无穷,实际应用效果不佳的缺点,本文提出了一种基于预处理的共变时差估计算法,该算法将接收信号通过任意满足奇对称单调增的有界函数进行预处理后,再使用共变算法,理论证明了改进算法方差降为了有限值,从而提高了时差估计精度及算法实际应用价值。最后提出了两种满足上述条件的预处理函数,并对其和已有的反正切函数进行仿真,验证了本文算法在SαS分布噪声环境下提高算法估计精度的有效性和在高斯噪声环境下的适用性。     

脉冲噪声环境下基于宽带模糊函数的双基地MIMO雷达目标参数估计新方法

以Alpha稳定分布作为噪声模型,研究了脉冲噪声环境下宽带双基地MIMO雷达系统中参数估计问题.针对在脉冲噪声环境中,基于传统的信号模型和算法效果显著退化的问题,本文提出了基于分数低阶统计量的宽带模糊函数算法.首先根据分数低阶宽带模糊函数的峰值点实现对多普勒频率尺度因子和时延的联合估计.接下来基于分数低阶宽带模糊函数构造两个子阵.通过采用改进的MUSIC算法和ESPRIT算法实现了收发角的联合估计.仿真实验表明本文算法具有很好的性能.     

SαS分布噪声模型下激光信号互相关时延估计

高斯噪声模型因其能够避免非线性问题且易于工程实现在早期多被采用,然而在实际应用中,往往存在脉冲幅度特性的噪声和干扰。因此本文对非高斯噪声背景下脉冲式激光测距互相关时延估计算法进行了研究。首先采用钟形脉冲模型对发射激光脉冲进行建模、采用SαS(Symmetric Alpha Stable)模型对脉冲噪声进行建模;然后提出了基于Sigmoid函数的互相关时延估计算法,通过检测互相关峰值位置就可以得到回波信号相对于发射激光脉冲的时延;最后对Sigmoid函数中的k值进行分析,通过大量仿真,在发射激光脉冲宽度一定时,激光脉冲幅值A与k的关系为kA≈3时,N[TX-]最小,时延估计效果最好。该方法时延估计效果与直接使用k=1的时延估计效果对比,有明显提升。     

Alpha稳定分布噪声中的韧性投影 近似子空间跟踪算法

 为了克服投影近似子空间跟踪算法(PAST)在脉冲噪声环境下性能的退化,本文以Alpha 稳定分布为脉冲噪声模型,依据韧性的M估计方法提出了一种新的代价函数,并推导出基于递归最小M估计的韧性投影近似自适应信号子空间跟踪算法(RLM_-PAST).由于采用了适合噪声模型的M估计函数,新算法与采用递归最小二乘估计的子空间跟踪算法相比,在稳定分布脉冲噪声环境下具有更好的性能.把新方法应用于波达方向(DOA)估计,数值仿真结果表明了该算法的有效性.     

基于Lyapunov稳定性理论的Volterra自适应噪声对消器

介绍了在理稳定分布环境下一种新的非线性Voherra自适应噪声对消器。由于Ⅱ稳定分布噪声有显著的尖峰脉冲特性,Vohem级数的非线性项将其更加放大,严重影响了收敛性能。提出了Voherra自适应噪声对消器利用sigmoid函数对输入α噪声进行非线性预处理,抑制尖峰脉冲的影响,基于Lyapunov稳定性,定义新的Lyapunov函数．给出了二阶Voherra自适应滤波器算法。仿真实验表明,该算法在不同特征指数的稳定分布噪声环境中都表现出了良好的抗噪声性能。     

分数低阶α稳定分布噪声下HB加权自适应时间延迟估计新方法

针对LMS-HB自适应时间延迟估计方法在分数低阶α稳定分布噪声环境下的退化现象,依据分数低阶统计量理论,提出了基于分散系数最小化的LMP-HB自适应时延估计方法,并进一步提出了不依赖于参数估计的基于非线性变换的HB加权自适应时延估计方法。理论分析和计算机仿真结果表明,新方法在高斯和分数低阶α稳定分布噪声环境下具有良好的韧性。     

脉冲噪声环境下基于拉格朗日插值分数延迟滤波器的时延估计方法

该文针对稳定分布噪声模型,依据分数低阶矩理论提出一种新的非整数时延估计算法EFMML (Explicit Fractional lower order Mix Modulated Lagrange)方法。从理论上对算法的收敛条件进行了讨论,计算机仿真结果表明该方法具有良好的韧性,同时适用于高斯噪声和稳定分布脉冲噪声下的时延估计,且比另一种脉冲噪声下的非整数时延方法FSETDE(Fractional lower order Simplified Explicit Time Delay Estimation)更有效。     

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。     

基于分数低阶矩的LETDE时延估计算法

依据α稳定分布噪声模型,提出了一种新的时延估计方法——基于分数低阶矩的ETDE(explicit time delay estimation)方法,简称为LETDE(low-order explicit time delay estimation)。该方法以估计误差的p阶矩作为优化准则,有效地抑制了非高斯噪声对估计值的影响。理论分析和计算机仿真实验都表明其具有良好的韧性,同时适用于高斯噪声和α稳定分布脉冲噪声下的时延估计。     

一种基于非线性变换的EP潜伏期变化自适应检测方法

该文依据分数低阶矩理论和诱发电位（EP）信号及噪声的低阶α稳定分布特性，提出了一种自适应检测EP潜伏期变化的新方法。这种方法基于sigmoid函数对误差信号en(k)进行连续的非线性变换，即抑制了EP信号中的低阶α稳定分布噪声，又有效保留了信号成分，在高斯和低阶α稳定分布噪声条件下具有很好的韧性，且无须动态估计信号噪声的α参数。利用这种方法动态检测EP潜伏期的变化，比以往的DLMS，DLMP和SDA等算法具有较高的估计精度和较快的收敛速度，是一种具有较高韧性的性能优良的EP潜伏期变化动态检测方法。     

一种改进的广义循环相关熵时延估计方法

针对同频带干扰及脉冲噪声并存的复杂电磁环境下现有时延估计算法性能退化的问题,该文引入双曲正切函数,提出一种改进的广义循环相关熵时延估计(HTGCCE)算法.首先指出脉冲噪声存在时广义循环相关熵算法的优势及性能退化的原因.然后利用双曲正切函数对其进行改进,以提高算法在脉冲噪声下的时延估计性能.仿真实验表明,提出的算法在脉冲噪声的特征指数较小、信噪比较低及信干比较低时仍保持很好的时延估计性能.     

脉冲噪声环境下高斯稀疏信源贝叶斯压缩感知重构

 大多数现有的压缩感知重构算法对脉冲噪声不具有鲁棒性,在脉冲噪声环境下,重构性能急剧下降,使得整个重构系统崩溃.针对此问题,本文提出了一种脉冲噪声环境下的稀疏重构算法BINSR算法,其基于贝叶斯理论,可以有效地估计出信号的支撑集和脉冲噪声中脉冲的位置,并且根据压缩感知观测序列的democracy特性,利用最小均方误差MMSE估计量,有效地估计出原信号.在此基础上,本文结合鲁棒统计学,提出自适应的ABINSR算法,使其不再依赖于信号以及噪声的统计参数.实验结果表明,BINSR算法在脉冲噪声环境下可以有效地恢复出稀疏信号,很大程度上改善了脉冲噪声环境下算法的重构性能.ABINSR算法不仅对脉冲噪声具有鲁棒性,而且可以在高斯白噪声环境下实现有效的信号重构.     

脉冲噪声环境下的SCOT加权时间延迟估计新方法

针对平滑相干变换(SCOT)加权广义相关时间延迟估计方法在脉冲噪声环境下的退化现象,依据分数低阶α稳定分布噪声的尖峰脉冲特性和分数低阶统计量理论,提出了基于分数低阶协方差的SCOT加权时间延迟估计方法,并进一步提出了不依赖于分数低阶α稳定分布噪声参数估计的基于非线性变换(Sigmoid变换和反正切变换)的SCOT加权时间延迟估计方法。理论分析和计算机仿真结果表明,新方法在高斯和非高斯脉冲噪声环境下都具有良好的顽健性。     

一种改进的广义循环相关熵时延估计方法

针对同频带干扰及脉冲噪声并存的复杂电磁环境下现有时延估计算法性能退化的问题,该文引入双曲正切函数,提出一种改进的广义循环相关熵时延估计(HTGCCE)算法.首先指出脉冲噪声存在时广义循环相关熵算法的优势及性能退化的原因.然后利用双曲正切函数对其进行改进,以提高算法在脉冲噪声下的时延估计性能.仿真实验表明,提出的算法在脉...     

无限方差噪声环境下的分数低阶空间时频盲源分离

对脉冲噪声α稳定分布环境下的时频分布进行了研究,改进了适合α稳定分布信号或强脉冲噪声环境的分数低阶时频分布方法,用分数低阶空间时频矩阵代替空间时频矩阵,基于时频盲分离算法提出了一种改进的分数低阶空间时频盲源分离算法,并归纳了算法步骤。通过对FLO-TF-UBSS算法和已有的TF-UBSS算法及MD-BSS算法进行详细比较,仿真结果表明,所提出的FLO-TF-UBSS算法有效的降低了信号的均方误差（MSE）,能较好的对α稳定分布噪声环境下的非平稳信号进行盲分离,并实现了对实际的稳定分布舰船信号的盲提取,性能优于已有TF-UBSS算法和MD-BSS算法,且具有一定的韧性。