基于周期宽带参考信号的直接定位方法

定位系统的模型误差是制约定位精度提高的最主要因素之一。目前大多数定位系统都采用参数标定或者参数差分的方法降低模型误差对定位精度的影响。本文针对辐射源的多星定位应用,采用低信噪比的周期宽带信号作为参考信号,对定位系统的模型误差进行校准。校准过程建立了模型误差参数直接估计模型和辐射源位置直接估计模型。模型误差直接估计模型中,建立起接收参考信号波形与模型误差参数之间的关系,运用最大似然方法获得超分辨率的模型误差参数估计。辐射源位置直接估计模型中,建立起模型误差参数、未知辐射源位置与接收未知信号波形之间的关系,直接估计出辐射源的位置。针对参考信号带宽大,周期长,信噪比低,导致模型误差参数估计计算复杂度大的问题,利用参考信号的周期特性对参考信号进行能量累积和分步搜索方法逐级引导,提高了系统参数估计速度和精度。最后给出一个仿真算例说明方法的有效性。      

一种基于EM算法的快速收敛参数估计方法

将EM算法用于参数估计中,提出了一种在EM算法迭代中使用符号后验概率修正先验概率的快速收敛参数估计方法。通过分析参数估计的CRB与EM算法收敛速率的关系,指出通过降低参数估计的CRB可以提高EM算法的收敛速率。证明了修正之后的算法能加速算法收敛的机理,即降低了缺失数据的熵;同时证明了修正后的算法仍然收敛到修正前的似然函数。最后以载波相位估计为例与传统基于EM算法的相位估计方法进行比较,仿真结果表明,在不影响估计性能的前提下,算法收敛速率明显加快。     

估值合成的时延对准算法

时延对准问题一直是多天线信号合成系统中的一个重要问题,为了解决在低信噪比条件下时延对准性能差的问题,提出了一种基于估值合成的时延对准算法。该算法以各路信号时延的加权和作为固定参考中心,利用两两时差之间的相关性,对两两时差估计值进行加权合并,有效提高了时延对准性能。并从理论上分析了该算法的性能,理论分析及仿真实验均表明,随着天线数目的增加,算法性能逐渐提高,且在低信噪比条件下提升尤为明显。另外,本文提出算法的时延性能优于基于准合成参考的时延对准算法。      

一种基于数字AGC的定点字长控制算法研究与实现

对数字信号处理中定点计算字长保留问题进行了研究.首先分析了定点计算中截短量化噪声、保留字长与信噪比损失的关系;而后针对信号定点处理中的多次字长截短问题,给出一种基于数字AGC的字长截短控制算法,并在FPGA硬件平台上对算法进行了验证.理论分析和验证结果表明,该算法能够适应输入信号的变化,保证处理流程中的有效量化位数与量化信噪比.     

一种灵活高效的分数延迟数字滤波器

一般拉格朗日内插采用直接的FIR滤波器实现,虽然简单,但系数随延迟变化而变化,实现不灵活。对此提出一种更为灵活高效的实现结构：Farrow滤波器结构。Farrow滤波器结构及其对称的改进Farrow滤波器结构,不仅可应对变化的分数延迟,而且大大减少运算,提高运行效率。采用TMS320C64X芯片对拉格朗日内插的4种实现方式进行定点设计,实验结果表明：利用Farrow或改进Farrow滤波器结构实现分数延迟滤波器,不仅节约存储空间,而且容易使用软件流水,比FIR直接实现更能提高运算效率。     

基于定时信息加权的时差估计方法研究

时差估计问题作为参数提取问题的重要组成部分,一直是信号处理领域研究的热点。针对两路信号模型下的时差估计问题展开研究,利用数字通信信号所具有的逐符号信息传输的特点,提出一种基于定时信息加权的时差估计方法。通过对信号定时信息提取和广义互相关处理构建关于时差估计的信号模型,最终给出时差估计的最小二乘解。仿真结果表明,该算法较经典的广义互相关法具有更好的估计性能,其性能改善在低信噪比下尤为明显。     

基于空域稀疏性的自适应频谱检测算法

现有的频谱检测算法没有充分利用信号在角度维的稀疏性质。该文根据角度维的稀疏特性建立信号模型,通过稀疏贝叶斯学习(Sparse Bayesian Learning, SBL)算法解决稀疏信号的重构问题,并在迭代过程中引入二元假设检验思想,推导出一种自适应门限的选取策略,把传统的重构算法转化为一个针对不同来波方向的信号检测问题。该算法能够在恒虚警概率下对多信号进行全盲检测,同时实现信号来波方向的精确估计。实验结果证明,自适应判决方法能够有效地提高稀疏重构算法的重构精度,降低运算复杂度,参数估计精度和信号检测性能相比于现有算法得到明显的提升。     

稀疏信道下基于稀疏贝叶斯学习的精简星座盲均衡算法

针对稀疏信道的盲均衡问题,在精简星座均衡算法框架下建立线性模型,利用稀疏信道下均衡器固有的稀疏特性,引入具有稀疏促进作用的先验分布对均衡器系数加以约束,使用稀疏贝叶斯学习方法迭代求解均衡器系数得到最大后验估计值。该文提出的均衡方法属于数据复用类均衡算法的范畴,能够适用于数据较短的应用场合。与随机梯度方法相比,算法性能受均衡器长度影响较小,收敛后误符号率性能更好,仿真实验验证了算法的有效性。     

基于EM-SBL迭代的稀疏SIMO信道频域盲均衡算法

针对单输入多输出系统下稀疏信道均衡问题,提出了一种新的基于最大似然准则的频域迭代均衡算法.首先将多天线联合均衡问题建模为非完整观测数据集下频域信号序列的最大似然估计问题,利用期望最大化算法进行近似迭代求解,最终得到各个单频信号加权求和形式的均衡输出表达式.在每次迭代过程中,算法依次完成均衡输出的更新和信道参数联合条件后验分布的更新.考虑到信道固有的稀疏特性,在求解信道参数联合条件后验时,引入具有稀疏促进作用的先验分布对信道系数加以约束,使用稀疏贝叶斯学习迭代求解信道参数联合条件后验.仿真结果表明,本文算法具有较好的收敛特性和稳态性能,在中高信噪比条件下可以获得接近信道已知条件下的稳态系统误符号率性能.