脉冲噪声下基于广义类相关熵的DOA估计新方法

针对基于分数低阶统计量波达方向估计方法的局限性,受相关熵概念的启发,本文提出广义类相关熵（GCAS）的概念和相应的波达方向估计新方法。计算机仿真结果表明,在Alpha稳定分布噪声环境下,本文提出的基于GCAS的MUSIC波达方向估计方法比基于分数低阶统计量的MUSIC方法在抗噪声特性和多源信号分辨特性等方面具有更好的性能。      

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。      

对称α稳定分布噪声环境下短波衰落信号时延估计的新算法

脉冲噪声环境下信号时延估计是信号处理领域十分活跃的研究方向。在对称α稳定分布噪声环境下,文章提出了一种基于非线性压缩核函数（NCCF）的短波衰落信号的时延估计算法。该算法采用非线性压缩核函数抑制了对称α稳定分布噪声的脉冲拖尾,同时较好保持了目标信号之间的互相关特性,从而保证了信号时延估计的准确性。同以往算法相比,本算法不仅降低了计算复杂度,而且对于衰落信号的时延估计具有更强的稳定性。理论证明和仿真结果均表明,该算法比GCC、FLOC、GCF和非线性变换等算法具有更好的时延估计有效性和准确度。      

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.     

一种Alpha稳定分布噪声下的体积目标长度估计方法

为了解决Alpha稳定分布噪声环境下运动舰船目标的长度估计问题,该文借鉴非线性变换抑制脉冲噪声以及多普勒目标运动特性估计思想,提出基于广义时频分析(G-TFA)和最小二乘估计的运动目标长度估计方法。该方法首先利用G-TFA获取Alpha稳定分布噪声环境下运动目标的多普勒频率,然后利用最小二乘方法估计出目标航速和不同位置的横正时刻,最后利用上述估计结果计算目标长度。以广义Winger-Ville分布(G-WVD)为例,从理论上推导了G-TFA在Alpha稳定分布噪声环境下具有提取目标多普勒特征的能力,并通过仿真实验验证了该算法在中低混合信噪比下的稳健性。与现有算法相比,该文所提算法不需要估计噪声特征指数,算法性能优于基于传统时频分析的估计方法。     

有色噪声中一维谐波频率估计的稳健迭代算法

本文通过构造基于观测信号的统计量,采用三步迭代（TSI）算法来估计乘性和加性有色噪声中一维谐波信号频率参数,得到了最终估计量的渐近分布,证明了估计的一致性。TSI算法通过引入周期图估计作为初估计,从谐波模型内在特性出发构造统计量,采用迭代方式逐步提高初估计精度,仅需三次迭代就能达到加性噪声情形下最小二乘估计（LSE）的关于样本的收敛速度。由于只需要三次迭代就可以达到收敛,所以算法的计算量比较少。另外相比较传统的迭代算法而言,TSI算法能保证每次迭代后都能够提高估计的精度,从而克服了传统的迭代算法收敛不够稳定不足。仿真实验证实了估计的一致性以及估计的渐近分布,而且在较大噪声情形下该迭代算法依然可行。最后,由于TSI算法具备小的计算量以及高的估计精度,因而十分适合作为一维谐波参数估计的在线算法。      

冲击噪声背景下双基地MIMO 雷达目标角度估计方法

实际工作环境中雷达经常会受到琢稳态分布冲击噪声的影响,使得大量高斯噪声背景下基于二阶或更高阶累积量的角度估计算法性能急剧下降。文中提出了一种基于FLOM-ESPRIT算法的双基地MIMO雷达收发角度估计方法,算法通过利用匹配滤波后数据构造分数低阶协方差矩阵实现对冲击噪声的有效抑制,弥补了传统的二阶或四阶统计模型及相应的处理算法不适用于冲击噪声环境的缺陷,增强了信号子空间估计算法的稳健性,并且无需计算量繁杂的二维谱峰搜索。     

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。      

一种对称α稳定噪声中的DOA估计新方法

本文研究了对称α稳定(SαS)噪声环境中窄带信号源的DOA估计问题。SαS过程能很好地描述许多具有冲激特性的信号和噪声,但其二阶和高阶统计量不存在。利用SαS过程的性质,提出了一种基于数据矩阵加权的子空间类DOA估计新方法。该方法与分数低阶矩法作了比较,仿真结果显示了所给算法的优越性。     

Alpha稳定分布噪声下时频重叠信号的载波频率估计方法

针对Alpha稳定噪声下时频重叠信号载波频率估计困难的问题,该文提出一种Alpha稳定噪声下时频重叠信号的载波频率估计方法。该方法首先提出时频重叠信号的广义四阶循环累积量的定义,然后检测离散谱线所对应的广义四阶循环累积量幅度谱的循环频率,进而估计出各个信号分量的载波频率,最后进行渐近性的理论分析,证明了该估计方法是渐近无偏和一致的。仿真结果表明,在Alpha稳定分布噪声下,该方法具有良好的估计性能和稳健性。     

时变混合共轭梯度盲提取算法

针对传统独立分量分析(ICA)方法对时变信道跟踪能力较差的问题,提出了一种时变混合共轭梯度盲提取算法。该算法有效利用了各源信号的时序结构差异,仅利用其二阶统计量解决了具有不同功率谱密度的信号的分离,而无须估计信号的概率密度和计算高阶累积量,减少了运算的复杂度并可用于杂系信号混合的盲分离问题;同时,算法利用仅具有一个全局最优解的凸代价函数,采用计算简单并具有较好数值表现的自适应共轭梯度算法进行迭代,获得了更快的收敛速度和更好的稳定性能。仿真结果表明,该算法与传统ICA算法相比,具有对时变系统更好的跟踪能力。      

Blind identification and equalization based on second-orderstatistics: a time domain approach

A new blind channel identification and equalization method is proposed that exploits the cyclostationarity of oversampled communication signals to achieve identification and equalization of possibly nonminimum phase (multipath) channels without using training signals. Unlike most adaptive blind equalization methods for which the convergence properties are often problematic, the channel estimation algorithm proposed here is asymptotically ex-set. Moreover, since it is based on second-order statistics, the new approach may achieve equalization with fewer symbols than most techniques based only on higher-order statistics. Simulations have demonstrated promising performance of the proposed algorithm for the blind equalization of a three-ray multipath channel     

一种新的瞬时混迭信号盲分离的自适应方法

本文利用源信号的统计独立特性，推导出一种瞬时混迭信号分离的自适应方法，这种方法将预白化和正交化合二为一，仅利用观测数据迭代更新分离阵参数。计算机仿真实验结果表明，该方法是有效的，可以较精确分离线性混迭的信号。     

基于二阶统计量盲源分离算法的无源雷达同频干扰抑制研究

针对基于长期演进(LTE)信号的无源雷达存在同频基站干扰的问题,该文提出一种基于2阶统计量的盲源分离算法,该算法是在卷积混合模型下,通过多通道最小均方(LMS)算法实现分离信号之间的相关性最小。由于各发射基站信号之间统计不相关,当分离信号之间的相关性达到最小时,完成观测信号的分离。在此基础上,改进了传统无源雷达信号处理的流程,增加了分离同频干扰基站直达波和多径杂波的步骤,实现了对同频干扰基站杂波的抑制。通过仿真分析,验证了算法的有效性,为基于LTE信号的无源雷达数据处理提供了参考。     

Expectation?maximisation approach to blind source separation of nonlinear convolutive mixture

A novel learning algorithm for blind source separation of post-nonlinear convolutive mixtures is proposed. The proposed mixture model characterises both convolutive mixture and post-nonlinear distortions of the sources. A novel iterative technique based on a maximum likelihood approach is developed where the expectation-maximisation (EM) algorithm is generalised to estimate the parameters in the proposed model. In the E-step of the proposed framework, sufficient statistics of the posterior distribution of the source signals are estimated while the model parameters are optimised through these statistics in the M-step. The post-nonlinear distortions, however, render these statistics difficult to express in a closed form, and hence, this causes intractability in the M-step. A computationally efficient algorithm is further proposed to facilitate the E-step tractable and the self-updated multilayer perceptron is developed in the M-step to estimate the nonlinearity. The theoretical foundation of the proposed solution has been rigorously developed and discussed in detail. Both simulations and real-time speech signals have been used to verify the success and efficacy of the proposed algorithm. Remarkable improvement has been obtained when compared with the existing algorithm.     

基于分数低阶统计量的空域-模糊域DOA估计算法

该文提出一种非高斯SS噪声背景下非平稳信号的DOA估计算法。算法首先定义基于分数低阶统计量的空间模糊函数,利用信号在模糊域中的不同特征将信号分离;然后对不同的信号,选择信号模糊函数对应的模糊点的平均进行子空间分析;最后利用MUSIC算法实现DOA的估计。与基于分数低阶统计量的空域处理方法相比,该文提出的算法利用了信号在模糊域中的信息,提高了算法的估计精度。计算机仿真证明了算法的有效性。     

基于循环平稳分析的MPSK信号调制分类

提出了一种新的MPSK信号调制分类算法。通过对预处理后的MPSK信号进行循环平稳分析,把利用高阶累积量对复基带MPSK信号的调制分类推广到已调信号。由于高阶循环统计量具有抗平稳噪声的能力,从而在高阶循环累积量域构成了分类特征不变量。这种分类算法无需知道信号参数的先验信息,理论分析和实验结果证实了分类算法的有效性。     

Blind recognition of STBC-OFDM signals based on modified K-S test

Aiming at the problem that existed blind classification of STBC-OFDM in multiple input single output (MISO) communication system,an efficient method for blind classification of space-time block coded orthogonal frequency-division multiplexing (STBC-OFDM) signals based on modified Kolmogorov-Smirnov (K-S) test was proposed,when a single receiver antenna was employed at the receiver.Firstly,the model of received STBC-OFDM signals in MISO systems was given.Secondly,with the correlation of the coding matrix of STBC-OFDM signals,and the discrimination features function provided by the empirical cumulative distribution (CDFs) of the received OFDM blocks was constructed.Finally,the distance between CDFs was tested by the two-sample K-S test,which could blindly classify the STBC-OFDM signals.The proposed algorithm didn't need the estimation of channel,noise statistics and modulation type,and consequently,was well suited for non-cooperative communication context.Theoretical analysis and experimental verify its validity.     

基于高阶统计量的对称分布信号检测

本文研究高斯噪声中具有对称分布的随机信号检测问题,提出了一种基于偶数阶高阶统计量的信号检测方 法。该方法利用高阶累积量估计的渐近正态性,采用随机变量Taylor展开的方法估计高阶累积量估计的方差,再对偶数阶 的高阶累积量进行归一化处理,将信号的检测转化为一般的X2检验问题,并通过仿真实验以广义高斯褶积信号为例对其 检测性能进行分析。