冲击噪声背景下的动态DOA跟踪

针对冲击噪声背景下的动态DOA估计问题,提出了一种锁定跟踪思想及其实现公式,并对粒子群算法进行改进,研究了基于最大似然算法的动态DOA估计方法。该方法在避免分数低阶矩矩阵重复分解的同时,有效降低了多维搜索的计算量,并且具有良好的跟踪性能。仿真实验结果表明该方法的有效性。     

文化算法的最大似然测向方法研究

针对最大似然(ML)方位估计全局寻优问题提出一种将文化算法用于方位估计的算法,并给出该算法的2个实现版本,即CA-version1利用规范知识调整变量变化步长,形势知识调整其变化方向;CA-version2利用规范知识调整变量变化步长及变化方向.文化算法所具有的双层结构特性,使其在问题求解过程中能够利用经验知识来指导搜索过程,从而具有较好的全局寻优性能.仿真结果表明该方法在获得与AP算法相当性能的情况下有更低的计算量.同时作为一个多进化过程的算法其结构易于并行实现,可以进一步满足实时性的要求.     

MIMO系统联合参数估计

针对多输入多输出系统的联合频偏信道估计问题,考虑了更一般的模型(每一根发送天线到每一根接收天线之间的频偏是不同的),研究了频偏和信道的最大似然估计,分析表明该估计问题包含一个多维搜索过程.为了解决上述复杂的估计问题,提出了一种联合频偏信道估计新方法,首先根据粒子群优化理论估计出多个发射天线到某一接收天线的频偏,然后再利用最大似然估计器对信道增益进行估计.仿真结果表明,与基于相关的估计算法相比,所提出的算法有更大的频偏估计范围,且估计值的均方误差渐近达到Cramer-Rao下界.     

适用于目标跟踪的加权增量子空间学习算法

为了克服目标物外观变化给跟踪造成的困难,提出一种基于加权增量子空间学习的目标跟踪算法.该算法构造了一个可在线更新的子空间作为视频中目标物的外观模型,根据概率转移模型预测得到一组图像样本作为目标物在当前帧中可能出现的图像区域;然后将图像样本投影到该低维子空间中估计每个图像样本为目标图像区域的似然度,以具有最高似然度的样本作为目标在当前帧中的图像区域,通过加权增量的方式调整子空间.实验结果表明：相比基于其他增量子空间学习的跟踪算法,该算法能够稳定、准确地对运动目标进行跟踪.     

基于秩亏损的近场源定位快速算法

为避免近场源参数估计中的搜索计算,提出了一种改进的Root-MUSIC算法.该算法把阵列分成两个对称的子阵,并利用两个子阵信号子空间的广义旋转关系得到信号源角度的估计,然后利用估计出的角度和GESPRIT方法给出距离的估计.该方法在低信噪比下性能优越,能完成参数的自动匹配,且无需谱峰搜索计算复杂度低.仿真结果表明了此算法的有效性.     

结合二阶负反馈环路的OFDM频率同步算法

研究了一种正交频分复用系统中的频率同步环路。针对现有的最大似然频率同步算法频偏估计不够精确,频偏估计范围较小的缺点,提出了一种新算法。该算法利用二阶负反馈环路,结合最大似然算法联合进行频偏估计与补偿。分析结果和计算机仿真结果表明,新算法克服了最大似然算法的不足,能进行精确的频偏估计并有较大的频偏估计范围。     

基于信赖域法的同频混合QPSK信号时延估计算法

提出了一种基于信赖域思想的混合信号最大似然时延估计算法。该算法利用信赖域算法的快速收敛性和准确性,弥补最大似然时延估计算法中网格搜索法的不足,从而实现同频混合信号时延的快速精确估计。仿真结果表明,对于两路同频混合QPSK信号,算法性能较最大似然时延估计算法提升约两个数量级,在信噪比≥20dB时该算法性能几乎不再提升,并且当初始迭代点越接近似然函数极值点时,算法的复杂度越低,时延估计的归一化均方误差也相对较小。     

基于最大似然估计的一种新的信号处理方法

现代数字信号处理中的估计理论是一个重要的研究课题,为了在信号的估计中总能得到估计 量,大量的估计都采用了最大似然估计,但是最大似然估计在处理含有随机噪声的信号时需要 大量的观测数据.提出了一种基于最大似然估计的新的信号处理方法,采用最小二乘移位算 法对信号进行分阶段滑动的计算,获得含有噪声的一簇数据,并对其进行最大似然估计,减少 了需要观测数据的数据量和试验次数,并对估计结果的期望值、方差和误差在数据曲线上的 分布进行了分析.仿真结果表明,该方法可以使估计信号渐进趋近于精确值,为信号消噪提供了有效的方法和途径.     

基于OSIC的低复杂度MIMO检测算法

该文提出一种基于OSIC的低复杂度MIMO检测算法,即以OSIC检测数据作为起始点,分别使用最大似然准则和修正的最大似然准则搜索星座子空间.仿真结果表明,新的检测算法相比较OSIC算法在增加少量计算复杂度的情况下性能有较大的改善.     

快速单边补偿逼近幂迭代子空间跟踪

针对子空间估计与跟踪问题,在快速逼近幂迭代子空间跟踪算法的基础上,得到了一种计算复杂度更低的快速子空间跟踪算法——快速单边补偿逼近幂迭代子空间跟踪算法.该算法采用与Badeau等人不同的逼近方式,简化了互相关矩阵的迭代计算,从而达到降低计算复杂度的目的.实验结果表明:该算法的最大主角性能远远优于PAST子空间跟踪算法,与FAPI和OPAST子空间跟踪算法相当;在正交误差度方面,其正交误差度优于FAPI子空间跟踪算法,远远优于PAST子空间跟踪算法.