低信噪比下的直扩信号检测和多参数估计方法

直扩信号具有较低的功率谱密度,淹没在背景噪声中,信号侦察难度大.根据四阶矩一维切片可以有效地抑制高斯白噪声和充分包含直扩信号的载波、伪码信息这一特性,提出了一种基于四阶矩一维切片的直扩信号检测和多参数估计方法.该方法不需要任何先验信息,不仅能够检测直扩信号,还能同时估计载波频率、伪码周期和伪码速率等参数.仿真结果表明,这种方法可以在低信噪比下工作,具有一定的实用价值.     

MBE声码器的基音估计研究

主要对NBE声码器了研究，简单介绍了MCIBE编解码算法的基本原理。NBE编码基于3个参数(基音周期、谱包络参数、以及每个频带的U／V判决信息)的提取，其中基音周期的估计准确性将直接影响到语音的合成质量；文中重点分析了基音估计部分；考虑到在实际应用中可能会出现的基音错锁问题，提出了一种改进的基音估计算法。改进算法不但可以省略基音平滑这一过程，简化了整个算法过程；而且改善了基音周期的帧间连续性，并提高了语音合成的自然度。     

基于负熵和智能优化算法的盲源分离方法

针对混合蛙跳算法(SFLA)更新策略会陷入局部最优、降低收敛速度的问题,提出一种自适应阈值更新策略。根据盲源分离中常用峭度和负熵作为非高斯性的度量,但峭度对野值敏感,影响算法性能,研究一种基于负熵准则的采用粒子群优化(PSO)算法和混合蛙跳算法的盲源分离方法。仿真结果表明,基于负熵的盲分离算法性能优于基于峭度的盲分离算法,基于SFLA的盲分离算法性能优于基于PSO的盲分离算法。     

几种信号调制样式识别方法的分析与比较

信号调制样式的识别是近年来信号处理领域研究的热点问题，其中对于统计量方法的研究更为集中。通过对信号调制样式识别的统计量方法，包括基于信号时频域瞬时参数的算法、谱相关算法的仿真与比较，这里提出一种将瞬时幅度的统计信息与频点个数相结合的新算法，将谱估计方法应用到这一领域。试验表明，这种新算法具有很好的识别效果，在信噪比不低于10dB的情况下，正确识别率可以达到90％以上。     

基于前向平均和时域滤波的OFDM信道估计算法

为减少系统中噪声对信道估计的影响,提出了一种基于抑制噪声的信道估计方法.首先对几个连续0FDM信号相同导频位置的信道频率响应前向平均后线性插值,得到所有子载波的信道估计值;然后在时域利用滑行相关系数估计出的时延进行时域滤波.该方法通过在频域和时域的两次减噪,提高了信道估计的精确性,尤其是所提出的前向平均法适用于快衰落信道.仿真结果表明,该方法可将OFDM系统的误码率性能提高4～5 dB.     

调制样式BP神经网络分类器

给出从信号幅度、相位、频率及功率谱等特性中提取的五种特征参数的定义，详细研究了应用这5种参数识别CW、AM、SSB、FM、2FSK、2PSK、NOISE信号的BP神经网络分类器。该分类器采用Levenberg-arquardt神经网络学习算法，隐含层采用log-sigmoid函数为激励函数，输出层采用tan—sigmoid函数为激励函数，隐含层的神经元个数取l0个。并给出了具体的仿真结果。     

基于高阶累积量的正交空时分组码盲识别

针对多输入多输出(Multiple-Input-Multiple-Output,MIMO)系统中的空时码盲识别问题,提出一种基于高阶累积量的正交空时分组码(Orthogonal Space-Time Block Code,OSTBC)盲识别方法.推导给出了接收信号的两种高阶累积量公式,该高阶累积量包含发射信号信息,由此提出识别OSTBC信号的两个特征参数;利用MIMO信道估计得到空间信道矩阵,并提出了两种特征参数的估计方法;最后,利用最小距离准则实现对OSTBC信号的分类识别.仿真结果表明:所提出方法的正确识别率高于已有的识别方法,具有良好的识别性能.     

分布式的1 bit压缩频谱感知算法

由于频谱感知中信道稀疏度动态变化,导致分布式频谱感知网络中节点间信息传输频繁,消耗感知网络通信带宽。为了缓解网络通信带宽压力,提出分布式的1 bit压缩频谱感知算法。各节点对感知数据进行压缩采样并1 bit量化,然后融合节点采用JSM-2模型对数据进行融合,最后通过BIHT算法重构信号频谱,实现频谱感知。仿真结果表明,在低信噪比和较少的采样数目下,分布式的1 bit压缩频谱感知算法能具有较好的频谱检测性能,是一种可实用的频谱感知方法。     

稀疏度自适应的宽带压缩频谱感知方法

针对基于压缩感知的传统频谱感知方法通常假设稀疏度已知,而实际频谱感知中信道稀疏度是未知且时变的这一问题,提出一种稀疏度自适应的宽带频谱感知算法。首先采用分布式压缩感知和RIP性质预估计稀疏度,然后通过置信系数更新估计得到频谱支撑集,即主用户正在使用的频谱。仿真结果表明,在低信噪比条件下,本方法的检测概率高于稀疏度已知的频谱感知方法,而仅损失极少的频谱利用率,且计算复杂度低。