α稳定分布噪声下基于稳健S变换的LFM信号参数估计

S变换由短时傅里叶变换发展而来,克服了短时傅里叶变换窗长固定、不能同时展现信号高频及低频的缺点,但在脉冲性较强的α稳定分布噪声下,该方法性能退化甚至失效。对此,基于广义柯西分布,构造了一类可有效应用于强脉冲噪声环境的损失函数,并详细分析了其影响函数的稳健性。在此基础上,根据最大似然估计理论和S变换,提出了一种稳健S变换方法。该方法以S变换作为初始值,采用最大似然估计方法在时频域迭代得到,在保留S变换窗长选取灵活等优点的同时,进一步提高了S变换的时频聚集性。仿真实验表明,在处理脉冲噪声环境下的线性调频信号时,与传统的基于Myriad滤波、Meridian滤波等多种非线性滤波的方法相比,提出的稳健S变换不仅能有效抑制脉冲噪声,且在脉冲性较强的α稳定分布噪声环境下,具有良好的鲁棒性和优良的线性调频信号参数估计性能。     

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。     

基于自适应Metropolis算法的 α 稳定分布参数估计

基于马尔可夫链蒙特卡罗(Markov chain Monte Carlo, MCMC)方法的α稳定分布参数估计具有良好的性能,但不合适的提议函数常导致算法不收敛或混合性能不好。针对提议函数难以选择的问题,提出了一种基于自适应Metropolis算法的非对称α稳定分布参数估计新方法。该方法利用Markov链的历史信息自动调整提议函数的协方差矩阵,使其不断地逼近目标分布,从而获得更好的估计结果。理论分析和仿真结果表明,此方法不仅能准确地估计出α稳定分布的4个参数,而且具有良好的鲁棒性和灵活性。     

脉冲噪声下基于NAT函数的LFM信号参数估计

针对传统的线性调频(linear frequency modulation,LFM)信号参数估计方法在脉冲噪声环境中无法准确提取参数信息的问题,设计了两种非线性幅值变换函数(nonlinear amplitude transformation,NAT),即attenuation-NAT (A-NAT)函数与increa...     

α稳定分布噪声下一种稳健加权滤波的统一框架

针对传统滤波方法在α稳定分布噪声环境下性能退化的问题,从加权Myriad滤波以及加权Merid滤波方法出发,以M估计理论为基础,推导得到稳健加权(robust weighted,RW)滤波方法的统一算法结构,并据此提出了基于RW滤波的新算法,即基于稳健加权滤波的统一框架,从而将加权Myriad、加权Merid以及基于广义柯西分布的加权滤波器统一起来。此外,针对线性调频(linear frequency modulation, LFM)信号采用基于RW的LVD(RW LVD)方法估计其参数,并根据估计性能对RW方法的抑噪效果进行分析。仿真结果表明,与基于加权Myriad滤波、加权Merid滤波以及基于广义柯西分布的加权滤波等多种方法相比,在强脉冲噪声下RW滤波方法能有效抑制脉冲噪声,并具有良好的稳健性。     

α稳定分布噪声下基于梯度范数的VSS-NLMP算法

针对α稳定分布噪声环境下的自适应滤波问题,提出一种新的基于梯度范数的变步长归一化最小平均p范数(variable step size normalized least mean p norm, VSS-NLMP)算法。该算法首先对梯度矢量进行加权平滑,以减小梯度噪声的影响,然后利用梯度矢量能够跟踪自适应过程的均方偏差这一特点,利用梯度矢量的欧氏范数控制步长的变化。给出了新算法的迭代过程,然后对其收敛性进行分析,仿真结果表明本算法较现有变步长NLMP算法有更好的性能。     

基于功率谱形态学运算的LFM信号参数估计

针对当前线性调频（linear frequency modulation, LFM）信号参数估计算法中存在的估计精度与计算量的矛盾问题,提出了一种基于功率谱形态学运算的信号参数估计算法。该算法根据LFM信号参数与功率谱形状特征的关系,实现了LFM信号参数估计。仿真试验表明,在信噪比为-5dB时,LFM信号的调频斜率和起始频率估计精度分别比基于Radon模糊变换(Radon ambiguity transform, RAT)和分数阶傅里叶变换（fractional Fourier transform, FRFT）结合的离散谱校正算法提高了约2%和4.5%,带宽和脉冲宽度估计的均方根误差分别小于2.4 MHz和0.025 μs;当采样点不大于4096时,计算量比插值FRFT算法降低了约70%,证明了该算法具有高估计精度和低运算量的优点     

LFM信号参数估计的插值FRFT算法

提出了一种基于分数阶傅里叶变换（fractional Fourier transform, FRFT）的线性调频（linear frequency modulation, LFM）信号参数估计的插值算法。首先针对FRFT的旋转角度α搜索步长问题,提出了在较大搜索步长下进行插值以得到α精估计的方法;然后针对离散分数阶傅里叶变换(digital fractional Fourier transform, DFRFT)因参数u离散化而造成的栏栅效应问题,采用相邻谱线进行插值以得到u的精估计;最后用α和u插值精估计结果对单分量LFM信号的参数进行估计。这一方法在不影响估计精度的前提下,降低了计算量和复杂度。仿真结果表明,在较低的信噪比下,LFM信号参数估计的精度仍十分逼近克拉美罗界(Cramer-Rao bound, CRB)。     

α稳定分布噪声下基于FHN模型的UWB-IR信号检测

针对传统FitzHugh-Nagumo (FHN)模型检测方法在α稳定分布噪声条件下检测性能退化的问题,在α稳定分布的统计特性基础上,将三倍分散系数异常值剔除准则引入FHN模型检测方法,提出基于三倍分散系数FHN模型的超宽带冲激无线电(ultra wideband-impulse radio, UWB-IR)检测方法。此外,对传统三倍分散系数准则进行改进,使用样本分位数法对α稳定分布参数进行估计,避免了传统三倍分散系数准则对α稳定分布参数先验信息的依赖,使其适合全盲条件下的UWB-IR信号检测。仿真实验表明,该算法能有效抑制α稳定分布噪声中的强脉冲,可较好地重构UWB-IR信号波形,实现了强α稳定分布噪声条件下UWB-IR信号的有效检测。     

基于重排小波-Radon变换的LFM雷达信号参数估计

小波变换是一种兼顾时频分辨率的线性变换,对多分量情况不会引入交叉项。针对此问题,提出基于重排小波-Radon变换的多分量线性调频信号的参数估计法。该方法先将小波尺度图转为时频分布图,为提高聚集性引入了时频重排,再将重排图进行Radon变换以进行参数估计。对单分量和双分量的情况进行了仿真,结果表明,该方法有效提高了时频分布图的聚集性,大大节省了后续Radon变换的时间,同时也抑制了噪声干扰,辨识效果明显提高。     

Parameter estimation of LFM signals based on time reversal

In this paper, parameter estimation of linear frequency modulation(LFM) signals containing additive white Gaussian noise is studied. Because the center frequency estimation of an LFM signal is affected by the error propagation effect,resulting in a higher signal to noise ratio(SNR) threshold, a parameter estimation method for LFM signals based on time reversal is proposed. The proposed method avoids SNR loss in the process of estimating the frequency, thus reducing the SNR threshold. The simulat...     

基于分形盒维数的线性调频信号参数估计

针对当前线性调频（linear frequency modulation, LFM）信号参数估计算法中对调频斜率的估计复杂度高、实时性差且信噪比适应范围较小等缺点,提出了基于分形盒维数的LFM信号调频斜率估计方法。该方法通过计算信号调频斜率与盒维数的关系曲线,利用盒维数对LFM信号的调频斜率进行估计,探讨了信号的幅度和相位对信号盒维数的影响,计算了不同信噪比下的估计误差,并与传统的基于匹配傅里叶变换（matching Fourier transform, MFT）的LFM信号参数估计算法进行了对比仿真,绘制了脉冲宽度、调频带宽与盒维数三者的关系曲线图。仿真结果表明,该算法在建立了对应关系数据库后,在信噪比变化范围比较大的情况下的估计误差仍然比较小,且算法简单,对于实时性估计具有很好的应用价值。     

基于谱图的伪码调相与线性调频复合信号参数估计

研究了基于谱图的伪码调相与线性调频（pseudo random binary code and linear frequency modulation, PRBC-LFM）复合信号参数估计算法,根据PRBC-LFM信号的谱图特点给出了其伪码参数（子脉冲宽度、脉冲重复周期和伪码重复周期等）和调频参数（载频、调制斜率）的估计方法。结合瞬时频率估计误差理论,分析了谱图窗函数窗长的选择对信号参数估计精度的影响。另外,为了评价该参数估计方法的性能,推导了PRBC-LFM信号参数估计的克拉美罗界。理论分析和仿真实验表明,选择中等长度的窗函数,在信噪比为0~10 dB范围内,该估计方法比较接近克拉美罗界。     

高精度LFM信号参数估计的谱校正方法

为精确估计噪声背景下线性调频（linear frequency modulation, LFM）信号的调频率和中心频率等参数,提出了一种基于Radon模糊变换（Radon-ambiguity transform, RAT）和分数阶傅里叶变换（fractional Fourier transform, FRFT）的离散谱校正估计方法。该方法将LFM信号的调频率和中心频率估计问题转化为模糊域和分数阶Fourier域上的两次一维谱峰搜索过程,并且通过对矩形窗截断的LFM信号的RAT和FRFT谱线结构分析,将能量重心谱校正法引入两次谱峰搜索过程,在不增加运算量的基础上实现了谱峰位置的超分辨率估计,较大幅度地提高了信号的参数估计精度。仿真结果显示,对于单分量LFM信号情况,该方法对信号的RAT和FRFT谱峰位置的校正误差分别降到了扫描步长的1.55%和4.94%,证明了该方法的有效性。