超宽带信号的一种带通采样与重建方法

针对超宽带无线通信中需要设计采样速率高达数十GHz高速模/数转换器的问题,提出了一种带通采样和总体最小二乘重建算法。该算法所要求的采样速率与信号新息率相当,远远低于传统香农采样理论所要求的奈奎斯特率。分析和仿真结果证明,所提出的采样和重建算法,能够准确地恢复原始超宽带信号,并具有良好的抗噪声性能。     

基于特征值极限分布的双门限频谱感知算法

针对传统频谱感知算法在较低信噪比和存在噪声不确定度时,检测性能降低的问题,提出了一种基于特征值极限分布的双判决门限频谱感知算法。由于利用了双门限和信号采样协方差矩阵的特征值进行判决,这种算法不但可以有效地克服噪声不确定度对检测性能的影响,而且不需要预先知道主用户信号的任何信息。与已有的最大最小特征值频谱感知算法相比,由于采用了双判决门限,因此该算法的检测性能更优。仿真结果表明,该方法不但可以有效地克服噪声不确定度,而且检测性能也优于最大最小特征值算法。     

基于压缩感知和递归最小二乘的IR-UWB信道估计算法

为了减轻脉冲无线超宽带(impulse radio ultra-wide band, IR-UWB)接收机高采样频率的负担,提出了基于压缩感知和递归最小二乘的低采样率信道估计算法。该算法先令接收到的训练符号通过随机滤波器,并对其欠采样,对采样到的信号进行递归最小二乘计算,最后利用压缩感知重构算法得到信道参数的估计值。提出的算法能够在低采样率的情况下对IR-UWB信道参数进行有效估计。该算法一方面降低了接收机对于模数转换器的要求;另一方面,低采样率产生较小的数据量,从而降低了估计算法的计算量。     

软件接收机中基于数据处理的多径估计方法

当信噪比(signal-to-noise ratio, SNR）较低时基于数据处理的多径估计算法的估计性能显著降低。提出了基于Kalman滤波和Teager-Kaiser (TK）算子/最小二乘(least square, LS）相结合的多径估计算法,简称KTK/KLS算法。该算法通过Kalman滤波消除低SNR的高斯噪声对相关输出的影响,然后将滤波后的相关输出用于TK算子/LS估计直接信号时间延迟或多径参数。KTK/KLS算法有效解决了仅使用TK算子和LS算法进行参数估计时对噪声比较敏感的问题,保留了二者对多径比较敏感的优点。最后,通过仿真将KTK/KLS算法与其他高效的基于数据处理的多径估计算法进行比较,结果表明所提出算法的多径估计精度优于对比算法。     

在噪声抵消应用中自适应滤波算法性能的仿真比较

介绍了噪声抵消的原理和从强噪声背景中自适应滤波提取有用信号的方法,并对最小均方(LMS,LeastMeanSquares)、归一化LMS(NLMS,NormalizedLeastMeanSquares)和递推最小二乘(RLS,RecursiveLeastSquares)三种基本自适应算法进行了对比研究。计算机模拟仿真结果表明,这几种算法都能通过有效抑制各种干扰来提高强噪声背景中的信号检测特性。相比之下,RLS算法具有良好的收敛性能,除收敛速度快于LMS算法和NLMS算法以及稳定性强外,而且具有更高的起始收敛速率;更小的权噪声,更大的抑噪能力。     

跟踪微分器滤波性能研究

对跟踪微分器的滤波性能进行了研究，由跟踪微分器滤波所产生的相位延迟，利用它能够得到的原始信号的滤波信号和其微分信号，采用预报的方法进行补偿。仿真结果表明，所采用的这种近似方法较好地再现了原始信号。在一个采样时间不固定，且采样信号带有噪声的应用实例中，采用变步长的跟踪微分器加预报的方法得到了较好的结果。     

带通信号二阶采样的研究

Ｋｏｈｌｅｎｂｅｒｇ二阶采样对带通信号能以两倍信号频带宽度的平均采样频率进行无失真采样，但在应用中由于具体实现条件的限制，以最小采样频率采样是不切合实际的。本文以大于理论上的最小采样频率进行二阶采样，使信号频谱的迁移项间有一定的保护带，并且得到了一种简化的二阶采样重建公式。最后与Ｋｏｈｌｅｎｂｅｒｇ二阶采样和带通信号均匀采样定理的关系进行了分析。     

有色噪声系统的迭代辨识与递推辨识方法仿真比较研究

针对ARARX模型(即动态调节模型),提出了分别辨识系统模型参数向量和噪声模型参数向量的新型最小二乘迭代辨识方法.其基本思想是:通过极小化一个信息矩阵中含噪声项的准则函数,导出两个参数向量的最小二乘估计式,进一步将估计式中信息矩阵所含的未知噪声项用其迭代估计代替,而其迭代估计又用前一次迭代的参数估计进行计算.在每步迭代计算中,二者执行了一个递阶计算过程.与滤波式递推广义最小二乘算法相比,提出的迭代算法也可用于在线辨识,而且在每一步迭代计算中,反复利用了系统可测数据信息,因而能够获得高精度参数估计.仿真例子证实了理论研究结果.     

变遗忘因子相关函数自适应滤波算法

相关函数递推最小二乘(CRLS)算法在回波消除中双方对讲情况下是有效的,但其计算复杂度较高。把相关函数最小二乘准则中的遗忘因子视为时变的遗忘因子,应用最速下降法使当前时刻的方向矢量正交于前一时刻的方向矢量,从而获得时变的遗忘因子的表达式,得到一种新的相关函数自适应滤波算法。该算法的计算复杂度比相关函数递推最小二乘算法的要低。计算机数值仿真结果表明,新算法的收敛性能和相关函数递推最小二乘算法的收敛性能相当。     

基于串联动量滤波器的自适应谱线增强器

针对水下环境噪声的非高斯性特点,利用最小均方算法、动量最小均方算法、变步长算法和极性算法的性能,将基于短时相关的自适应谱线增强器修改为基于短时相关动量滤波算法的自适应谱线增强器(SCMBALE),提出了四阶累积量变步长极性动量滤波算法,将基于该算法的自适应谱线增强器(FVSMBALE)、基于动量最小均方算法的自适应谱线增强器(MLMSBALE)及基于短时相关动量滤波算法的自适应谱线增强器(SCMBALE)依次串联起来,构造出基于串联动量滤波器的自适应谱线增强器(SMFBALE)。通过理论分析与仿真实验对该增强器的性能进行了研究。结果表明:该增强器在抑制非高斯噪声、增强线谱信号、跟踪时变信号等方面的性能优于单个的FVSMBALE、MLMSBALE和SCMBALE。     

基于相对偏心率/倾角矢量的编队控制方法

基于高斯摄动方程,分别提出了效率高及燃耗少的两种编队脉冲控制方法。两方法均设计了同样的法向脉冲修正轨道面外队形偏差。对于轨道面内队形偏差,方法一设计了径向脉冲和径向、迹向的“合力脉冲”完成修正控制;方法二设计了两迹向脉冲实现对相对半长轴、偏心率和近地点幅角的修正,以及两径向脉冲来消除相对平近点角偏差。理论分析与仿真结果表明,与经典五脉冲控制方法相比,方法一和方法二分别具有高效和燃耗少等优点。     

一类动力系统的时滞脉冲控制

针对脉冲控制中,时滞在脉冲采样时刻客观存在这样一种现象,研究了一类动力系统的时滞脉冲控制问题。给出了在时滞脉冲控制下,这类动力系统的原点是全局渐近稳定的一个充分条件,该条件反映了系统参数,脉冲区间和延迟时间之间的相关关系。利用所得的结论,也实现了这类系统的时滞脉冲同步。最后,以典型的分段线性系统Chua电路和非线性的混沌Chen系统为例,分别通过数值仿真实验验证了理论结论的有效性。     

Empirical mode decomposition using variable filtering with time scale calibrating

A novel and efficient method for decomposing a signal into a set of intrinsic mode functions （IMFs） and a trend is proposed. Unlike the original empirical mode decomposition （EMD）, which uses spline fits to extract variations from the signal by separating the local mean from the fluctuations in the decomposing process, this new method being proposed takes advantage of the theory of variable finite impulse response （FIR） filtering where filter coefficients and breakpoint frequencies can be adjusted to track any peak-to-peak time scale changes. The IMFs are results of a multiple variable frequency response FIR filtering when signals pass through the filters. Numerical examples validate that in contrast with the original EMD, the proposed method can fine-tune the frequency resolution and suppress the aliasing effectively.     

新型单输入三输出通用电流模滤波器

提出了一种新型单输入三输出通用电流模滤波器 ,该滤波器仅由 4个OMA(+) (operationalmirroredamplifiers)和 5个无源器件构成。电路不仅能实现低通、高通、带通、带阻及陷波等各种二阶滤波器功能 ,而且还能实现低通陷波和高通陷波的功能。不需要元件匹配 ,所有无源器件的灵敏度都非常低。还给出了相应的PSPICE仿真的频响结果。     

基于进化粒子滤波的数据域直接跟踪方法

传统目标跟踪算法首先通过采样信号估计时延或多普勒等参数,然后利用这些参数构成的跟踪方程获得目标运动轨迹,这种两步跟踪模式存在位置信息损失、误差累积等问题,跟踪精度仍有待提高。针对此问题,提出一种利用数据域采样信号,基于时延和多普勒信息的直接跟踪算法。该算法利用多个观测站的接收信号,首先建立一个基于连续时间和多普勒信息的直接跟踪模型;然后基于进化粒子滤波算法,对所提跟踪模型进行迭代求解,提高算法计算效率,实现对运动目标的快速高精度跟踪;最后,针对所提模型,推导了目标直接跟踪的克拉美罗下界(Cramer-Rao lower bound,CRLB)递归求解方法,给出了算法的跟踪误差下限。仿真实验表明,与现有跟踪算法相比,所提算法跟踪精度更高,收敛速度更快,尤其在低信噪比条件下更能逼近CRLB。     

反向投影成像算法的理论分析及目标特征恢复

分析了用于超宽带冲激信号 SAR系统的反向投影 (BP)成像算法 ,得出了BP算法固有的旁瓣形成解析式及旁瓣分布 ,说明了成像结果中系统频率特性对目标特征的频率有加权作用 ,并且是造成成像畸变的主要原因。提出了对回波信号逆滤波以恢复目标特征及采用匹配滤波来抑制成像旁瓣的方法。对冲激雷达实验系统的成像数据的处理结果表明 ,提出的逆滤波方法是有效的。     

Lattice structure adaptive IIR notch filter based on least square kurtosis

A new variable step-size algorithm for a second-order lattice form structure adaptive infinite impulse response (IIR) notch filter to detection and estimation frequency of sinusoids in Gaussian noises is proposed. Utilizing least square kurtosis of output signals as a cost function, the new gradient-based algorithm to update frequency of the adaptive IIR notch filter and the new variable step-size algorithm are given. The computer simulation results show that the proposed algorithm has better ability in suppressing colored Gaussian noises and better accuracy in estimating parameters at low SNR than previous algorithms.     

α稳定分布噪声中基于最优核时频分析的跳频信号参数估计

针对传统非线性时频分析方法在跳频(frequency hopping, FH)信号参数估计时,会出现严重的交叉项和参数估计精度降低等问题,引入径向高斯核(radially Gaussian kernel,RGK)时频分析方法,该方法根据FH信号的不同自适应选择最优核函数,从而有效抑制交叉项。RGK时频分析方法可在高斯噪声环境下估计FH信号的参数,但在脉冲性较强的α稳定分布噪声中,该方法性能退化甚至失效。对此,结合最大似然估计理论,提出了一种α稳定分布噪声环境下的加权最大似然广义柯西(weighted maximum likelihood generalized Cauchy,WMGC)滤波的新方法。采用基于WMGC滤波器的RGK时频分析方法(WMGC RGK方法,即WR方法),对该噪声中的跳频信号进行参数估计。仿真结果表明,与基于分数低阶及Myriad的时频分析方法相比,WR方法在α稳定分布噪声中具有良好的鲁棒性和优良的跳频信号参数估计性能。     

冲激雷达成像算法综述

由于冲激雷达回波信号中无法提取出多普勒频率信息,传统的基于频域成像的方法不再适用于冲激雷达成像系统。近年来,基于冲激雷达的成像算法研究引起了较多关注,对冲激雷达成像算法进行综述。首先简单介绍了冲激雷达的定义,然后总结归纳了3类基于冲激雷达的成像方法,详细阐述了各种算法的原理,指出了各种成像算法中的优点和不足,最后阐述了有待进一步研究的方向。     

脉冲噪声中基于数据可信度加权的跳频信号检测

时频分析是跳频(frequency-hopping, FH)信号检测的有力工具,但是脉冲噪声下性能严重退化,无法有效地提取跳频信号的周期、频率和跳变时刻等参数;基于分数低阶统计量和最大似然估计(maximum-likelihood,ML)的算法是改善脉冲噪声下FH信号时频分布的两类常用方法,但前者性能改善有限,后者通常对噪声的概率分布较为敏感,且计算复杂度高。对此,提出一种基于数据可信度加权(weighting based on the data credibility,WDC)的FH信号检测方法。该方法基于云模型(cloud model, CM)理论,建立了数据可信度的概念,以分析脉冲噪声下接收信号的不确定性,然后在此基础上实现信号加权,改善脉冲噪声下FH信号的时频分布特征。仿真实验证明,在稳定分布噪声中,该方法与基于分数低阶及Myriad滤波器的时频分析方法相比,能够较好地抑制脉冲噪声,获得FH信号的参数信息,具有良好的鲁棒特性。