WCDMA系统中一种前导检测门限算法研究

在WCDMA系统的前导检测门限算法中,干扰值的估计成为算法的一个关键环节。对工程上常用的一种前导检测门限算法进行了深入的研究,针对算法在小区干扰值较大时,对应的干扰估计值偏小,从而导致前导检测虚警概率较高的问题,将各签名的幅度时延函数(amplitude delay profile,ADP)值的方差引入到干扰值的估计算法中,提出一种改进的前导检测门限算法。实验结果表明,改进算法有效地解决了干扰估计值偏小的问题,降低了前导检测虚警概率。     

可变阈值因子的快速自适应门限检测算法

针对基于排序类自适应门限算法运算量大的问题,提出了利用可变的第k小元素替代排序类噪声能量估计的快速自适应门限检测算法.其中对第k小元素的取值仅采用快速排序算法的少次迭代过程,不须要排序完整的检测统计量,可实现快速噪声能量估计,以此作为自适应门限的参变量,结合相应的可变阈值因子达到快速自适应门限判决检测的目的.分析了检测概率和虚警概率以及运算复杂度,仿真对比了该算法与排序类自适应门限算法检测概率和虚警概率.结果表明:当有信号发送时,该算法与排序类检测算法检测概率基本一致,虚警概率有所减小;当没有信号发送时,相同阈值因子情况下,随着k值的增大,虚警概率越来越小.     

基于信噪比的自适应门限判决PN码捕获算法

现有的自适应门限判决PN码捕获方法在低信噪比条件下的检测概率较低.针对这一问题,文中提出一种考虑噪声功率的改进算法.该算法首先通过参数设置对基于信噪比的门限进行调整,然后利用中值滤波平滑门限波形,减少了由于起伏波动引起的错误捕获,最后通过限幅滤波降低因毛刺造成的虚警概率.理论分析以及蒙特卡罗仿真表明,改进算法较现有算法能够获得更高的检测概率和更低的虚警概率,同时对窄带干扰有较强的抑制能力.     

基于调制重叠变换的窄带干扰检测技术

提出一种改进的干扰检测算法,在自适应门限的基础上增加一个干扰门限,对调制重叠变换后的数据进行双门限干扰检测。研究结果表明:该算法可有效克服自适应门限算法和传统双门限算法对高信噪比敏感的缺陷,在保证低信噪比条件下较高的干扰检测概率的同时,有效降低高信噪比、无干扰下的干扰误检概率,以及高信噪比、小干扰的检测概率。本文所提检测算法在大信噪比范围均保持良好的干扰检测性能。     

能量检测中的BPSK信号最优检测门限

在认知无线电中,授权用户对主用户进行频谱感知时,会存在使得虚警与漏检概率之和最小的最优检测门限。以研究高斯白噪声环境下BPSK信号的有效检测问题为目的。通过对能量检测统计量的数学分布进行理论推导,将最优检测门限问题转化为和值最小的求解问题,给出了由采样点数、噪声方差、信噪比所决定的最优检测门限计算公式,并给出证明。在不同信噪比下对和值曲线变化规律的仿真说明了最优检测门限的存在性。通过对文中门限和恒虚警概率门限下的检测概率性能分析、文中门限和恒检测概率门限下的虚警概率性能分析、以及不同指标变化时其他2种门限向文中门限收敛的性能分析,说明了最优检测门限下的检测性能较优。此外,蒙特卡洛实验验证了理论分析的正确性。     

非均匀噪声下基于双剔除门限的恒虚警目标检测算法

为了解决雷达检测算法在非均匀噪声环境下目标检测性能严重下降的问题,在分析实际回波杂波分布特性的基础上,提出了一种基于双剔除门限的恒虚警目标检测算法,通过双剔除门限将极大极小干扰信号从参考窗口中剔除,实时精确估计背景噪声功率.经过与各检测算法仿真对比,该算法在多目标干扰、遮挡和杂波边缘干扰等非均匀背景噪声环境下仍具有最优的检测性能和鲁棒性.结果表明,所提出的目标检测算法在非均匀噪声环境下具有良好的检测性能.     

起伏背景噪声下地震波传感器阵列目标检测算法研究

针对起伏背景噪声下传统地震波传感器阵列检测算法虚警概率高、检测概率低的问题,提出一种基于信号相关性的阵列目标检测算法.利用传感器阵列在一个检测周期内接收到的数据建立信号检测矩阵,由检测矩阵列向量之间的相关性标记信号中目标成分的大小,进而引入相关性参数并构建检测统计量,利用信号相关消除时变的环境噪声干扰,有效克服起伏噪声对目标检测结果的影响.推导算法虚警概率与检测门限之间的定量关系,得到一定虚警率下的检测概率.基于计算机仿真和舰船目标实测试验对比本文提出算法与现有方法,结果表明本文算法可以在起伏背景噪声下有效检测出目标,且检测性能优于现有检测算法.     

基于压缩感知和虚警概率的电力线脉冲噪声抑制方法

针对OFDM电力线通信中噪声抑制方法依赖于脉冲噪声特征参数及脉冲噪声稀疏度的问题,提出一种基于压缩感知和虚警概率的宽带电力线脉冲噪声抑制算法.该算法利用OFDM零子载波观测脉冲噪声投影,采用基追踪降噪方法对脉冲噪声进行粗估计,并设计基于虚警概率的自适应脉冲噪声检测门限,根据门限得到粗估计的脉冲噪声支撑集,在支撑集上通过最小二乘方法对脉冲噪声幅度进行重构,接收信号减去估计的脉冲噪声可得到去噪的OFDM信号.仿真结果表明,提出的算法在未知脉冲噪声稀疏度的情况下可以对噪声信号进行重构,算法的性能优于传统压缩感知及非线性去噪方法,能可靠有效的对宽带电力线脉冲噪声进行抑制.     

AMTD系统频域双参数恒虚警性能分析

在机载雷达动目标检测系统中 ,用于目标检测的Doppler通道中的杂波剩余严重影响着系统检测性能。为在一定的虚警概率下提高系统的检测概率 ,针对抑制杂波后目标检测 Doppler通道存在 Rice分布干扰的情况 ,提出一种频域双参数恒虚警 (bi- parameter constant false alarm rate,BP- CFAR)处理方法。BP- CFAR处理方法分别在频域与距离域估计干扰的均方差与均值 ,取其线性组合作为各通道的检测判决门限。在频域存在杂波剩余的情况下 ,BP- CFAR与干扰的双参数分布相匹配 ,是统计意义下的最优检测器 ;与传统的单参数恒虚警处理方法相比 ,明显改善了系统的适应性和检测性能。     

基于OS和UMVE的最大选择恒虚警检测算法

为了提高恒虚警检测器在多目标环境下的检测性能及有效控制杂波边缘环境中虚警率的上升,基于结合高效的无偏最小方差估计(UMVE)算法提出了一种新的最大选择恒虚警检测算法(OSUMGO-CFAR),它的前、后沿滑窗分别采用OS和UMVE方法得到两个局部估计,将其中的最大值作为背景杂波功率水平估计,去设置自适应检测门限。在SwerlingⅡ型目标假设下,推导了该算法在均匀背景下的矩产生函数MGF、平均判决阈值ADT、多目标环境下检测概率Pd和杂波边缘环境中虚警尖峰的数学解析表达式。采用数值计算的方法,将恒虚警损失及虚警尖峰分别作为衡量算法在多目标和杂波边缘环境下性能优劣的标准。分析结果表明,该算法在多目标和杂波边缘引起的非均匀背景中的性能,均比OSTMGO和GOSGO算法得到了改善。     

基于阈值优化的频谱感知算法

协方差绝对值(Covariance Absolute Value,CAV)感知算法使用固定阈值和固定虚警概率的频谱感知策略,无法保证在任何时候都能使频谱感知性能达到最优。提高频谱感知性能包括降低对主用户的干扰概率并提高空闲频谱的利用率,即最大限度地降低漏检概率与虚警概率。为此,本文对协方差绝对值感知算法进行改进,提出了不同信噪比下自适应阈值的优化方法使频谱感知误差(漏检概率与虚警概率的代数和)达到最小。实验结果表明,本文算法有效降低了频谱感知误差,提高了检测概率,特别是在信噪比较低的情况下性能改善较为明显。     

可变窗信号趋势算法及其应用于火灾自动探测

提出了计算窗可变的趋势算法，并将该算法应用于火灾自动探测．测试结果表明，它能及时检测出标准试验火源并极大地降低了误报警率．     

基于最大值参考单元的双剔除门限恒虚警目标检测算法

针对传统恒虚警目标检测算法在非均匀噪声环境下虚警率过高的问题,提出一种基于最大值参考单元的双剔除门限恒虚警(dual censoring threshold based on maximal reference cell-constant false alarm rate,DCT-MRC-CFAR)目标检测算法.基于参考窗最大值参考单元得到剔除比较门限,通过比较,剔除极大值参考单元,根据剩余参考单元的数量选择参考窗中剔除后剩余参考单元或者参考窗中全部参考单元来估计背景噪声功率,并得到功率检测门限.与其他算法进行仿真对比,DCT-MRC-CFAR算法在均匀噪声环境下,检测性能接近于单元平均恒虚警(cell averaging-constant false alarm rate,CA-CFAR)算法;在非均匀噪声环境下,检测性能较稳定,且优于自动删除单元平均恒虚警(automatic censored cell averaging-constant false alarm rate,ACCA-CFAR)和自动双删除单元平均恒虚警(automatic dual censored cell averaging-constant false alarm rate,ADCCA-CFAR)算法.结果表明,提出的DCT-MRC-CFAR目标检测算法在均匀和非均匀噪声环境下,均具有较优和较稳定的检测性能.     

减法聚类的多分量线性调频信号检测与参数估计算法

针对Wigner-Hough变换在低信噪比下易产生伪峰,导致在进行检测时阈值选取困难,无法准确对多分量线性调频信号进行检测和参数估计的问题,提出了一种基于减法聚类的平滑伪Wigner-Hough(SPWHT)变换的检测和参数估计算法。首先采用平滑伪Wigner-Hough变换(SPWHT),通过平滑交叉项和噪声来达到抑制干扰的目的,并运用阈值分割的图像处理方法进一步消噪,减少Hough变换后所产生的伪峰;再利用较低门限对Hough变换后的图像进行峰值检测,防止对信号的漏检。最后,对于备选峰值进行减法聚类的二次处理,实现信号参数寻优,去除伪峰影响和时频分辨率下降引起的峰值展宽,完成对多分量信号的准确检测和参数估计。该算法通过聚类避免了阈值设置的困难,解决了低信噪比下多分量线性调频信号的检测与参数估计问题。仿真结果表明了在-10 d B信噪比下该算法仍有较好的检测及估计性能。     

On design of physical random access channel in high-speed railway LTE systems

For the uplink in the long-term evolution （LTE） systems, the physical random access channel （PRACH） adopts Zadoff-Chu （ZC） sequences as preamble sequences, and each user can choose a unique cyclic shift for user identification. In high-mobility scenario, the Doppler fre- quency shift raises up the false alarm probability by inducing the correlation peak offsetting at the receiver side. Traditional detection method utilizes multiple search win- dows for searching the potential uplink users. When the Doppler frequency shift is larger than the subcarrier spac- ing, the energy of correlation peak leaks outside the search window and increases the false alarm probability. In this paper, we present a novel design for PRACH preamble sequence for high-speed railway scenario. Through numerical observation, we find out that the offset of the correlation peaks only depends on the initial root sequence number and the length of ZC sequences. Therefore, the root number of ZC sequences should be carefully designed to generate a preamble sequence to fight against the Doppler frequency shift. Consequently, those offsets of the corre- lation peaks are concentrated within a single search win- dow, resulting in lower complexity of detection and lower probability of false alarm for random access in LTE uplink.     

利用RBF神经网络实现对非相参积累检测系统中阈值的精确估计

在非相参积累检测系统中 ,容易得到雷达虚警概率关于阈值的解析表达式 ,但难以得到阈值关于虚警概率的解析表达式 ,利用径向基函数 (RBF)神经网络具有良好的逼近任意非线性映射和快速收敛的特点 ,提出了一种精确估计阈值的RBF神经网络方法。仿真结果表明 ,本方法可得到较高的阈值估计精度