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。     

基于最大相关熵准则的恒模盲均衡算法

针对恒模算法(constant modulus algorithm, CMA)在脉冲噪声环境下性能退化的问题,本文基于最大相关熵准则(maximum correntropy criterion, MCC)对恒模算法中基于最小均方误差(mean square error, MSE)准则的代价函数进行修正,推导出适用于脉冲噪声环境的基于MCC准则的恒模盲均衡算法(MCC_CMA)。该算法利用通信信号的恒模特性,首先得到发送信号与均衡器输出信号模值的误差信号,再通过使模值误差信号的相关熵最大来获得其迭代误差调节项,避免了传统高阶统计量算法在脉冲噪声环境下性能退化的问题。对高斯噪声以及α-稳定分布和混合高斯分布两种脉冲噪声环境下的信道均衡问题的仿真实验表明,相对于经典的自适应恒模盲均衡算法,MCC_CMA算法不依赖噪声的先验知识就能获得较快的收敛速度、较低的剩余码间干扰和误码率,并且在不同脉冲强度的脉冲噪声环境下都能够得到较好的均衡结果,表明MCC_CMA算法具有很好的鲁棒性。      

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。     

MATLAB中几种功率谱估计函数的比较分析与选择

功率谱估计是一种重要的频谱分析方法,通过分析比较MATLAB中几种常见的功率谱估计函数。从而选择最佳的频谱估计函数,减小实际的信号频谱分析误差。设计了仿真信号,并采用MATLAB中几种功率谱估计函数进行频谱估计;从频谱图出发,比较分析了谱估计结果,指出函数pwelch计算的功率谱估计在从宽带噪声中检测窄带信号应用过程中效果最好,对信号的频谱分析具有实际的应用价值。     

低采样率高分辨率压缩功率谱估计方法的仿真研究

低采样率的宽带功率谱估计在很多领域具有应用价值.采用压缩多核采样结构得到信号的压缩测量值, 然后建立测量值相关函数与信号相关函数之间的关系, 用最小二乘法实现相关函数估计, 最后实现功率谱的估计.该压缩采样方法的等效采样率为M/N·f_s, 可在没有任何对时域或频域稀疏性的假设条件下降低采样率.仿真分析表明, 该方法的系统噪声与加性噪声性能比周期图法略有降低, 但只要系统设计合理, 对于一定信噪比的信号, 系统噪声与加性噪声基本可以忽略, 并给出了对应的理论分析.估计分辨率与周期图法相比, 等效长度相同时略有提高; 由于本文方法降低了测量值的数目, 对于一定长度的数据来说, 估计分辨率得到了极大的提高.本文方法适用于低信噪比信号的低采样率高分辨率功率谱估计.     

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。     

改进的基于语音存在概率的噪声功率谱估计算法

噪声功率谱估计是语音增强算法中的关键技术之一.针对在非平稳噪声环境下噪声功率谱估计不够准确的问题,采用了基于后验语音存在概率的噪声功率谱估计算法,并对其中的语音存在概率估计算法进行了改进.利用语音信号的短时平稳性,在时域和频域上利用相邻帧和相邻频点的相关性估计当前帧的语音存在概率.仿真结果表明,该算法与原始算法及改进的最小值控制递归平均噪声估计(IMCRA)算法相比,能够有效提升非稳态噪声环境下噪声功率谱估计准确度和语音增强效果.     

广义复相关熵与相干分布式非圆信号DOA估计

针对相干分布式非圆信号参数估计算法在脉冲噪声环境下性能退化的问题,本文提出了广义复相关熵的概念,并给出了基于广义复相关熵的相干分布式非圆信号DOA（Direction of Arrival）估计方法。该算法首先由分布式信源模型获得入射信号的阵列输出信号,利用信号的非圆特性得到扩展阵列输出信号,再通过扩展阵列输出信号的广义复相关熵矩阵获取信号子空间,避开了传统二阶统计量算法在脉冲噪声下不适应的问题,最后由信号子空间旋转不变特性得到信号的中心波达方向角度。仿真实验结果表明,在Alpha稳定分布噪声条件下,与传统算法相比,本文所提算法具有更好的性能。      

Chrestenson最大熵谱估计的计算

本文研究p-平稳随机序列在Chrestenson变换意义下的功率谱密度及其最大熵谱估计的计算。得到了功率谱密度函数与熵率的关系式及最大熵谱估计的正规方程。在采样数据个数为p~m的情况下,最大熵谱估计可直接由已知的有限自相关数据表示。这些结果与Fourier意义下的最大熵谱估计有很大的不同。     

采用复高斯分布模型的两步噪声幅度谱估计算法

噪声幅度谱估计是有效抑制外界噪声干扰、提高语音增强算法整体输出性能的重要环节。但目前针对该问题的研究相对较少,常用的语音激活检测算法只能在语音不存在阶段对噪声信号的幅度谱进行更新或估计,无法适用于更为复杂的非平稳噪声环境。为克服这一问题,本文基于噪声频谱的复高斯分布模型假设,提出了新型的两步噪声幅度谱估计算法。算法首先采用软判决技术计算噪声信号的功率谱,然后再结合复高斯分布条件下信号幅度谱和功率谱之间的数学关系间接地获取噪声幅度谱的估计。文中基于这一结论给出了两种估计算法,并在多种噪声环境下对它们的性能进行了仿真评估,其测试结果有效表明了提出算法优良的估计性能。      

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...     

脉冲噪声下基于中值离差相关熵的DOA估计方法

作为阵列信号处理的一个基本问题,波达方向估计在现代通信领域有着广泛的应用。常规估计方法通常基于高斯噪声假设。 而当阵列接收数据包含 Alpha 稳定分布脉冲噪声时算法将完全失效。针对 Alpha 稳定分布噪声下的波达方向估计问题,本文定义了一种改进的相关熵算子——中值离差相关熵,并从理论上证明了它的有界性。 以此为基础结合 MUSIC 算法提出了一种波达方向估计新方法。该方法不需要噪声先验知识,且在脉冲噪声环境中具有鲁棒性。仿真实验表明, 即使在短快拍、强脉冲噪声的恶劣环境下,本文方法依然具有良好的性能。      

Novel method based on fractional lower-order correntropy-analogous statistics for parameter jointly estimation in bistatic MIMO radar

According to the performance degradation problem of parameter estimation algorithm in the Alpha stable dis-tribution noise, inspired by the concept of correntropy, a new class of statistics, namely, the fractional lower-order cor-rentropy-analogous statistics (FCAS) was proposed. By employing the fractional lower-order correntropy-analogous sta-tistics based cost function in parallel factor (PARAFAC), the FCAS-PARAFAC algorithm was deduced which can be utilized for the parallel factor under impulsive noise environments. The FCAS-PARAFAC algorithm was applied to pa-rameter estimation in bistatic MIMO radar under impulsive noise environment. The proposed method can suppress the impulse noise interference and has better estimation performance. Furthermore, the estimated parameters are automati-cally paired without the additional pairing method. Simulation results are presented to verify the effectiveness of the pro-posed method.     

对称稳定分布噪声下基于广义相关熵的DOA估计新方法

针对稳定随机变量有限二阶矩不存在的特点,该文定义了一种新的广义相关熵,并从理论上证明了对称稳定分布随机变量广义相关熵的有界性。此外,提出了一种稳定分布噪声下基于最小广义相关熵准则的DOA估计新方法,给出了一种迭代优化算法并通过仿真实验分析了算法的收敛性。仿真结果表明,与现有基于分数低阶矩的FLOM-MUSIC、基于类相关熵的CRCO-MUSIC以及基于lp范数的ACO-MUSIC算法相比,所提方法可以获得更好的估计结果,尤其是在高脉冲性噪声环境下具有更加明显的优势。     

Parameter estimation based on fractional power spectrum under alpha-stable distribution noise environment in wideband bistatic MIMO radar system

This paper takes the alpha-stable distribution as the noise model and works on the parameter estimation problem of wideband bistatic Multiple-Input Multiple-Output (MIMO) radar system in the impulsive noise environment. In many applications, it is not appropriate to approximate the wideband signal by the narrowband model. Furthermore, the echo signal may be corrupted by the non-Gaussian noise. The conventional algorithms degenerate severely in the impulsive noise environment. Thus, this paper proposes a new wideband signal model and a novel method in wideband bistatic MIMO radar system. It combines the fractional lower order statistics and fractional power spectrum, for suppressing the impulse noise and estimating parameters of the target. Firstly, a new signal array model is proposed under the alpha-stable distribution noise model. Secondly, Doppler stretch and time delay are jointly estimated by peak searching of the FLOS-FPSD. Furthermore, two modified algorithms are proposed for the estimation of the direction-of-departure and direction-of-arrival, including the fractional power spectrum density based on MUSIC algorithm (FLOS-FPSD-MUSIC) and the fractional lower-order ambiguity function based on ESPRIT algorithm (FLOS-FPSD-ESPRIT). Simulation results are presented to verity the effectiveness of the proposed method.     

Parameter Estimation Based on Fractional Power Spectrum Density in Bistatic MIMO Radar System Under Impulsive Noise Environment

This paper takes an Alpha-stable distribution as the noise model to solve the parameter estimation problem of bistatic multiple-input multiple-output (MIMO) radar system in the impulsive noise environment. For a moving target, its echo often contains a time-varying Doppler frequency. Furthermore, the echo signal may be corrupted by a non-Gaussian noise. It causes the conventional algorithms and signal models degenerating severely in this case. Thus, this paper proposes a new signal model and a novel method for parameter estimation in bistatic MIMO radar system in the impulsive noise environment. It combines the fractional lower-order statistics (FLOS) and fractional power spectrum density (FPSD), for suppressing the impulse noise and estimating parameters of the target in fractional Fourier transform domain. Firstly, a new signal array model is constructed based on the \(\alpha \)-stable distribution model. Secondly, Doppler parameters are jointly estimated by peak searching of the FLOS–FPSD. Furthermore, two modified algorithms are proposed for the estimation of direction-of-departure and direction-of-arrival (DOA), including the fractional power spectrum density based on MUSIC algorithm (FLOS–FPSD–MUSIC) and the fractional lower-order ambiguity function based on ESPRIT algorithm (FLOS–FPSD–ESPRIT). Simulation results are presented to verity the effectiveness of the proposed method.     

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。     

Correntropy: Properties and Applications in Non-Gaussian Signal Processing

The optimality of second-order statistics depends heavily on the assumption of Gaussianity. In this paper, we elucidate further the probabilistic and geometric meaning of the recently defined correntropy function as a localized similarity measure. A close relationship between correntropy and M-estimation is established. Connections and differences between correntropy and kernel methods are presented. As such correntropy has vastly different properties compared with second-order statistics that can be very useful in non-Gaussian signal processing, especially in the impulsive noise environment. Examples are presented to illustrate the technique.     

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。