基于LDPC码的BICM系统中的迭代盲信道估计

针对传统基于导频辅助的信道估计方法频带利用率低的不足,提出一种块衰落信道下的迭代盲信道估计算法,该算法基于最大似然估计(maximum likelihood,ML),将译码产生的信息经判决、交织和映射后的符号作为发端的符号估计进行联合迭代信道估计和译码,随着迭代次数的增加,译码输出值更加精确,信道估计值也越来越精确。将之应用到基于低密度校验(low-density parity-check,LDPC)码的比特交织编码调制(bit-interleaved coded modulation,BICM)系统中,仿真结果表明,在对迭代信道估计算法性能的影响上,信噪比与衰落信道的块长之间存在着折中关系,即在低信噪比区域,块长较大时的性能要好于块长较小时的性能,而在高信噪比区域,情况正好相反。     

基于循环前缀的MIMO-OFDM改进信道估计算法

多输入多输出正交频分复用(multiple input multiple output-orthogonal frequency division multiplexing, MIMO-OFDM)系统中,为提升最小二乘(least squares, LS)信道估计算法的估计精度,可以利用离散傅里叶变换(discrete Fourier transform, DFT)算法对LS算法进行改进,然而,DFT算法对最大时延内的噪声未作处理,因此算法的估计精度仍易受噪声影响。针对这一不足,本文提出基于循环前缀(cyclic prefix,CP)的改进DFT信道估计算法。该算法以CP的长度为标准,对CP长度外的信道系数置零,对CP长度内的信道系数设置门限值,将模值小于门限值的信道系数置零。理论分析和仿真结果表明,改进算法中噪声被有效抑制,估计算法的精度得到提高。     

SC-FDE系统中基于UW的联合信道估计均衡算法

针对基于特殊字(unique word, UW)帧结构的单载波频域均衡(single carrier frequency domain equalization, SC-FDE)系统提出一种联合信道估计噪声预测最小均方误差-残留码间干扰消除(minimum mean square error-residual intersymbol interference cancellation, MMSE-RISIC)均衡算法。该算法包括噪声预测MMSE-RISIC均衡算法与基于UW的噪声消除时域信道估计算法, 并将频域均衡算法与信道估计算法相结合。最后,利用华北地区300 km的9径散射链路参数进行仿真, 结果表明基于UW的噪声消除时域信道估计算法较基于UW的时域信道估计算法总体性能有所提高, 当误码率为10^-2时信噪比大约有1.2 dB的性能增益; 联合信道估计噪声预测MMSE-RISIC均衡算法相比改进MMSE-RISIC均衡算法性能也有提高, 当误码率为10^-2时信噪比大约有3.2 dB的性能增益。     

短波信道信噪比估计及其在信道均衡中的应用

基于短波Watterson信道模型,理论分析了基于训练序列的信噪比估计算法,并将其应用于短波信道均衡后信噪比估计中,解决信噪比估计过程中要求信道系数为实值、一帧数据范围内信道系数恒定、调制方式已知等问可题;并根据判决反馈均衡器在低信噪比时具有误差传递的特性,提出利用实时信噪比估计指导信道均衡在直接式与判决反馈式均衡算法间动态切换,以获取整体性能的提高;仿真验证了均衡后短波信道信噪比估计算法和信道均衡动态切换方式的可行性和有效性.     

一种BICM-ID系统中的迭代盲信道估计算法

提出一种基于硬判决BICM-ID系统中的迭代盲信道估计算法.该算法基于最大似然估计(ML)同步算法,利用BICM-ID译码产生的硬判决信息,通过迭代地在信道估计和解码之间交换信息来完成联合信道估计和解码.仿真结果验证了算法的有效性,并分析了信噪比和块衰落信道的块长对迭代信道估计性能的影响.     

OFDM水声通信系统LS-DFT信道估计算法

对于正交频分复用(orthogonal frequency division multiplexing, OFDM)水声通信系统,频域最小二乘(least square, LS)信道估计算法受噪声影响较大,离散傅里叶变换(discrete Fourier transform, DFT)插值算法引入了由于空载波所产生的误差。针对上述问题,提出了一种LS-DFT信道估计算法,先对导频子载波进行LS信道估计,再通过DFT作降噪处理,然后通过误差对比和数据替换,得到一组新的导频信道估值,最后通过线性插值获得数据子载波处的信道估值。理论分析和仿真结果均表明,该算法能以较小的复杂度有效提升系统的性能。     

Nakagami信道基于16APSK的加权信噪比估计算法

自适应编码调制(adaptive coded modulation, ACM)技术是一种提高无人机(unmanned aerial vehicle, UAV)数据链吞吐量性能的有效方法,信道估计的准确性是决定ACM系统性能的关键因素之一,直接影响UAV数据链的吞吐量性能。首先对Nakagami衰落信道进行分析建模,推导了信号经过衰落信道后的表示方法。其次对Nakagami衰落信道下基于多进制数字相位调制(multiple phase shift keying, MPSK)的信噪比(signal-to-noise ratio, SNR)估计算法进行推导和分析,仿真结果表明三阶矩(third order moments, M3)SNR估计算法比传统的二〖JP2〗阶矩四阶矩(second and fourth moments, M2M4)SNR估计算法具有更好的估计性能。最后,针对Nakagami衰落信道下的现有估计算法对非恒包络调制信号估计性能差的问题,提出了一种适用于非恒包络的16阶振幅移相键控(amplitude phase shift keying, APSK)信号的加权SNR估计算法,该算法利用接收信号的先验信息和信号的阶矩关系进行SNR估计,具有复杂度低,估计精度高等优势。理论分析与仿真结果表明:所提出的算法可以有效地对16APSK调制信号进行SNR估计,且相比于M2M4算法,利用M3信息进行信道估计的加权SNR估计算法具有更高的估计精度。     

BICM-OFDM中基于ML算法的迭代信道估计

基于最大似然估计(ML),提出了一种新的联合译码的迭代信道估计算法。该算法利用比特交织编码调制(BICM)中迭代译码的硬判决信息,进行信道估计与译码之间的信息交换。在基于BICM的OFDM系统(BICM-OFDM)中,在短波宽带信道下的仿真结果表明,经过4次迭代,系统的误码率性能收敛。与传统ML算法相比,算法可有效的提高估计精度。     

用于有虚载波OFDM系统的信道估计算法

提出了一种适用于有虚载波的正交频分复用系统的改进信道估计算法。由于传统的信道估计器无法估计虚载波处的信道传输函数,从而逆离散傅里叶变换导致信道能量泄漏,使得时域滤波方法不能直接应用。为了解决这个问题,利用信道冲激响应的有限性,推导了以最小二乘法(least square, LS)来估计虚载波处的信道传输函数。进一步观察信号子空间和噪声子空间中噪声的相关性,使用最大后验概率准则估计出信号子空间的噪声并消除其带来的估计误差。该算法不仅可在训练模式下应用,也可推广应用于基于判决反馈的跟踪模式。仿真结果表明,改进算法无误符号率平台效应,且其误符号率较传统LS算法有2 dB的信噪比增益。     

多径衰落信道下MC-CDMA信号扩频序列周期盲估计

针对多径衰落信道下多载波码分多址(multi-carrier-code division multiple access,MC CDMA)信号扩频序列周期盲估计问题,提出自相关二阶矩和循环自相关两种算法。通过分析多径衰落信道条件下MC CDMA信号的自相关二阶矩,估计出MC-CDMA信号的扩频序列周期。通过分析多径衰落信道条件下MC-CDMA信号的循环自相关,估计出MC CDMA信号的扩频序列周期。最后在不同信道条件下分别对这两种算法进行仿真,并对两种算法的性能进行对比分析。理论和仿真实验表明,在较低信噪比下,循环自相关算法在估计MC-CDMA信号扩频序列周期时具有良好的性能,但自相关二阶矩算法比循环自相关算法计算复杂度低,易于实现。     

一种在未知噪声下的快速波达方向估计方法

提出了一种基于传播算子方法的波达方向估计（direction of arrival, DOA）算法,和传统的子空间方法相比,该方法不需要进行矩阵特征分解,有效降低了运算复杂度,同时它对相干信源有更高的分辨率。另外,传统的传播算子方法只在噪声协方差矩阵已知并且信噪比（signal-to-noise ratio, SNR）较高的情况下才有很好的分辨率,而本方法在未知相关噪声场中也能够保持非常高的精度。最后,引入了基于混沌优化思想的谱峰搜索算法,进一步减少了算法运算时间,并通过仿真实验验证了文中结论。     

基于移不变二维混合变换的机场雷达噪声抑制

机场跑道异物(foreign object debris, FOD)检测对飞行器的安全起降有着非常重要的意义,而机场跑道异物检测的一个关键环节是很好地抑制机场雷达图像的噪声,因此提出一种基于距离时间维的移不变混合变换以抑制机场雷达图像的噪声。首先,在雷达成像时进行离散傅里叶变换(discrete Fourier transform, DFT)和维纳滤波滤除距离维上的噪声。然后,在雷达成像时进行超分析离散小波变换(hyperanalytic wavelet transform, HWT)自适应滤波去除时间维上的噪声。与传统的成像后去噪算法相比,本文的算法可以有效地去除机场雷达图像噪声,显著地改善图像的视觉效果。最重要的是该算法具有很强的实时性,可以很好地应用到工程实践中。     

基于混沌自适应烟花算法的雷达信号盲源分离

针对传统独立成分分析(independent component analysis, ICA)方法存在收敛速度慢、分离性能不高的问题,将混沌映射策略与自适应爆炸半径相结合,提出一种基于混沌自适应烟花算法(chaotic adaptive fireworks algorithm, CAFWA)的盲源分离(blind source separation, BSS)方法,并应用于雷达辐射源混合信号分选问题。混沌映射策略可以将初始值在解空间内分布更加均匀,爆炸半径能够根据适应度的优劣自适应改变,保证了所提算法局部搜索的精度,满足了全局搜索的多样性。实验结果表明所提算法可以在无噪和有噪情况下均能很好地分选观测信号,而且具有比传统算法更快的收敛速度和更优异的分选性能。     

基于混沌自适应烟花算法的雷达信号盲源分离

针对传统独立成分分析(independent component analysis, ICA)方法存在收敛速度慢、分离性能不高的问题,将混沌映射策略与自适应爆炸半径相结合,提出一种基于混沌自适应烟花算法(chaotic adaptive fireworks algorithm, CAFWA)的盲源分离(blind source separation, BSS)方法,并应用于雷达辐射源混合信号分选问题。混沌映射策略可以将初始值在解空间内分布更加均匀,爆炸半径能够根据适应度的优劣自适应改变,保证了所提算法局部搜索的精度,满足了全局搜索的多样性。实验结果表明所提算法可以在无噪和有噪情况下均能很好地分选观测信号,而且具有比传统算法更快的收敛速度和更优异的分选性能。     

基于组稀疏表示和加权全变分的图像压缩感知重构

传统的基于组稀疏表示(group sparse representation, GSR)的压缩感知(compressd sensing, CS)重构算法利用信号的稀疏性和非局部相似性来重构图像信号,但没有充分考虑图像的局部平滑特性,影响了算法的重构性能。考虑信号的稀疏性、非局部相似性、平滑性3种先验信息,提出一种基于GSR和加权全变分(weighted total variation, WTV)的图像CS重构算法,并针对传统的WTV采用全局加权会引入错误的纹理以及边缘状伪影的问题,利用一种新的WTV策略,只对图像的高频分量设置权重来保证图像重构质量。此外，针对硬阈值迭代法忽略低频的主分量系数,采用硬阈值-模平方方法来更好地保护非主分量系数。实验表明,相同采样率下,所提算法的峰值信噪比比非局部正则化全变分和基于GSR的CS算法平均分别提高5.4 dB和0.62 dB,验证了所提算法有效保护图像的细节信息。     

基于组稀疏表示和加权全变分的图像压缩感知重构

传统的基于组稀疏表示(group sparse representation, GSR)的压缩感知(compressd sensing, CS)重构算法利用信号的稀疏性和非局部相似性来重构图像信号,但没有充分考虑图像的局部平滑特性,影响了算法的重构性能。考虑信号的稀疏性、非局部相似性、平滑性3种先验信息,提出一种基于GSR和加权全变分(weighted total variation, WTV)的图像CS重构算法,并针对传统的WTV采用全局加权会引入错误的纹理以及边缘状伪影的问题,利用一种新的WTV策略,只对图像的高频分量设置权重来保证图像重构质量。此外，针对硬阈值迭代法忽略低频的主分量系数,采用硬阈值-模平方方法来更好地保护非主分量系数。实验表明,相同采样率下,所提算法的峰值信噪比比非局部正则化全变分和基于GSR的CS算法平均分别提高5.4 dB和0.62 dB,验证了所提算法有效保护图像的细节信息。     

基于改进3D-ESPRIT算法的GTD模型参数估计与目标识别

针对低信噪比条件下,传统的基于旋转不变技术的三维信号参数估计(three-dimensional estimating signal parameter via rotational invariance techniques,3D-ESPRIT)算法和平方前后向平滑的3D-ESPRIT(quadratic-forwa...     

基于相对信息观测量的INS/USBL非线性组合导航方法

针对传统惯性导航系统/超短基线定位系统(inertial navigation system/ ultra short base line, INS/USBL)组合导航利用绝对位置做观测信息存在导航精度较低,且噪声异常引起抗干扰能力弱的问题,提出基于相对信息观测量的INS/USBL非线性组合导航方法。以INS解算的应答器相对于INS在基阵坐标系下的入射角、斜距信息与超短基线输出的入射角、斜距信息之差作为观测量建立量测方程。在改进Sage Husa算法基础上采用容积规则,设计一种适用于非线性系统的自适应容积卡尔曼滤波估计器。仿真结果表明,该方法定位精度较传统方法提升2.4倍,在噪声异常情况下,滤波收敛,组合导航性能稳定。     

基于深度卷积神经网络的SAR舰船目标检测

针对传统合成孔径雷达(synthetic aperture radar,SAR)图像舰船目标检测算法检测精度易受斑点噪声影响,且只能提取底层特征及其泛化性较差的问题,提出了一种基于深度卷积神经网络的SAR图像舰船目标检测算法。首先将目前先进的单次多盒检测器(single shot multibox detector,SSD)检测算法应用到SAR图像舰船目标检测领域,指出了其在该领域存在的局限性,在此基础上提出了基于SSD的新的检测方法,包括融合上下文信息,迁移模型学习,在公开的SSDD数据集上进行了训练和测试,对实验结果进行了对比分析,实验结果表明,相比于原始的SSD检测算法,所提出的方法不仅提高了目标检测精度,同时也保证了算法的检测效率。