基于MMSE估计的全极化雷达自适应脉冲压缩

针对同时极化测量体制雷达发射波形自相关和互相关特性相互制约的矛盾,提出了一种基于最小均方误差估计的全极化雷达自适应脉冲压缩方法,其核心思想是通过初始化滤波器得到各距离单元散射系数的先验信息,并结合对应极化通道的回波信号,根据贝叶斯原理估计得到每个距离单元的自适应滤波器,在分离各极化通道回波信号的同时实现脉冲压缩。通过设置典型的仿真场景,从检测概率和目标极化散射矩阵估计的均方误差两个方面分析了自适应脉冲压缩算法的性能。仿真结果表明,该算法能有效地抑制邻近距离单元的干扰和不同极化通道之间的互扰,比标准匹配滤波器更好地实现全极化雷达脉冲压缩。     

一种基于高阶累积量的自适应时延估计新方法

讨论了存在于相关高斯或对称分布噪声中的非高斯信号的时延估计问题。可通过采用基于高阶统计量的自适应方法估计出滤波器的权系数 ,根据权系数的最大值求得时延估计。为了能得到非整数采样间隔的时延 ,常用SINC函数对滤波器权系数进行插值。但为了得到精确的时延估计 ,该法需要足够长的滤波器权系数。提出了一种可在相关高斯噪声中 ,只要较少的滤波器权长就能对非高斯信号的时延进行估计的新方法 ,称为最小权值误差平方和法。它对整数或非整数采样间隔时延均能进行估计。理论分析和仿真均证明了该方法的正确性和有效性     

一种韧性的高分辨率多径时延估计方法

将观测数据的噪声建模为α稳定分布,运用分数低阶统计量理论中的共变概念和最小分散系数准则,结合用于解决高维非线性最小二乘优化问题的松弛搜索思想,借鉴高分辨率多径时延估计算法WRELAX、DS-WRELAX,提出了一种韧性的高分辨率多径时延估计算法RHMTDE。理论分析和仿真结果表明,该算法有抗粗差的能力,在高斯噪声和脉冲噪声环境中都可以较好地估计出多径观测信号中每径的时间延迟。     

自适应FIR高精度时延估计研究

从最小二乘原理出发,结合参量模型时延估计方法,提出了一种使得时延引起的输入信号与参考信号之间实现最小二乘的自适应FIR高精度时延估计方法。与广义互相关法、相位谱法和自适应最小均方(leastmean square,LMS)时延估计方法相比,该方法具有算法简单、运算量小、精度高、收敛快的优点。计算机仿真实验和消声水池试验结果均验证了该算法的有效性。     

基于四元数理论的时延估计方法

针对同一信号到达两个传感器的时延问题,首先提出用两路传感器将接收到的信号构造一个四元数信号模型;接着,构造该四元数模型的自相关函数;之后,构造该四元数模型自相关函数的Toeplitz矩阵,并对其进行分析,提出估计时延的核心思想。最后利用四元数矩阵右特征值分解方法,构造基于四元数的噪声子空间,并在已知信号频率参量的基础上,用四元数MUSIC方法估计出两个传感器接收到的时延。仿真实验证明了方法的有效性。     

单Chirp脉冲时域自适应波束形成和参数估计

将最小方差无畸变响应(minimum variance distortionless response, MVDR)自适应波束形成方法拓展到一类非平稳脉冲信号,利用时域MVDR（time-domain MVDR, TMVDR）实现了单Chirp脉冲信号的自适应波束形成,即CTMVDR（TMVDR on single Chirp pulse signal, CTMVDR）。CTMVDR可估计具有常数幅值的未知Chirp脉冲信号的波达方向（direction of arrival, DOA）、信号功率和时间波形。理论分析结果表明,稳定估计自适应权向量的条件是稳定估计Chirp脉冲时间序列的自相关。数值仿真和海上实验结果表明,在采样频率不大于10倍Nyquist频率条件下,只需少于1 024个采样点,即可获得稳定的自适应权向量估计;和常规波束形成对比,CTMVDR有更好的波束响应、DOA估计、阵处理增益和Chirp脉冲信号的时间波形估计性能。     

基于组合噪声调频信号的高速目标参数估计

宽带噪声雷达参数估计时通常会采用宽带互模糊函数的方法,但是宽带互模糊函数庞大的运算量限制了其在实际工程中的应用,为此提出了一种基于组合噪声调频信号的高速目标参数估计方法。该方法首先将回波信号共轭自混频来抑制多普勒敏感,然后对自混频信号进行短时相关运算,并通过高斯拟合获得分段的时延精确解,最后利用最小二乘算法求得目标参数。该方法通过自混频过程获得的组合噪声调频信号具有更高的时延分辨力,提出的高斯拟合方法较经典的抛物线插值方法精度更高,整个算法无需宽带模糊函数所需的时域重构运算及二维搜索过程,运算复杂度大大降低,适用于实际工程应用。仿真结果验证了本文算法的有效性。     

DS-UWB信号伪码周期的谱估计

针对接收端接收到缺乏先验知识的超宽带信号以后,如何确定其伪噪声(PN)码周期的难题,提出了一类基于信号功率谱二次处理的方法.该方法首先对直接序列扩频超宽带信号的功率谱进行估计,然后把估计出的信号功率谱作为输入信号再求功率谱,发现信号的二次功率谱脉冲位置与PN码周期密切相关,将本方法运用于非合作方式通信信号估计场合,只要检测出其相邻脉冲峰值的间隔就能估计出PN码的周期.最后通过计算机模拟程序验证了该方法在较低的输入信噪比条件下与理论分析结果一致,显示了该方法的有效性.     

水声信道多径时延估计的高分辨方法研究

为了解决传统的匹配滤波器方法估计实测信道时分辨率不足的困难，研究了高分辨多径时延估计方法。应用MODE算法求得多径时延估计的初值，再通过带惩罚函数的最小二乘法迭代求解时延和幅度估计的准确值。仿真表明，该方法的时延分辨率在20dB信噪比下达到了传统的匹配滤波器方法的4倍，实现了多径时延的高精度估计，解决了实测线性调频信号的信道估计问题。     

两级NLMS自适应滤波的仿真与应用研究

从含噪信号中恢复信号是信号处理领域的经典问题,根据自适应线谱增强器的原理,提出了基于两级NLMS自适应滤波器的噪声抵消模型和方法.并通过仿真实验和海上实录船舶辐射噪声识别实验对其进行了验证.仿真实验表明,该方法比基本的NLMS方法更能有效地消除信号中的噪声.对船舶辐射噪声的识别实验表明,当识别环境改变时,该方法仍能保证比较好的识别率,而且比基本的NLMS方法对环境改变更具有适应性.     

α稳定分布噪声下水声线性调频信号的识别

线性调频(linear frequency modulation,LFM)信号是一类重要的水声信号,在低信噪比(signal-to-noise ratio, SNR)和α稳定分布噪声条件下,对LFM信号进行识别会遇到一些困难。针对这个问题,在浅海水声多途脉冲噪声信道条件下,提出了适用于低SNR条件的LFM信号识别方法。该方法首先通过非线性变换抑制脉冲噪声,然后进行离散分数阶傅里叶变换(discrete fractional Fourier transform,DFRFT),通过分数阶傅里叶变换(fractionalFourier transform,FRFT)的结果构造出识别特征量,最后通过支持向量机(support vector machine,SVM)完成对LFM信号的识别。仿真实验结果表明,在混合信噪比（mixed signal-to-noise ratio,MSNR）为-15 dB时正确识别率高于94%。     

Minimum geometric power distortionless response beamforming against heavy-tailed noise of unknown statistics

A minimum geometric power distortionless response beamforming approach against impulsive noise(including all αstable noise) of unknown statistics is proposed.Due to that definite logarithmic moments require no priori knowledge of impulsive noise,this new beamformer substitutes the logarithmic moments for the second-order moments and iteratively minimizes the geometric power of the beamformer's output snapshots,subjected to a linear constraint.Therefore,the proposed beamformer can provide significantly highe...     

New HB-weighted time delay estimation algorithm under impulsive noise environment

The traditional HB-weighted time-delay estimation （TDE） method degenerates under the impulsive noise environment. Two new time-delay estimation methods are proposed based on fractional lower order statistics （FLOS） according to the impulsive characteristics of fractional lower order α-stable noises. Theoretic analysis and computer simulations indicate that the proposed covariation based HB weighted （COV-HB） algorithm can suppress impulsive noises in one received signal for 1 ≤α≤ 2, whereas the other proposed fractional lower order eovariancebased HB weighted （FLOC-HB） algorithm has robust performance under arbitrary impulsive noise conditions for the whole range of 0 〈α≤ 2.     

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。     

Receiver design of UWB radio systems for an impulsive noise environment

1 .INTRODUCTIONUltrawidebandwidth (UWB )radiosystemshavedrawnalotofattentionduringthelastfew years[1,2 ] .Suchsystems ,basedontimehoppingspread spec trum (THSS)impulseradio (IR ) ,are plannedtoworkinco existencewithotherdigitalsystemsoverabandwidthranging…     

一种频域自适应最大似然时延估计算法

提出了一种基于平方相干函数的频域自适应最大似然时延估计算法。该算法构造了一种广义相位数据最大似然加权函数,并通过自适应估计输入信号的平方相干函数加以实现。算法的性能分析和仿真实验表明,该算法有更好的时延估计精度、收敛速度和跟踪性能,能够有效提高低信噪比环境下的低空目标被动声探测的时延估计性能。     

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。     

Unsupervised robust adaptive filtering against impulsive noise

An implementation of adaptive filtering, composed of an unsupervised adaptive filter (UAF), a multi-step forward linear predictor (FLP), and an unsupervised multi-step adaptive predictor (UMAP), is built for suppressing impulsive noise in unknown circumstances. This filtering scheme, called unsupervised robust adaptive filter (URAF), possesses a switching structure, which ensures the robustness against impulsive noise. The FLP is used to detect the possible impulsive noise added to the signal. If the signal is "impulse-free", the filter UAF can estimate the clean signal. If there exists impulsive noise, the impulse corrupted samples are replaced by predicted ones from the FLP, and then the UMAP estimates the clean signal. Both the simulation and experimental results show that the URAF has a better rate of convergence than the most recent universal filter, and is effective to restrict large disturbance like impulsive noise when the universal filter fails.     

脉冲噪声下基于相关熵的OFDM时域参数估计

针对传统的正交频分复用(orthogonal frequency division multiplexing,OFDM)时域参数估计方法在Alpha稳定分布噪声环境下性能退化的问题,该文提出了一种基于相关熵的时域参数估计新方法。相关熵是适用于非高斯信号处理的一种广义相关函数,用于表征随机变量的局部相似性。该方法利用OFDM信号时域结构具有局部相似性这一特点以及相关熵对脉冲噪声较好的抑制作用,完成Alpha稳定分布噪声下OFDM信号有用符号时间和符号周期这两个时域参数的估计。此外,为进一步提高强脉冲噪声下有用符号时间和符号周期的估计性能,该文利用累积法对相关熵进行了改进。仿真结果表明,在Alpha稳定分布噪声下,本文提出的基于相关熵的方法具有良好的估计性能,并且在强脉冲噪声下优于基于分数低阶统计量的方法。     

一种改进的自适应平方根传递对准滤波算法

提出了一种解决时变噪声条件下传递对准的改进自适应平方根滤波算法。该算法将状态方差调节因子阵、自适应调节的系统噪声和量测噪声方差以及噪声有限记忆尺度融入平方根滤波结构中,采用序列算法滤波解算。算法通过一步控制和多步自适应调节过程,以较少的计算量从数值计算、噪声抑制及自适应调节方面提高滤波性能。仿真结果表明,该算法滤波稳定性强,能够根据实际噪声快速调整,且滤波精度高,为机载导弹提供了一种有效的快速精确传递对准方法。