基于广义二次互相关的低信噪比信号时延估计

针对时延估计精度受噪声影响,导致时延估计不准确的问题,在现有广义二次相关算法的基础上,提出了一种改进的广义二次相关算法,通过将二次相关函数先做指数运算,降低噪声干扰,再将傅里叶逆变换得到的相关函数做高次方运算,达到锐化峰值提高时延正确率的目的。仿真结果表明,信噪比(SNR)在0~10 dB时,改进算法的均方根误差明显优于广义二次相关算法,正确率相比于广义二次相关算法也显著提高,且在更低SNR的情况下仍然具有一定优势。     

基于功率谱FFT的BPSK信号参数估计

针对低信噪比环境下二相编码(BPSK)信号参数估计的问题,该文提出一种基于功率谱 FFT 的信号参数估计算法.该算法根据信号功率谱傅里叶变换得到的幅度谱和相位谱与各参数之间的关系,实现 BPSK 信号的码元宽度、载频和码长估计.该算法对功率谱继续做傅里叶变换可以进一步消除噪声对估值的影响,更适合在低信噪比环境下实现参数的估计,且计算简单易于实现.仿真试验证明了该算法的准确性和抗噪性,在信噪比为-10 dB时BPSK信号的载频和码元宽度估计正确率分别比循环谱算法提高了9.9%和190.9%.     

基于RLS的二次加权相关时延估计算法

针对测向定位中时延估计的问题,提出了一种基于递推最小二乘（Recursive Least Squares,RLS）算法的二次加权相关时延估计方法。该方法在二次相关算法基础上,一方面引入RLS算法,在二次相关前进行自适应滤波,提高系统抗噪能力,且具有较快的收敛速度;另一方面借鉴广义互相关的思路,引入加权函数,并且采用二次加权方式,提高时延估计的性能。仿真结果表明,在低信噪比环境下,基于RLS的二次加权相关时延估计法使谱峰更加尖锐,抑制了噪声的影响,提高了估计的精度。     

基于频域时延-多普勒二维聚焦的欠采样雷达信号参数估方法

针对欠采样脉冲多普勒雷达信号参数估计中已有方法抗噪性差、顺序参数估计方法中后续参数估计受前面参数估计精度影响严重等问题，该文提出一种基于有限新息率(Finite Rate of Innovation, FRI)采样的频域时延-多普勒2维聚焦(FD2TF)算法。在该算法中，利用FRI采样结构能够以低于奈奎斯特采样频率的速率获得信号的一系列傅里叶系数，通过频域2维聚焦过程能够同时估计时延和多普勒参数，避免了参数顺序估计中误差累积的问题，理论分析证明了该算法能够大幅提升采样信号的信噪比，提高算法抗噪性和鲁棒性。在2维聚焦算法的基础上该文还提出了基于逆傅里叶变换的2维聚焦简化算法，在提高参数估计网格密度的同时，大大减低了2维聚焦算法的计算量。仿真和对比实验结果证明了该方法的有效性和良好的抗噪性。     

基于频域时延-多普勒二维聚焦的欠采样雷达信号参数估方法

针对欠采样脉冲多普勒雷达信号参数估计中已有方法抗噪性差、顺序参数估计方法中后续参数估计受前面参数估计精度影响严重等问题,该文提出一种基于有限新息率(Finite Rate of Innovation,FRI)采样的频域时延-多普勒2维聚焦(FD2TF)算法.在该算法中,利用FRI采样结构能够以低于奈奎斯特采样频率的速率获得信号的一系列傅里叶系数,通过频域2维聚焦过程能够同时估计时延和多普勒参数,避免了参数顺序估计中误差累积的问题,理论分析证明了该算法能够大幅提升采样信号的信噪比,提高算法抗噪性和鲁棒性.在2维聚焦算法的基础上该文还提出了基于逆傅里叶变换的2维聚焦简化算法,在提高参数估计网格密度的同时,大大减低了2维聚焦算法的计算量.仿真和对比实验结果证明了该方法的有效性和良好的抗噪性.     

基于改进二次相关算法的声源定位仿真研究

基于广义相关时延算法的被动声源定位技术,其定位精度随着声源信号信噪比的降低而大幅下降,且易受噪声和混响等因素影响。针对此问题,该文提出了一种改进的二次相关时延算法,该算法引入了最小均方差（LMS）自适应滤波器作为前端处理以获得高质量的信号,并将信噪比作为控制参数对二次相关函数进行高次方运算,使二次相关函数峰值锐化,以提高当前广义二次相关算法的精度和鲁棒性。通过MATLAB进行不同信噪比环境下实验仿真,结果表明,该改进算法在低信噪比环境下能获得更精确的时延估计,进而有效提高了声源定位精度。     

基于Zoom-FFT改进DFT的辐射源信号载频频偏估计

为了研究辐射源的细微特征分析,针对目前主流的几种离散傅里叶变换(DFT)频偏估计算法分析载频频偏精度不够高的问题,提出一种基于细化快速傅里叶变换(Zoo-鄄FFT)的改进DFT算法。该算法先对离散采样的信号采用Candan算法进行粗估计,再将频谱峰值周围的频段进行细化放大,然后利用2N点DFT算法对残余频率精细估计。该算法综合了上述两种算法的优点,能够在适当信噪比环境下达到很好的估计精度。文中以二次雷达信号为研究对象,仿真分析验证了算法的可行性与有效性。     

高抗噪性的SFFT-DT快速捕获算法

针对稀疏快速傅里叶变换(Sparse Fast Fourier Transform,SFFT)并行码相位捕获算法抗噪性能较差的问题,提出了一种新的高抗噪性快速捕获算法.该算法依据伪码相关函数峰值唯一的特点,利用降采样快速傅里叶变换(Downsampling Fast Fourier Transform,DFFT)取代了...     

基于二次相关的时延估计方法研究

针对无源定位中时延估计的问题,在研究二次相关法时延估计的基础上,结合希尔伯特变换,提出了一种新的时延估计方法。该方法对二次相关峰值进行锐化处理,提高了时延估计精度,能在更低信噪比下取得更高的时延估计性能。仿真验证了算法的有效性。     

基于分数傅里叶四阶中心矩的尺度差/时差估计

针对大瞬时宽带线性调频信号的时差/尺度差在低信噪比下估计精度下降和算法运算量大的问题。本文利用时频轴旋转、魏格纳分布和模糊函数的关系推导出分数阶傅里叶四阶中心矩和尺度差的关系式,通过寻找两路信号的分数阶傅里叶四阶中心矩在角度域的位置,即可获得尺度差的估计值。将估计的尺度差对一路信号进行伸缩,并计算伸缩后信号与另一接收信号的时域相关,根据相关峰的位置估计出时差,并对本文算法抗噪性进行定性推导。仿真结果表明,相比于分数阶傅里叶尺度变换时差/尺度差估计算法,本文算法提高了在低信噪比下时差/尺度差估计精度,并对算法抗噪性定量分析得出本文算法抗噪性更好。      

二维虚光栅移相莫尔条纹相位提取算法

目前二维干涉图所采用的相位提取算法大多以傅里叶变换法为主,而傅里叶变换法对噪声比较敏感。虚光栅移相莫尔条纹法具有较高的提取精度,而且抗噪性较好。在一维干涉图的基础上,提出了一种适用于二维干涉图相位提取的二维虚光栅移相莫尔条纹法,该方法通过构造一定相移量的二维虚光栅实现相位提取。与傅里叶变换法对比研究的仿真结果表明:对于同一幅二维干涉图,在干涉图不含噪声的情况下,傅里叶变换法与该方法的相对重构误差分别是5.52%和3.46%;在干涉图含噪声的情况下,随着噪声的增加,该方法在抗噪性方面的优势越来越明显。对二维横向剪切干涉仪零位校准装置所采集到的二维干涉图进行处理,实验结果表明,傅里叶变换法和该方法所得到的测量结果均方根值分别为0.0053λ和0.0037λ(λ=632.8 nm)。     

时分MIMO滑坡雷达稀疏成像算法

针对现用于成像的MIMO山体滑坡雷达均匀线性阵列数目过多、数据处理复杂度高的问题，引入稀疏阵列时分地基MIMO雷达模型，提出一种基于逆傅里叶变换和混合匹配追踪算法的成像方法。首先通过对雷达回波信号作逆傅里叶变换实现距离向压缩，并进行近似相位补偿，然后采用一种基于时延补偿因子稀疏基的压缩感知算法实现方位向压缩。同时针对多目标成像的伪影点问题，方位向数据压缩引入子空间追踪算法和正交匹配追踪算法的结合算法重构出高分辨率且没有伪影的二维图像。根据真实的山体滑坡监测成像场景参数，通过数值仿真验证了该方法能够在低于传统均匀阵列的天线数目情况下实现目标高质量成像，且具有一定的抗噪性。     

基于欠定盲源分离的同步跳频信号网台分选

针对同步跳频(FH)网台分选问题,该文提出一种基于时频域单源点检测的欠定盲源分离(UBSS)分选算法.该算法首先对观测信号时频变换,利用自适应阈值去噪算法消除时频矩阵背景噪声,增加算法抗噪性能,然后根据信号绝对方位差算法进行单源点检测,有效保证单源点的充分稀疏性,并通过改进的模糊值聚类算法完成混合矩阵和2维波达方向估计,降低噪声和样本集分布差异对聚类结果的影响,提高估计精度.最后采用变步长的稀疏自适应子空间追踪(SASP)算法对源信号进行重构恢复.仿真实验表明,该算法在低信噪比(SNR)条件下,跳频信号波达方向估计和恢复精度较高,能够有效完成同步跳频信号的盲分离.     

基于经验模态分解重构的二次相关时延估计

针对低信噪比情况下的时延估计,将二次相关( SC)时延估计与经验模态分解( EMD)算法结合,提出了EMD重构二次相关时延估计方法。该方法针对EMD重构时本征模态函数的选择,将倒谱法和谱减法相结合,提出新的本征模态函数中有用信号主导分量和噪声主导分量的区分方案。研究结果表明：EMD重构二次相关法较传统二次相关法抗噪性能更优,更能锐化二次相关峰值;在非高斯有色噪声和高斯白噪声情况下,分别将准确估计时延的信噪比降低了4 dB和2 dB。     

UWB定位中的自适应时间延迟估计算法

研究了时延估计算法在超宽带(Ultra Wide Band)定位中的应用,其广义相关自适应时间延迟估计算法的收敛速度慢,在低信噪比条件下时间延迟估计精度较低。针对低信噪比条件下的收敛特性,提出一种最大似然加权的广义相关自适应时间延迟估计算法,并进一步提出了改进的基于最大似然(Maximum Likelihood)加权函数的广义互相关时延估计算法。改进的算法采用加窗法和自适应时变干扰删除滤波法,弥补了原算法计算量大及无法消除时变信号干扰的不足。仿真结果表明,改进的算法计算复杂度明显降低,能够有效地消除其他信号干扰,具有较高的时延估计精度和鲁棒性。     

基于FFT的快速高精度正弦信号频率估计算法

提出了一种新的基于FFT的快速高精度正弦信号频率估计算法。通过分析Jacobsen算法和傅里叶系数插值迭代算法的性能,指出Jacobsen算法计算简单,精度不高;傅里叶系数插值迭代算法精度较高,但需要进行两次迭代,每次迭代均需计算两点的FFT系数,计算量较大。结合这两种算法,文中提出一种改进的高精度算法。该算法采用Jacobsen算法作为迭代初值,仅需进行一次迭代就能达到原迭代算法两次迭代的性能。仿真结果表明该算法在FFT信噪比门限以上全频段估计的均方根误差十分接近克拉美罗下限,具有较强的抗噪性能,且计算量较少,易于实时实现。     

UWB定位中的自适应时问延迟估计算法

研究了时延估计算法在超宽带（Ultra Wide Band）定位中的应用,其广义相关自适应时间延迟估计算法的收敛速度慢,在低信噪比条件下时间延迟估计精度较低。针对低信噪比条件下的收敛特性,提出一种最大似然加权的广义相关自适应时间延迟估计算法,并进一步提出了改进的基于最大似然（Maximum Likelihood）加权函数的广义互相关时延估计算法。改进的算法采用加窗法和自适应时变干扰删除滤波法,弥补了原算法计算量大及无法消除时变信号干扰的不足。仿真结果表明,改进的算法计算复杂度明显降低,能够有效地消除其他信号干扰,具有较高的时延估计精度和鲁棒性。     

基于稀疏快速傅里叶变换的光纤F-P传感器腔长解调方法

因光纤法布里-珀罗(F-P)传感器的干涉光信号频谱具有稀疏性,求解腔长时,传统的快速傅里叶变换(FFT)算法需要计算整个频率范围内的频谱成分,计算速度较慢。稀疏快速傅里叶变换(SFFT)算法只需计算干涉光信号的主要频谱成分,通过频谱重排、窗函数滤波、频域降采样,以及循环定位与估值,能快速地计算出信号频谱中K个极大的傅里叶系数,从中找出腔长对应的频率,解调出腔长。该算法结构简单,时间复杂度低。通过分析光纤FP传感器腔长解调系统的实际干涉光信号,验证解调结果的准确性,以及相比FFT算法的高效性。因此,SFFT算法适用于对光纤F-P传感器腔长进行在线实时解调,以实时测量物理量。     

基于广义互相关函数的声波阵列时延估计算法

针对多通道阵列声波信号时延估计问题,提出了一种平均广义互相关函数算法。该算法首先计算相邻通道信号的相位变换广义互相关函数（PHAT—GCC）,然后将多个相位变换广义互相关函数进行平均,再根据峰值位置进行时延估计。试验表明,该算法充分利用了多个通道的信息,优于传统的互相关函数算法。     

改进离散傅里叶变换的协作通信系统信道估计

针对传统协作通信系统信息估计算法存在的不足,利用最小二乘算法和离散傅里叶变换算法的优点,提出一种改进离散傅里叶变换的信道估计算法。首先利用最小二乘算法估计出整体信道频域响应,然后利用离散傅里叶变换算法消除循环前缀长度外的噪声,并根据噪声方差设置一个阈值门限进一步消除循环前缀长度内的噪声,仿真结果表明,改进离散傅里叶变换算法的估计性能比传统离散傅里叶变换信道估计算法更优,具有很好的实用价值。