基于分数低阶统计量的时延估计算法性能分析

传统的时延估计算法大多建立在高斯模型的基础上,利用信号的二阶、高阶估计量,可以得到理想的结果。然而,现实中的信号往往都处在非高斯环境下,如通信线路瞬间尖峰和环境噪声等,这一类信号的时域波形中存在一个明显的峰值,这时利用α稳定分布模型可以较好地表述非高斯脉冲信号和噪声。因此有必要对α稳定分布模型下的,基于分数低阶统计量(FLOS)的时延估计算法进行研究。通过调整参数取值得到的仿真结果,证明了在非高斯情况下,基于FLOS的时延估计算法相对于传统算法估计效果更好。     

α稳定噪声下最小均方Sigmoid误差自适应时间延迟估计

为解决脉冲噪声下最小均方误差自适应时间延迟估计算法估计性能的退化问题,以对称α稳定分布模型描述脉冲噪声,提出最小均方Sigmoid误差自适应时间延迟估计算法.该算法通过对误差信号求取Sigmoid变换,抑制了较大误差对估计结果的影响.以最小均方Sigmoid误差代替最小均方误差作为优化准则,迭代模拟信道延迟效应的滤波器权系数,其收敛时峰值的位置就是所要估计的时间延迟.仿真结果验证了该算法在高斯和非高斯对称α稳定分布噪声条件下的优良估计性能,说明最小均方Sigmoid误差是一种韧性的最优准则.     

基于改进无迹卡尔曼滤波的多径估计算法

【目的】在导航定位系统中，基于卡尔曼滤波框架的多径误差抑制算法是提高定位精度的有效方法。但是，在算法的过程噪声和观测噪声协方差初值的选取不当时，会导致估计结果误差很大甚至发散。另外，由于此类算法是基于最小均方误差准则，算法在受到非高斯噪声干扰时尤其是重尾非高斯噪声，会出现估计精度显著下降的问题。【方法】为了在高斯噪声和非高斯噪声下都能够保持较好的多径估计结果提高定位精度，本文提出一种自适应最大相关熵无迹卡尔曼滤波(adaptive maximum correntropy unscented kalman filter, AMCUKF)多径估计算法，算法在观测更新过程中引入最大相关熵作为优化准则，以解决在非高斯噪声下的估计精度下降的问题，在噪声协方差更新过程中用观测量的残差序列对噪声协方差矩阵进行递归更新，取代过程噪声和观测噪声协方差初值的选取。【结果】在高斯噪声和非高斯噪声下分别进行了仿真实验，通过与两种基于卡尔曼滤波框架的估计算法进行对比表明，AMCUKF多径算法不仅能够在高斯噪声下保持较好的多径估计结果，而且在非高斯噪声下也能够保持更高的多径估计精度，有效抑制非高斯噪声的干扰。     

α稳定分布下基于SSCA算法的低阶循环谱算法

在α稳定分布下结合共变理论、循环平稳理论和分数低阶矩(FLOM)等理论,提出基于SSCA的低阶循环谱算法,分析了该算法中存在的循环泄露,并对调幅信号做实验仿真。结果表明在α稳定分布下二阶循环平稳信号的低阶循环谱密度和在高斯模型下的循环谱结构是一致的,但基于α稳定分布假定所设计的信号处理算法对信号噪声特性不确定情况具有较好的韧性和抗脉冲噪声性能。最后利用低阶循环谱提取了调制信号的特征参数,为复杂背景下的调制识别或者盲分离提供新的途径。     

航道多载波的通信时延与多普勒频移联合估计

针对海上航道立体监测系统中水声信道高斯噪声和对称α稳定(SαS,Symmetric α Stable) 脉冲噪声干扰的复杂环境,以基带OFDM（Orthogonal Frequency Division Multiplering）水声通信系统的发射信号作为研究对象,提出了一种基于分数低阶循环模糊函数的多循环频率时延与多普勒频移联合估计算法．该方法将分数低阶矩与循环平稳特性相结合,能够在SαS脉冲噪声条件下检测信号的循环平稳特性．仿真结果表明:在脉冲噪声和干扰环境中该算法均能稳定工作,估计性能优于基于二阶循环模糊函数．     

基于共变谱的CZT多源时延估计新方法

针对现实环境中经常出现的强脉冲、非高斯噪声,以α稳定分布作为噪声模型,研究了被动系统中的多源时延估计问题.同时考虑到α稳定分布噪声会降低基于二阶统计量的传统方法的性能,依据分数低阶统计量理论并引入线性调频Z变换(CZT),提出了一种脉冲噪声环境条件下的多源时延估计新方法,仿真表明该方法可有效解决脉冲噪声环境中多源时延估计的高精度问题,其性能优于常用的共变法.     

面向脉冲噪声环境的多径信道鲁棒估计方法

在低压电力线通信(power line communication,PLC)中,由于脉冲噪声的干扰和阻抗不匹配引起的多径信道的影响,传统的在加性高斯白噪声环境下的信道估计算法运用到电力线通信时,往往效果很差,甚至得到的结果毫无意义。针对电力线通信中的脉冲噪声,采用了Middleton Class A脉冲噪声模型。通过基于高阶矩的方法对脉冲噪声的参数进行估计。根据估计得到的脉冲噪声参数,提出了新颖的、在脉冲噪声环境中鲁棒的信道估计算法。通过仿真,验证了提出的算法是可靠的,并且具有一定的灵活性。     

一种基于分数低阶协方差的维纳加权时间延迟估计方法

依据分数低阶统计量理论和信号噪声特性,提出了一种基于分数低阶协方差的维纳加权(FLOC—WP)时间延迟估计的新方法．这种方法将常规的维纳加权广义时间延迟估计方法与分数低阶协方差结合起来,理论分析和计算机仿真结果表明其既可以应用于高斯噪声环境,又在低阶α稳定分布噪声环境下具有良好的鲁棒性．     

一种基于扩展Kalman滤波的多径估计算法

定位系统中,噪声环境下的多径估计是消除多径干扰的前提。提出了一种基于扩展Kal-man滤波(EKF)的多径估计算法,可以有效的估计多径信号的时间延迟和幅度。分析了本地码估计偏差、EKF的估计初值、相关间距以及采样频率对多径估计性能的影响。结果表明,EKF在估计多径信号时,EKF初值不仅影响其收敛速度,而且EKF初值中的幅度初值决定其是否收敛。同时,EKF时间延迟估计误差可以通过提高采样频率和增加最大早晚码间距来减小。     

基于空子载波的信噪比估计算法

为了解决传统信噪比估计算法在多径信道下性能显著降低且复杂度较高的问题,提出一种基于空子载波的高性能信噪比估计算法.该算法联合数据辅助和非数据辅助的方法,利用空子载波进行噪声能量的估计,通过接收信号估计噪声与发送信号的能量之和.该算法不但能够在高斯信道下取得较好性能,而且可以提高系统在多径信道下的性能,对多普勒频移和信道时延扩展均不敏感.实验结果表明:与4种传统算法相比,该算法在多径信道下性能提升93.3%,并且具有较低的复杂度.     

基于多径参数模型和混合优化的时变水声信道跟踪

针对海洋水声信道的稀疏特性,将多径水声信道冲激响应建为一个由各多径分量的时延和幅度组成的多径参数模型.该模型中输入信号向量产生的响应与多径时延参数呈非线性关系,与多径幅度参数呈线性关系.基于此特点,针对海洋水声信道的时变特性,分别采用进化算法和LMS自适应算法对模型中的多径时延和幅度参数进行混合寻优,从而解决时变信道条件下模型参数寻优困难的问题.仿真及海试信道跟踪实验结果表明:采用多径参数模型可降低模型寻优对象的维数,减少运算复杂性,提高估计效率;采用混合优化算法可减少多径参数模型的非线性寻优的复杂度,与进化算法相比,该算法具有更优越的时变信道跟踪性能.     

基于同态滤波的MLS抗多径测角算法

针对微波着陆系统存在多径干扰引起测角误差的问题,研究了多径干扰的短时、相关、对称、卷积等特性,提出一种基于同态滤波的抗多径测角算法.建立了基于双对称性的信号模型,然后将卷积特征系统转换为线性系统,最后在混合信号中提取信息,实现了“往”“返”脉冲时差的精确测量.仿真表明,在“往”“返”脉冲接收信号存在多径干扰时,该算法能有效地降低多径干扰对测角精度的影响;当算法满足适用条件时,与常规测角算法相比精度提高了一个数量级.     

脉冲噪声下基于自适应特征值分解的时延估计新方法

依据分数低阶统计量理论和噪声特征，提出一种鲁棒性自适应特征值分解（RAED）时延估计方法，扩展了自适应特征值分解（AED）时延估方法的使用环境．该算法在脉冲噪声环境下，组合两个接收信号，使其共变矩阵最小特征值对应的特征向量为信道的估计，并基于广义归一化最小平均p范数（广义NLMP）方法自适应得到该特征向量，从而获得时延估计．计算机仿真表明该方法在脉冲噪声环境下具有较好的鲁棒性．     

一种基于Watterson模型的短波信号时延估计算法

基于TDOA的短波信源定位技术相比于传统的基于AOA的短波定位技术具有设备简单、成本较低且架构方便的优点。然而,对短波信号直接进行传统的TDOA估计并不能得到信号的时延信息。以Watterson短波信道模型构造短波信号,在研究对比基本相关与模值相关算法的基础上,提出了基于广义相关熵模值的时延估计算法。仿真实验表明,即使在较低信噪比下,该方法仍然保持着较高的时延估计性能,是一种适用于短波信号的新型时延估计算法。     

时间延迟估计的高阶谱矩估计算法

高阶谱估计方法是用于色噪声背景下时间延迟估计的一个十分有效的方法。本文提出了相关高斯色噪声背景下时延估计的高阶谱矩估计算法，改变了以往用互谱估计方法不能求未知互相关函数且加性噪声相关的情况。仿真结果表明，在信噪比为-2．5dB条件下，此方法能有效地抑制色噪声，且基本能估计出时间延迟的位置。     

尖峰脉冲噪声下基于分数低阶统计量和函数变换的时延估计新算法

针对α稳定分布噪声环境下的时延估计问题,对最大似然加权估计法进行改进,给出了三种高效实用的新算法。首先,以分数低阶统计量为基础,提出了一种基于分数低阶统计量的最大似然时延估计算法(FLO-ML算法);其次,通过函数变换,提出了两种不依赖于分数低阶统计量的新算法(Log-ML算法和UDE-ML算法);进一步,本文还详细讨论了三种新算法的适用范围及计算复杂度。仿真分析表明,三种新算法均能在分数低阶α稳定分布噪声环境下实现准确的时延估计,其性能优于同类算法,同时三种新算法都能在传统高斯噪声环境下保持良好的稳健性。     

基于相关熵希尔伯特差值的窄带射频信号时延估计

窄带射频信号时延估计的精度往往会受到相对带宽的制约和噪声的影响.针对这一问题,提出了相关熵希尔伯特变换时延估计的定理,并结合此定理提出了一种在脉冲噪声环境下,适用于窄带射频信号的相关熵希尔伯特差值时延估计算法.该算法具有受信号相对带宽影响较小、抗噪能力较强等特点.仿真结果表明,与CCF、FLOC、l_p范数等算法相比,该算法具有更好的时延估计有效性和准确度.     

脉冲噪声环境中韧性的子空间频率估计算法

为提高脉冲噪声环境中基于子空间的正弦信号频率估计算法的性能,以α稳定分布过程为脉冲噪声模型,利用m-估计方法得到接收信号尺度的鲁棒估计.构建鲁棒的接收信号协方差矩阵,并利用子空间方法得到正弦信号频率的估计.计算机仿真结果表明:该方法在强脉冲和低信噪比环境中的性能显著优于基于分数低阶统计量的子空间频率估计方法.     

α稳定分布噪声条件下TVAR模型参数估计

非高斯非平稳随机信号处理是当前信号处理领域的研究热点,具有重要的理论意义和实际价值.采用TVAR模型来描述非平稳随机信号,在α稳定分布噪声条件下,传统的递推最小二乘(RLS)算法效果显著退化.采用最小p范数(LPN)算法对TVAR模型的时变参数进行估计,仿真实验结果表明,LPN算法不仅适用于高斯条件而且适用于非高斯α稳定分布噪声条件,且与仅适用于高斯条件下的RLS算法相比具有更好的韧性.     

脉冲噪声环境下信噪比的盲估计

正交频分复用(OFDM)系统中,多径信道下的传统信噪比估计采用的大多是加性高斯白噪声,本文提出了一种基于脉冲噪声环境下信噪比的盲估计方法。该方法首先设置合适的门限值抑制脉冲噪声,而后利用自相关函数的平稳特性估计出信道阶数,然后利用循环前缀数据为有用数据的复制这一特性估计出噪声功率,最后求出总的功率值从而估计出信号功率。实验仿真结果表明,提出的方法无需任何先验信息,在多径信道下具有良好的估计性能,且计算复杂度低。