冲击噪声下基于子空间拟合的DOA估计新算法

研究了在对称α稳定分布(Symmetric α-stable,SαS)冲击噪声背景下的基于子空间拟合的多目标DOA估计算法.由于SαS冲击噪声造成传统DOA算法性能下降,提出了基于分数低阶矩统计量的FLOM-SSF/NSF算法和Screened Ratio原理的SR-SSF/NSF算法.计算机仿真表明两种算法都能有效地改善SαS型冲击噪声对DOA估计的影响,有更好的稳健性,其中SR-SSF/NSF算法性能略好于FLOM-SSF/NSF算法.     

一种冲击噪声环境中的二维DOA估计新方法

该文提出了一种新的在冲击噪声环境中基于阵列输出信号分数低阶矩的二维测向方法稳健的协变异波达方向矩阵法。该方法利用冲击噪声和SS过程的特点,扩展了原波达方向矩阵法的信号模型和应用环境,对冲击噪声有较好的抑制作用,增强了算法的通用性和稳健性,弥补了传统的基于二阶或高阶统计量的子空间测向算法不能应用于冲击噪声环境的不足,计算机仿真验证了该算法的可行性和有效性。     

基于Screened Ratio原理的冲击噪声环境下DOA估计算法

该文提出了一种冲击噪声环境中DOA估计的算法。算法首先根据Screened ratio原理构造阵列信号的相关矩阵,然后利用MUSIC算法实现DOA估计。与基于分数低阶矩(FLOM)的算法相比,该文算法不需要选择FLOM参数p。计算机仿真表明该文算法在冲击噪声环境下具有更佳的稳定性和估计精度。     

基于中值滤波预处理的强冲击噪声背景测向方法

冲击噪声环境下的测向算法大多基于分数低阶统计量,其不仅计算复杂度较高,而且对强冲击噪声的适应性也较差.通过对冲击噪声的分布特性进行研究和分析,利用其冲击成分出现概率相对较低且具有随机性的特点,提出了基于中值滤波的测向新方法,并推导了冲击噪声背景测向的克拉美罗界.首先,引入中值滤波方法对阵列接收数据进行平滑处理,滤除冲击噪声,并提出了针对强冲击噪声的改进方法,然后利用传统的二阶矩方法求阵列接收数据协方差矩阵并进行波达方向(Direction Of Arrival,DOA)估计.理论分析和仿真验证结果表明:所提方法处理过程简单,对低信噪比和强冲击噪声情况下的测向性能有很大的改善和提高.     

冲击噪声背景下基于最小均方归一化误差的波束形成算法

 本文提出一种适用于任意未知统计特性的代数拖尾冲击噪声环境下的MMSNE波束形成算法。算法利用输出信号和参考信号之间的“归一化误差”最小化来求解最优权向量。“归一化误差”定义为接收信号的瞬时自适应无穷范数归一化的形式。与基于最小分数低阶误差波束形成算法相比,MMSNE波束形成算法计算更为简单;不需要噪声特征指数的先验信息或估计;适用于更广的冲击噪声环境;具有更小的估计误差;具有更强的干扰抑制能力。     

空间非平稳噪声下的DOA快速估计新算法

提出了空间非平稳噪声环境下DOA快速估计的新算法.通过利用估计的噪声相关矩阵对接受数据相关矩阵进行预处理.消除了空间非平稳噪声对方位估计的影响.利用线性运算来代替特征分解以求得噪声子空间.可以获得子空间算法的快速实现.计算机仿真结果证实了该算法的正确性和有效性.     

冲击噪声环境中的联合对角化波达方向矩阵法

针对对称α平稳(SαS)噪声环境中信号源的高分辨二维波达方向(DOA)估计问题,提出了一种新的联合对角化(JD)分数低阶矩(FLOM)-DOA矩阵方法.构建了一种特殊的阵列结构,把其分为三个子阵,然后通过联合对角化获得信号的二维角估计.新方法不仅保持原协变异DOA矩阵方法无需二维谱峰搜索和参数配对等优点,还较好地解决了一维角度兼并问题.仿真结果表明,新方法优于协变异DOA矩阵法.     

冲击噪声背景下基于归一化的线性约束特征干扰相消器

针对冲击噪声背景下,常规波束形成算法性能下降的问题,本文提出一种适用于任意未知统计特性的代数拖尾冲击噪声环境下的基于归一化的线性约束特征干扰相消器（N-LCEC）算法。该算法在附加线性约束的条件下,以噪声功率最小化为目标函数;通过对输入信号进行无穷范数归一化,使变换信号的二阶统计量在代数拖尾的冲击噪声环境下存在且有界,然后将自适应权矢量约束于噪声子空间的方法,提高了波束形成器在冲击噪声背景下的性能。N-LCEC算法无需噪声特征指数的先验信息,适用冲击噪声环境更广;N-LCEC算法具有运算简单,干扰抑制能力强,同时保持静态方向图的副瓣特征等优点。仿真结果验证了该算法的有效性和优越性。      

Alpha稳定分布噪声环境下类M估计相关的DOA估计新算法

提出了一类适用于Alpha稳定分布随机变量的统计量—类M估计相关（MELC）,通过构造阵列输出的类M估计相关矩阵,提出了适用于Alpha稳定分布噪声环境下的波达方向（DOA）估计新算法,即MELC-MUSIC算法。仿真实验表明,在Alpha稳定分布噪声环境下,MELC-MUSIC算法在抗噪声特性、多源信号分辨性以及对不同形式信号（圆对称信号或非圆对称信号）的适应性方面获得比基于分数低阶统计量（FLOS）的MUSIC方法更好的估计性能。     

一种冲击噪声环境下的最优波束形成算法

针对冲击噪声（包括所有对称α稳定分布噪声）环境下一般未知噪声统计特性,提出了一种最小几何功率无失真响应波束形成算法。该算法利用求取有限对数矩时无需噪声统计特性的特点,用对数矩代替二阶矩在约束期望信号增益为1的条件下使快拍信号的几何功率最小,最终使输出信号能达到更高的几何信干噪比。并通过一种新的迭代的方法得到最优权向量。仿真实验证明了该算法的有效性。     

一种脉冲噪声中的韧性恒模算法及其稳定性分析

由于无线信道的噪声表现出脉冲性特征,常规恒模波束形成器的性能出现退化。该文引入 稳定分布作为信道脉冲噪声的模型,提出一种广义化的韧性恒模波束形成器。以分数低阶统计量为工具分析了该韧性恒模波束形成器在脉冲噪声干扰下所能达到的稳定状态。数值模拟对分析结果进行了验证。     

脉冲噪声环境下基于相关熵的多径TDOA估计算法

为了实现脉冲噪声环境下不受相关法分辨极限限制的高分辨率多径到达时差(TDOA)估计,该文利用相关熵理论中的最大相关熵准则(MCC),结合将多维优化问题转化为多个1维优化问题的期望最大化方法,提出一种相关熵期望最大化(CEM)高分辨率多径TDOA估计算法。仿真实验结果表明该文所提出的算法在强脉冲噪声和低信噪比的环境下都具有很好的估计性能,并且算法中参数的选取不依赖于脉冲噪声的先验信息。     

脉冲噪声环境下基于相关熵的多径TDOA估计算法

为了实现脉冲噪声环境下不受相关法分辨极限限制的高分辨率多径到达时差(TDOA)估计,该文利用相关熵理论中的最大相关熵准则(MCC),结合将多维优化问题转化为多个1维优化问题的期望最大化方法,提出一种相关熵期望最大化(CEM)高分辨率多径TDOA估计算法.仿真实验结果表明该文所提出的算法在强脉冲噪声和低信噪比的环境下都具有很好的估计性能,并且算法中参数的选取不依赖于脉冲噪声的先验信息.     

冲击噪声环境下基于特征函数的调制识别算法

无线通信环境中不仅存在高斯噪声,而且存在冲击噪声。通过分析复循环对称稳定冲击噪声的特点,该文提出利用接收信号特征函数相位进行调制识别的方法。分类特征向量由不同角度对应的特征函数相位组成,对未知信号采用最小欧式距离法进行分类。理论分析证明,采用特征函数相位作为分类特征,可以完全抑制各种特征指数的分布噪声。仿真结果表明,在冲击噪声及高斯噪声环境下,信噪比大于8dB时,平均识别正确率都高于90％,该算法分类效果良好。     

脉冲噪声环境下基于分数低阶循环相关的MUSIC算法

该文以稳定分布作为噪声模型,研究了脉冲噪声环境下循环平稳信号的波达方向估计问题。针对在脉冲噪声环境中基于传统2阶循环相关的算法效果显著退化的问题,该文提出了基于分数低阶循环相关的分数低阶循环MUSIC算法(FLOCC-MUSIC)。将分数低阶循环相关与MUSIC算法相结合,可以有效抑制脉冲噪声的同频带干扰。计算机仿真表明了此算法可有效完成高斯噪声和脉冲噪声条件下的波达方向估计,其性能优于传统的基于2阶循环相关的Cyclic-MUSIC。     

Robust Recursive Inverse Adaptive Algorithm in Impulsive Noise

The recently proposed Recursive Inverse (RI) algorithm has shown a significant performance improvement compared to that of the Recursive Least Squares (RLS) algorithm, in various noise environments. However, both algorithms fail to converge in certain impulsive noise environments, especially if the Signal-to-Noise Ratio (SNR) is low. In this paper, a Robust RI algorithm is proposed. Analytical results show that robustness against impulsive noise is achieved by choosing the weights on the basis of the L ₁ norms of the autocorrelation matrix and the cross-correlation vector. Simulation results confirm that the proposed algorithm provides an improved performance, with a reduction in computational complexity, compared to those of the RLS and the Robust RLS in white and correlated impulsive noise.     

脉冲噪声条件下的相关熵谱估计

基于相关函数的常规功率谱估计方法在脉冲噪声环境中性能下降明显,受大脉冲干扰时甚至会失效。而具有局部相似度量特性的相关熵对脉冲信号的影响并不敏感,能够很好地适应脉冲噪声条件。将受干扰信号的相关熵函数代替自相关函数,得到基于相关熵的功率谱估计方法。通过仿真进行对比验证,结果表明在相同信噪比条件下基于相关熵的功率谱估计方法在α稳定分布噪声环境中更加稳健,特别在大脉冲条件下（α<1.6）能对有用信号进行更加有效的估计,且估计误差的均值和方差值仍保持很低。      

一种非开关型快速随机脉冲噪声降噪算法

为提高现有开关型随机脉冲噪声（Random-Valued Impulse Noise,RVIN）降噪算法的降噪性能,提出了一种基于卷积神经网络的非开关型RVIN快速降噪算法（Fast Non-switching RVIN Denoising Algorithm,FNRDA）.首先,利用噪声检测器随机地检测给定噪声图像中少量不同位置处的像素点;然后,将检测为RVIN噪声点的个数除以被检像素点总数转化为噪声比例值;最后,根据噪声比例值调用相应预先训练好的非开关型卷积神经网络降噪模型,快速且高质量地完成图像降噪任务.实验结果表明：所提出的非开关型FNRDA算法在各噪声比例下的综合性能（降噪效果和执行效率）优于经典的开关型RVIN降噪算法,适用于图像恢复、信号检测、无线通讯等实时系统中.     

冲激噪声环境下基于最大相关熵准则的双基地 MIMO雷达目标参数联合估计算法

该文采用最大相关熵准则(MCC)对平行因子分析算法中基于三线性最小二乘(TALS)迭代准则的目标函数进行了修正,推导出适用于脉冲噪声环境的韧性平行因子分析(PARAllel FACtor, PARAFAC)算法(MCC- PARAFAC算法),并将该方法应用于双基地MIMO雷达系统目标参数估计中。MCC-PARAFAC算法能够抑制脉冲噪声的影响,具有较好的估计性能,并且能够实现自动配对。仿真实验验证了算法的有效性。