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。     

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.     

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．     

α 稳定分布噪声下基于EM算法的多径时延估计算法

实际应用中大量非高斯信号和噪声具有显著的尖蜂脉冲特性.这类信号带宽较窄,采用传统高斯模型下基于相关运算的多径时间延迟方法进行时延估计时,会因各个峰值的相互重叠而带来较大的估计误差.为此,根据信号噪声特性,在α稳定分布模型下,提出一种基于EM方法的高分辨率多径时延估计算法(P-EM算法).新算法基于分数低阶统计量理论,采用p阶相关思想,具有在脉冲噪声环境下,比较准确估计多径时间延迟的能力.理论分析和计算机仿真表明了该算法的韧性.     

非高斯模型下BPSK的循环谱分析

在Alpha稳定分布下结合共变理论、循环平稳理论和分数低阶矩等理论,推导了BPSK信号的循环平稳特性和低阶循环谱密度,结果表明稳定分布下BPSK信号的低阶循环谱结构同高斯假设下的谱结构是一致的.最后在Matlab下进行了仿真验证,仿真结果与理论推导相符合,但基于稳定分布所设计的算法具有良好的抗脉冲噪声的性能,对复杂背景下的调制识别或者盲分离提供新的途径.     

基于分数低阶Stockwell变换时频的机械轴承故障特征提取

时频分布是机械滚动轴承故障信号的有效分析方法,特殊情况下的机械故障信号或噪声属于非高斯Alpha(α)稳定分布,传统的Stockwell变换(S变换)时频方法性能退化甚至失效。基于S变换时频和分数低阶矩提出了一种分数低阶S变换时频分布算法,为了减少计算量及在线及时分析信号,提出了一种快速分数低阶S变换时频算法。仿真结果表明,所提出的分数低阶S变换时频算法及其快速算法能很好地工作在高斯噪声和α稳定分布噪声环境,性能优于已有的S变换时频。在实际应用中,所提出的时频算法能够较好的提取机械轴承故障信号的故障特征。     

一种脉冲噪声中的韧性子空间跟踪方法

一般地,基于二阶统计量的子空间跟踪方法对脉冲噪声敏感,性能出现退化.为此以α稳定分布作为脉冲噪声的模型,研究噪声环境中的韧性子空间跟踪方法.以分数低阶统计量理论为依据,把α稳定分布噪声中的子空间跟踪看做一个无约束的优化问题,提出了一个新的代价函数,并推导出一个韧性算法.同时还利用M估计对算法进行了简化.在数值模拟中把新算法应用于方向估计,结果表明了新算法和简化算法的有效性.     

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.     

分数低阶α稳定分布噪声下EP潜伏期变化韧性自适应检测

依据分数低阶矩理论和信号噪声的特性，提出了一种自适应检测EP潜伏期变化的新方法，这种方法基于反正切函数的单调有界和奇对称特性，对误差信号Cn(k)进行非线性交换，抑制了EP信号中的分数低阶α稳定分布噪声，有效保留了信号成分，在高斯和分数低阶a稳定分布噪声条件下具有良好的韧性，且避免了动态估计信号噪声a参数的困难，利用这种方法动态检测EP潜伏期的变化，具有较高的估计精度和较快的收敛速度。     

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。     

基于分数阶傅里叶变换的时延和频率偏移联合估计方法

针对传统相关运算对时延和频移进行联合估计计算复杂度高的缺陷,提出一种基于分数阶傅里叶变换的时延和频移联合估计方法.该方法利用信号的时延和频偏变换到分数域表现为分数域谱位置的平移特性,通过在不同的分数域利用最小均方误差准则来获得分数域谱位置的偏移量来进行联合估计.该方法不局限于仅适用于Chirp信号,对其它类型的信号同样适用.且与传统相关估计法相比,具有简洁、高效的特点.计算机仿真结果表明,该方法是有效的.     

CDMA信号的联合参数估计

为了克服移动通信环境中信号在不同域（时间，频率，空间）的扩展对通信传输的影响，针对阵列信号处理技术中对信号波达方向（空间）、传输时延（时间）以及多普勒频移（频率）等参数进行联合检测和估计的方法，基于CDMA信号，采用传统的阵列信号高分辨技术，利用移动通信特有的空时频信道模型，提出一种能同时估计波达方向、信号传输时延和多普勒频移的联合算法，理论分析和计算机仿真结果验证了该算法的有效性，结果表明该算法结构简单，分辨率高，有较高的估计精度．     

基于类间功率谱差的FRFT-TDCS门限判决算法

针对分数阶傅里叶变换域通信系统采用传统门限判决算法难以有效剔除多分量线性调频干扰的问题,根据高斯白噪声和多分量线性调频干扰分数阶傅里叶变换域功率谱特征,提出了基于类间功率谱差的门限判决算法。该算法利用了分数阶傅里叶变换不影响高斯白噪声的统计特性,在分数阶傅里叶变换域的三维频谱上自适应地确定门限值,既可以有效对多分量线性调频干扰频谱剔除,又解决了分数阶傅里叶变换的变换阶次对门限判决带来的不利影响。仿真结果表明,该算法在双极性调制和循环移位键控调制下,对多分量线性调频干扰剔除的有效性,尤其在大干信比情况下,误码率的提升尤为明显,对提高分数阶傅里叶变换域通信系统抗多分量线性调频干扰的能力具有一定的实用价值。     

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．     

一种对直序扩频信号参数估计的自适应算法

目的 提出一种伪随机噪声（ＰＲＮ）码调制的准正弦信号参数估计的自适应搜索方法。方法 采用矩和自适应变化率调节的步长对信号的多普勒频移和时延进行搜索。结果 缩短了搜索时间,而且对噪声也表现出一定程度的不敏感性。结论 所提出的算法改善了参数估计性能。     

卫星移动通信多普勒频移补偿研究

针对卫星通信系统中,多普勒频移过大对通信过程造成严重影响的问题。在传统多普勒频移补偿思想的基础上,通过分析信号传输过程中影响多普勒频移估计值的因素。提出了一种改进的多普勒频移补偿方案。该方案通过使用最大似然估计法对用户链路上的收发信号进行多普勒频移估计。并使用该方案对Iridium系统,GEO（geostationary earth orbit）系统的反向通信链路上的多普勒频移进行计算,得出频率补偿误差。仿真结果表明,当统计点数N=3500,信噪比SNR=8 dB时,经改进后,频率补偿方案在Iridium系统与GEO系统中的频率估计误差与传统频率补偿方案中的频率估计误差相比较,分别降低了50%与42%。因此,改进后的频率补偿方案与传统频率补偿方案相比,多普勒频率估计精度更高,更有利于卫星信号的精确跟踪和解调。     

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.     

多输入多输出浅海水声信道响应的盲估计

提出一种在频率域实现的MIMO（multi—inputs multi—outputs）盲解卷积算法，可以在较低信噪比下求解得到浅海水声信道冲激响应的逆滤波器响应，不受时间域的原始信道阶数很长且稀疏的影响，经过求逆后得到原始MIM0浅海水声信道的冲激响应．最后采用合理的声场仿真模型验证了算法的有效性．     

α噪声背景下谐波恢复方法研究

为解决α 噪声背景下的谐波恢复问题,提出了归一化循环相关结合多重信号分类算法。该算法包含两种 多重信号分类算法( MUSIC: Multiple Signal Classification) : 样本空间MUSIC 算法和特征空间MUSIC 算法。 这两种MUSIC 算法充分利用信号子空间和噪声子空间,在空域内做谱峰搜索以求取谐波频率。该算法不仅能 估算谐波信号频率,同时也能提高谐波估计的精度。计算机仿真结果表明,使用这两种算法可完成谐波信号频 率有效估算,而且效果比原有分数低阶矩及其派生的分数低阶统计量更优,且有效地解决了非整数算子造成的 相位扭曲问题,应用前景广泛。     

基于STFRFT的脉冲干扰抑制方法研究

为了解决航空无线电导航服务频段附近的脉冲干扰影响接收机工作的问题,并进一步提高GNSS系统的抗干扰能力,提出了基于STFRFT(short time fractional Fourier transform)的脉冲干扰抑制方法。首先确定接收信号的最佳旋转阶次,再对信号进行STFRFT,通过坐标旋转得到时频面的二维分布,在最佳阶次下采用自适应时变滤波器实现对干扰和信号的分离,进而抑制干扰。仿真结果表明,和几种传统方法相比,基于STFRFT的自适应滤波算法剔除干扰效果最好,在抑制脉冲干扰的同时保留了更多有用信号。结合STFRFT技术和自适应时变滤波技术提高了抑制脉冲干扰的能力,可为航空无线电导航服务的脉冲抗干扰技术提供参考依据。