基于序列判决和相位排序的GLRT最优序列检测算法

为了实现平坦衰落信道中正交调制信号的最优非相干序列检测,提出了一种新的广义似然比检验的最优非相干序列检测算法,对于瑞利衰落信道,算法等价于最大似然非相干序列检测器。首先得到在第n个时隙的关于信息符号xn的判决,并根据判决在给定的相位区间内的改变形成一个判决序列;然后对判决序列发生改变处的相位进行排序,从而识别出对应区间上的目标序列;理论分析结果表明,提出的BFSK最优序列检测可应用于现代射频识别系统中采用FM0信号的最优非相干序列检测。仿真实验结果表明,提出的最优序列检测算法有与传统的ML相干序列检测算法相比拟的误码率/误符号率(BER/SER)性能,与传统的穷举搜索方法相比,大大降低了计算复杂度。     

AWGN信道下RA码译码算法研究

RA(Repeat-Accumulate)码是一种简单但非常重要的TLC(Turbo-Like Codes)码。本文首先介绍了RA码的Tanner图表示。然后重点分析研究并详细推导了RA码在加性高斯白噪声(AWGN)信道上的迭代译码算法。     

一种新型的信号检测神经网络

基于最大似然比检测原理提出了一种新型的概率神经网络信号检测器，其基本思想是将似然函数按Ｇｒａｍ－Ｃｈａｒｌｉｅｒ序列展开，然后根据展开式中高斯分布基函数的构造适合于最大似然比检测的概率神经网络，文中同时还给出了相应的神经网络学习规则和检测器的工作过程。     

混合高斯有色背景下微弱信号的Rao检测仿真研究

不完全描述混合高斯有色背景干扰下幅度未知微弱信号的检测问题是当前声纳、雷达所面临的一大类检测问题的典型描述.Rao检测器是可胜任这类任务的一种渐近最佳检测器,具有检测性能高、结构简明、工程实用性强等优点.本文首先完成了Rao检测器的构建,接着对其检测性能进行了仿真分析,最后给出了总结.     

基于似然比的码辅助Turbo迭代同步算法

针对传统接收机在低信噪比环境中因同步损失而引起的Turbo码纠错性能恶化问题,结合Turbo迭代机制,提出基于对数似然比的最大似然比均值(MMLR)码辅助同步算法。首先采用改进的数据辅助方法,将定时误差控制在一个码元周期内;然后根据信号同步、失步时译码输出似然比分布差异,反馈误差信息,进行迭代相位估计。该算法充分发挥译码器的校正纠错功能辅助同步环节,有效地提高了同步精度。最后针对最小移频键控(MSK)信号建立Turbo-MSK仿真模型。仿真结果表明,在极低信噪比下,该算法能够准确完成定时和相位估计,获得与理想同步近似的可靠性能。     

强干扰环境下水声时延估计技术研究

水声定位系统是现代深海作业必备的高精度水下定位装备,精确的时延估计是实现高精度水声定位的基础,但由于信号远距离传输以及强干扰的影响,水声定位系统时延估计精度较低。针对此问题该文提出一种基于子空间理论的宽带强干扰抑制方法,首先通过贝叶斯信息量准则估计子空间维度,然后推导了不同信号假设下的概率密度函数,求解未知参数的最大似然估计,构造广义似然比并通过最优匹配广义似然比检测法估计与期望信号最匹配的子空间,然后以此构造空间投影算子对接收数据进行线性投影,最终抑制干扰和噪声,提高时延估计精度。仿真结果表明该方法能够有效抑制干扰和噪声的影响,提高定位系统时延估计精度。     

相位量化DRFM欺骗干扰的自适应检测

为了从环境中检测出相位量化数字射频存储器(Digital radio frequency memory, DRFM)欺骗干扰的存在,本文设计了一种能够在均匀环境中检测出噪声、干扰或回波信号的自适应检测器。检测过程分为两步：先由基于广义 似然比检测(Generalized likelihood ratio test,GLRT)的自适应匹配滤波(Adaptive mat ched filter,AMF)检测器完成噪声和“信号”（滤波后的回波信号或干扰）的检测;再从回波信号和干扰导引矢量间的差异性出发重新设计检测器,以甄别回波信号或干扰。最后, 通过理论推导和蒙特卡洛试验对检测器的性能进行分析和评估,并与透视检测器进行比较。 仿真结果表明,在低相位量化位数和高信噪比的条件下,所设计的检测器能够正确检测出干 扰信号的存在。     

部分线性EV模型中参数的经验似然置信域

本文研究了具有测量误差的部分线形EV回归模型, 利用经验似然方法构造了未知参数的对数经验比统计量, 在一定的正则条件下证明了所提出的统计量渐分布,所得结果可用于构造未知参数的经验置信域.