直接扩频序列信号的参数估计

在频谱监测、电子侦听等非协作通信中,接收机要对直接扩频序列信号进行侦收,必须要首先估计信号的参数,包括波特率、码片速率和载波频率等。由于噪声功率电平远高于接收到的信号功率电平,常规的基于能量和谱的参数估计方法在此并不适用。针对这些问题提出了一种估计算法,该算法首先对接收信号的自相关函数进行累积以消除噪声的影响,然后在此基础上估计信号的波特率、码片速率和载波频率。所有这些算法都不需要知道DSSS信号的具体调制类型。计算机仿真结果表明了这些算法的有效性。     

基于加权高阶累积量切片的非线性调频信号增强算法

为了综合考虑高阶累积量各种切片抑制高斯噪声的性能,定义了加权高阶累积量切片,并给出了加权高阶累积量切片符号联合迭代公式,得到了基于加权高阶累积量切片的自适应谱线增强新算法。对该算法增强水下目标辐射的非线性调频信号的效果进行了仿真研究。仿真结果表明:该算法能抑制大约18dB～28dB的高斯色噪声;调整高阶累积量切片的加权系数,可获得抑制高斯色噪声的最佳效果。在工程实践中,具有重要的指导意义和实用价值。     

基于循环谱包络的BPSK码元速率估计算法研究

针对采用频域平滑周期图法估计循环谱,提出了一种改进的基于循环谱包络BPSK信号的码元速率估计算法。该算法选用较高的循环频率来进行参数估计,可获得较高的处理信噪比。通过在循环频率域的一维搜索即可获得码元速率参数的估计。给出了信号参数估计的具体步骤,并分析了估计算法的性能,进行了计算机仿真实验。仿真结果验证了该算法的有效性。     

一种AUKF滤波算法及其在电力频率测量中的应用

为了提高无迹卡尔曼滤波器（UKF）在非线性随机系统中的抗干扰性和状态跟踪性能,提出了一种自适应无迹卡尔曼滤波算法（AUKF）。该算法通过计算状态变量微分累积值判断状态变量是否发生突变,并在突变时刻重新设置协方差矩阵,使状态变量估计值迅速收敛;同时估计观测噪声,通过调整噪声方差以减小观测噪声变化对测量精度的影响。将AUKF算法应用于电力系统频率测量,通过数值仿真得到电力频率稳定、波动和突变时的频率测量值。仿真结果表明该算法具有较好的测量效果,在保证频率测量精度和稳定性的同时,减小了频率测量滞后时间和超调。     

一种鲁棒特征提取算法的设计和实现

提出了一种用于语音识别的鲁棒特征提取算法,这种算法基于最小方差无失真响应(MVDR)谱估计技术,它在Mel频率尺度上估计MVDR谱,并对得到的MVDR谱进行调制谱滤波,然后提取其倒谱系数作为特征参数。使用这种算法设计了一个抗噪孤立词语音识别系统,在汽车噪声,人群噪声和高斯白噪声三种噪声环境下,与传统算法按多种信噪比做了对比实验。实验结果表明该系统在这三种噪声环境下的识别率均得到了不同程度的提高。     

基于协方差矩阵对角加载的信源数估计方法

针对基于信息论准则的信源数估计方法在白噪声背景下具有良好的估计性能,但在色噪声背景下,利用信息论准则进行信源数估计时,会得到真实信源数目过估计的问题。为了将信息论准则推广应用到色噪声背景下,提出了一种改善色噪声背景下噪声特征值发散的特征值校正算法,首先采用对角加载技术平滑色噪声背景下的噪声特征值,然后对平滑后的特征值利用信息论准则估计信源数。仿真结果证明了该算法的有效性。     

空域色噪声背景下双基地MIMO雷达角度估计

空域有色噪声会导致现有多输入多输出(multiple input multiple output, MIMO)雷达算法性能下降, 甚至完全失效。针对空域色噪声背景下双基地MIMO雷达联合波离角(direction of departure, DOD)和波达角(direction of arrival, DOA)估计问题, 分析了现有算法失效的原因。考虑到匹配滤波后无噪协方差矩阵的低秩特性、色噪声协方差矩阵的稀疏特性以及MIMO雷达数据的多维结构特性, 提出一种基于张量分析的角度估计算法。首先, 构造角度估计的协方差张量, 通过去除协方差张量中受噪声协方差影响的元素对色噪声进行抑制。其次,利用张量填充技术对无噪协方差矩阵进行恢复。然后,利用平行因子分解获得目标角度的方向矩阵。最后, 采用最小二乘算法对目标的DOA和DOD进行拟合。仿真结果表明, 所提算法对色噪声不敏感, 且无孔径损失。相比现有矩阵及张量分析算法, 所提算法具有更高的估计精度。     

基于循环谱包络的多径直扩信号参数估计

分析了多径直扩信号的循环平稳特性,推导了其循环相关函数和循环谱表达式.提出了一种基于循环谱包络的多径直扩信号的码元速率和载频估计算法,给出了实现步骤.算法不需要伪码等先验信息,可实现对信号参数的盲估计,且参数估计是在非零循环频率上进行一维搜索,避免了平稳噪声或干扰的影响,适用于低信噪比情况.计算机仿真实验验证了该算法的有效性.     

盖氏圆准则信源数估计算法的分析与改进

为了减少盖氏圆准则信源数估计算法的运算量并且提高信源数估计的精度,根据噪声空间与阵列导向矩阵的正交性原理,设计了基于特征空间的信源数估计算法(Estimator Based on Eigenvectors,EBE).EBE构造时空相关矩阵,利用色噪声在时间上相关性比较弱的特点,实现对空间色噪声的抑制.在空间白噪声环境下和空间色噪声环境下测试了EBE信源数估计的性能并且与传统的盖氏圆准则和其它色噪声类信源数估计的一些算法比较,证明了EBE在空间白噪声和空间色噪声环境下的有效性.EBE不仅节省了盖氏圆准则信源数估计中一次特征分解的运算量,并且同时提高了信源数估计的性能.     

频率估计的一种同频信号加权融合算法

为提高低信噪比条件下短时正弦信号的频率估计精度,针对任意长度的正弦信号,提出一种同频信号加权融合算法.首先,给出同频信号的定义和频谱模型;其次,构造具有相位连续化特性和噪声对消特性的相位修正矩阵对同频信号频谱进行加权融合,使加权融合后的频谱近似于相位连续信号频谱.最后,谱峰搜索加权融合后的频谱,获得高精度的频率估计值,仿真实验表明,与现有方法相比,算法抗噪性强,普适性好,频率估计精度高.     

立方功率谱相关高斯随机过程模拟

在雷达回波信号模拟中，杂波随机过程功率谱数学模型的建立是影响最终模拟效果的关键。立方功率谱是目前国际上普遍采用的地杂波功率谱模型。通过建立随机过程的AR模型，利用Levis on -Durbin算法和MDL定阶准则，提出了一种基于现代信号理论的立方功率谱特性相关高斯随机过程模拟方法，与现有谱估计方法做了比较，并给出了模拟结果。获得的随机存列能够满足立方谱杂波雷达模拟的要求。     

基于调制谱超分辨重构的微多普勒参数估计

调制谱间隔是气动目标识别的重要特征，在雷达波形资源受限的情况下存在估计精度差且噪声鲁棒性弱的问题。针对此问题，利用稀疏迭代协方差谱估计方法进行调制谱超分辨，根据调制谱谱线等间隔的原理提出用基频组功率累积占比表征基频谱，进而实现基频的超分辨估计。基于甚高频波段雷达的仿真和实测数据分析证明了该方法抗噪能力强，且在相参积累时间大于1.5倍微动周期、调制谱折叠、重频参差等场景下均可有效提高调制谱间隔参数估计准确率。     

基于曲线拟合的卫星通信信号参数盲估计

针对非协作卫星通信环境,提出了一种卫星通信信号参数盲估计方法。它利用线性调制信号功率谱形状的对称性及其与成型滤波器的关系,基于曲线拟合的思想进行功率谱包络的提取,进而实现载波频率、带宽等参数的盲估计。仿真结果验证了该方法对MPSK、MQAM等常用卫星通信信号的有效性,且能适应较低的信噪比,具有计算量小、易于实现等优点。     

多路延迟结构的修正MUSIC算法频率估计

提出将多路延迟数字测频结构与高分辨率谱估计的MUSIC算法相结合,有效地实现了信号频率估计。针对MUSIC算法在低信噪比条件下频率估计性能下降的缺点,研究的修正MUSIC算法通过对接收数据共轭重构,产生新的协方差矩阵,有助于改善特征值的分布,使其具有平均的意义,从而提高了信号频率估计的性能。实验结果证明,相对于常规MUSIC算法,该方法在相同的信噪比和快拍数条件下,具有更高的频率估计精度和稳健性,而且计算量也无明显增加。     

非合作USB测控信号调制指数估计算法

测控信号的调制指数可作为非合作卫星辐射源识别的一个稳定特征参数，针对非合作统一S频段测控信号，提出一种基于频域谱分析的调制指数估计算法。根据该信号的频谱特性构造调制指数估计算法，并对该算法的估计误差进行理论分析。通过蒙特卡罗仿真给出估计误差随信噪比变化的情况，并利用实测信号从频域和时域两个方面对该算法的性能进行验证。结果表明，实测信号与恢复信号的频谱幅度误差较小、时域基带信号波形的一致性较高、归一化互相关函数最大值接近于1。进一步说明该算法的精度较高，可为非合作卫星辐射源识别提供高精度的参数支撑。     

宽频段相干信号多维参数联合估计算法

基于非均匀的L型阵列,提出了一种宽频段相干信号频率、二维到达角和极化参数联合估计的算法———JTSS算法。该算法能精确地估计具有相同数字频率的相干信号的多维参数,无需多维谱峰搜索,具有计算量小,参数自动配对的优点。另外,在JTSS算法的基础上,利用阵列的分维特点进一步处理,成功地实现了具有频率兼并现象的宽频段相干信号的多维参数估计。该算法能够并行实现以进一步增强其实时性。计算机仿真结果验证了算法的有效性。     

单通道同频混合信号时延高效估计方法

针对单通道同频数字混合信号时延估计问题,提出了一种数据辅助的方法,将整个估计流程分成了基于数据辅助的时延粗估计与基于最大似然的时延精估计两个过程。该方法克服了以往基于最大似然同频混合信号时延估计的很多弊端,改进了搜索方式并探讨了消除时延模糊的方法,提高了估计精度。最后又分析了性能界,为本文方法的性能分析提供了理论依据。该方法较依赖于两路时延差,对频偏误差不敏感,仿真实验验证了该方法的有效性与实用性。     

Parameter estimation of DSSS signals in non-cooperative communication system

A new adaptive estimator for direct sequence spread spectrum （DSSS） signals using fourth-order cumulant based adaptive method is considered. The general higher-order statistics may not be easily applied in signal processing with too complex computation. Based on the fourth-order cumulant with 1-D slices and adaptive filters, an efficient algorithm is proposed to solve the problem and is extended for nonstationary stochastic processes. In order to achieve the accurate parameter estimation of direct sequence spread spectrum （DSSS） signals, the fast step uses the modified fourth-order cumulant to reduce the computing complexity. While the second step employs an adaptive recursive system to estimate the power spectrum in the frequency domain. In the case of intercepted signals without large enough data samples, the estimator provides good performance in parameter estimation and white Gaussian noise suppression. Computer simulations are included to corroborate the theoretical development with different signal-to-noise ratio conditions and recursive coefficients.