基于加权高阶累积量切片的非线性调频信号增强算法

为了综合考虑高阶累积量各种切片抑制高斯噪声的性能,定义了加权高阶累积量切片,并给出了加权高阶累积量切片符号联合迭代公式,得到了基于加权高阶累积量切片的自适应谱线增强新算法。对该算法增强水下目标辐射的非线性调频信号的效果进行了仿真研究。仿真结果表明:该算法能抑制大约18dB～28dB的高斯色噪声;调整高阶累积量切片的加权系数,可获得抑制高斯色噪声的最佳效果。在工程实践中,具有重要的指导意义和实用价值。     

一种余弦调频信号增强新算法研究

为了克服常规LMS算法抑制高斯噪声效果差、跟踪能力弱、且步长为零时无跟踪能力等缺点，利用高阶量抑制高斯噪声的性能，并将泄漏LMS算法和变步长LMS算法的优点统一在高阶累积量递推估计算法中，提出了基于高阶累积量泄漏－变步长类LMS算法迭代的余弦调频信号自适应增强新算法，对其原理进行了剖析。用实测运动目标辐射噪声数据，进行了动态仿真。结果表明：该算法能有效地克服基于LMS算法的自适应谱线增强器的不足，具有良好的抑制高斯有色噪声能力和跟踪性能。因此，本研究为水下运动目标识别与检测提供了新的技术途径。在工程实践中，具有重要的指导意义和应用价值。     

伪波束域四阶累积量切片高分辨方位估计法

在低信噪比或空间非白噪声情况下,基于信号二阶统计量的高分辨方法,性能变差较快。在基于四阶累积量切片MUSIC方法的基础上,结合波束域高分辨方法的思想,提出了一种四阶累积量切片伪波束域高分辨方位估计方法。分析表明,高阶累积量的运用有效抑制了空间高斯白噪声和有色噪声;波束域方法的运用有效滤除了部分空间噪声,增强了方法的稳健性。仿真结果表明,相比基于四阶累积量切片的MUSIC方法,所提出的方法在高斯白噪声和有色噪声中,有效提高了低信噪比情况下的方位估计精度,降低了目标的分辨门限。     

基于四阶累积量的线性调频信号参量估计

针对加性高斯有色噪声背景下的一维、二维线性调频信号的参量估计问题,引入高阶统计量,提出了一种基于四阶累积量的新方法。该方法利用高阶累积量对加性高斯噪声有较好的抑制能力的特性,结合极大似然方法,可获得较低信噪比下的线性调频信号参量的较高精度的估计。给出了应用该方法的具体步骤,通过仿真实验证明了该算法的有效性。     

基于高阶累积量符号相干累积自适应滤波算法

基于传统LMS（Least Mean Square）的自适应谱线增强（Adaptive Line Enhancement，ALE）算法的主要缺点是：抑制高斯噪声效果差，计算量大，收敛速度慢，为了尽可能的克服这些缺点，利用相干累积算法对输入数据中相干分量的相干累积作用和符号算法能减少计算量的性能，修正了传统的LMS算法，提出了基于高阶累积量符合相干累积迭代的自适应谱线增强新算法，该算法具有良好的抑制高斯有色噪声效果。计算量小，输出信号平稳等特点，能较好地克服基于LMS的ALE算法的缺点。仿真结果证实了该算法的有效性和可行性。因此，本文的研究具有良好的实用性和应用前景。     

Parameter estimation of DSSS signals in non-cooperative communication system

A new adaptive estimator for direct sequence spread spectrum （DSSS） signals using fourth-order cumulant based adaptive method is considered. The general higher-order statistics may not be easily applied in signal processing with too complex computation. Based on the fourth-order cumulant with 1-D slices and adaptive filters, an efficient algorithm is proposed to solve the problem and is extended for nonstationary stochastic processes. In order to achieve the accurate parameter estimation of direct sequence spread spectrum （DSSS） signals, the fast step uses the modified fourth-order cumulant to reduce the computing complexity. While the second step employs an adaptive recursive system to estimate the power spectrum in the frequency domain. In the case of intercepted signals without large enough data samples, the estimator provides good performance in parameter estimation and white Gaussian noise suppression. Computer simulations are included to corroborate the theoretical development with different signal-to-noise ratio conditions and recursive coefficients.     

基于熵评价模态分解的雷达信号双谱特征识别

针对在低信噪比下雷达信号调制识别准确率低、抗噪性差的问题, 提出一种基于熵评价模态分解和双谱特征提取的识别方法。利用双谱可以抑制高斯噪声的特点, 分析了在低信噪比下进行信号调制识别的可行性并引入了噪声项。由于噪声项的干扰, 双谱在0 dB以下时, 噪声抑制效果变差, 提出了基于信息熵评价的经验模态化分解对信号进行预处理, 提高信噪比。最后, 设计了卷积神经网络分类器, 实现对不同调制类型信号的识别。仿真实验结果表明, 本文方法相比传统方法具有良好的抗噪性, 能够在低信噪比下对不同类型信号进行有效识别。     

虚拟波束四阶累积量DOA估计方法

为满足复杂干扰场景和阵列误差因素影响下雷达微弱目标信号精确测向需求,提出一种基于均匀线阵构建虚拟波束,替代阵列接收信号进行四阶累积量(fourth-order cumulant, FOC)波达方向(direction of arrival, DOA)估计的算法。该算法包括两个关键步骤：一是利用阵列接收信号特征分解的方法,对信号主信息分量进行提取,并以构建的虚拟波束为输入,计算FOC矩阵;二是针对主分量虚拟波束波瓣外的起伏,利用高斯窗修正波束方向图的方法,进一步提升空间谱函数的估计精度。仿真结果表明,该方法在存在阵列误差的非理想因素下,对复杂电磁干扰场景下的目标信号DOA估计精度较现有FOC方法提高150%以上,尤其对于场内同时存在多个非等功率源信号时,所提方法对低信噪比目标DOA估计精度提升效果优势明显,对复杂干扰环境下DOA估计精度更高、适应性更强。     

瑞利噪声环境中水下目标辐射信号增强算法

提出了基于高阶累积量广义函数迭代的自适应滤波算法，证明了该算法的收敛性，给出了广义函数的几种具体表示式。用该算法对瑞利噪声环境中水下目标辐射信号谱增强进行了仿真研究。结果表明：该算法具有很强的抑制瑞利(白或色)噪声的能力。因此，该算法在提高水下探测系统对水下目标的检测能力方面有重要的应用价值。     

一种基于四阶累积量的相干信号测向算法

利用四阶累积量估计相干信号的来波方向(DoA)需要获得修正阵列的方向矩阵。提出了一种估计修正阵列方向矩阵的改进算法,它减少了计算量,通过模式激励和空间平滑,实现均匀圆阵对来自不同独立信号源的相干信号的DoA估计,并利用虚拟阵列流形的中心对称性,将复矩阵的特征分解转换为实矩阵的特征分解,减少了计算量。相比基于自相关矩阵的算法,所提出方法提高了阵元利用率,有效地抑制了高斯噪声,不需要对模式激励后的数据进行白化处理,仿真结果表明,在低信噪比和多个独立信号源存在的条件下,有更明显的优势。     

色噪声下双基地MIMO雷达DOD和DOA联合估计

针对双基地多输入多输出(multiple input multiple output,MIMO)雷达在色噪声环境中的收发角度估计问题,提出了一种基于改进四阶累积量的角度估计算法。该算法首先构造回波信号的四阶累积量矩阵,然后根据四阶累积量矩阵的形成规律,在保证虚拟阵列孔径有效扩展的前提下去除其中的冗余项,达到矩阵降维的目的。最后将降维后的矩阵特征分解得到噪声子空间,再利用四阶累积量的多重信号分类(multiple signal classification,MUSIC)算法实现最终的收发角度估计。所提算法不仅可以有效抑制高斯色噪声,并且能够减小四阶累积量矩阵的维数,降低计算的复杂度,仿真结果验证了该算法的有效性。     

基于高阶累积量和匹配滤波的信号检测新方法

针对通信侦察中的空间弱信号检测问题,提出了一种基于高阶累积量和匹配滤波器相结合的信号检测新方法。该方法利用高阶累积量有二阶以上信息,且高斯噪声的高阶累积量恒为零的特性,在传统似然比检测基础上,依据高阶累积量对高斯噪声的抑制能力,结合匹配滤波器进行弱信号检测,在低信噪比条件下获得了更高的检测概率。蒙特卡罗仿真结果证明了该方法的有效性。     

基于高阶累积量特征学习的调制识别方法

自动调制分类是确保通信安全、可靠的关键技术之一。在低信噪比(low signal-to-noise ratio, Low-SNR)环境中,自动调制分类识别率低且识别类型受限。利用零均值高斯白噪声(white Gaussian noise,WGN)的高阶累积量理论值等于0的性质,在信号分析过程中,引入高阶累积量,可使系统免受WGN的影响。同时,引入深度学习网络结构完成微弱特征的表征,可有效解决调制方式受限及Low-SNR情况下的识别率下降问题。实验结果表明,所提方法在高斯信道环境下的分类精度比现有方法要高,在Low-SNR的不同信道环境下有较高的识别率,且使模型在时间、相位和频率偏移量方面具有更好的鲁棒性。     

基于四阶累积量切片的宽带传播算子测向方法

四阶累积量的盲高斯性改善了高斯噪声存在情况下的方位估计算法性能,四阶累积量切片同样具有盲高斯性,结合改进的传播算子法(MPM)不但可以降低算法的运算量,还可以改善算法的性能。首先利用旋转不变方法(RSS)对宽带信号进行聚焦处理,聚焦处理后的矩阵输出再求其四阶累积量切片矩阵,对该矩阵利用改进的传播算子法得到测向结果。论述了四阶累积量切片适用于改进的传播算子法的原理,并通过仿真验证了算法在盲高斯噪声、运算量及测向性能方面的优越性。     

软件接收机中基于数据处理的多径估计方法

当信噪比(signal-to-noise ratio, SNR）较低时基于数据处理的多径估计算法的估计性能显著降低。提出了基于Kalman滤波和Teager-Kaiser (TK）算子/最小二乘(least square, LS）相结合的多径估计算法,简称KTK/KLS算法。该算法通过Kalman滤波消除低SNR的高斯噪声对相关输出的影响,然后将滤波后的相关输出用于TK算子/LS估计直接信号时间延迟或多径参数。KTK/KLS算法有效解决了仅使用TK算子和LS算法进行参数估计时对噪声比较敏感的问题,保留了二者对多径比较敏感的优点。最后,通过仿真将KTK/KLS算法与其他高效的基于数据处理的多径估计算法进行比较,结果表明所提出算法的多径估计精度优于对比算法。     

高斯色噪声下混合信号二维DOA估计方法

针对色高斯噪声环境下混合信号二维波达方向(two-dimensional direction of arrival, 2D-DOA)估计问题,提出四阶累积量与斜投影算子相结合的混合信号波达方向(direction of arrival, DOA)估计算法。首先利用接收数据构造四阶累积量矩阵切片替代传统协方差矩阵来抑制高斯色噪声,并通过传播算子方法(propagator method,PM)估计非相干信号的仰角与方位角。然后采用正交三角(orthogonal triangular,QR)分解构造特定的斜投影算子,使接收信号中仅包含相干信号信息。将矩阵重构与PM相结合来解相干并估计相干信号的仰角与方位角。可以实现高斯色噪声背景下混合信号的2D-DOA估计,且估计信号的方位角和仰角能够实现自动配对,仿真实验证明了算法的有效性。     

Lattice structure adaptive IIR notch filter based on least square kurtosis

A new variable step-size algorithm for a second-order lattice form structure adaptive infinite impulse response (IIR) notch filter to detection and estimation frequency of sinusoids in Gaussian noises is proposed. Utilizing least square kurtosis of output signals as a cost function, the new gradient-based algorithm to update frequency of the adaptive IIR notch filter and the new variable step-size algorithm are given. The computer simulation results show that the proposed algorithm has better ability in suppressing colored Gaussian noises and better accuracy in estimating parameters at low SNR than previous algorithms.     

GMSK+PN信号信噪比估计

针对数传、测距一体化的调制方式高斯最小频移键控复合伪码测距(Gaussian minimum shift keying+pseudo-noise, GMSK+PN)信号的信噪比估计,提出了一种精度较高、复杂度较低的快速算法。该算法采用层状结构分解的方式,将信号分解为若干信号单元,对每一个分解的信号单元进行功率分配计算或信噪比估计,最后快速准确地计算出整个信号的信噪比。信噪比在 1~13 dB之间时,估计误差小于0.5 dB。利用Simulink仿真工具,验证了该算法的有效性。     

基于VMD和特征融合的辐射源信号识别

在日趋复杂的电子对抗中,如何提高雷达辐射源信号(radar emitter signal, RES)识别率和抗噪性能是亟待解决的问题。为此提出了一种变分模态分解(variational mode decomposition, VMD)和特征融合相结合的RES识别方法。首先利用VMD算法对各雷达信号进行分解得到3个本征模态函数(intrinsic mode function, IMF);然后,对这3个IMF分量提取排列熵(permutation entropy, PE)和样本熵(sample entropy, SE)特征进行特征融合，构成六维特征向量；最后利用支持向量机对辐射源信号进行识别。利用6种不同的辐射源信号对该方法进行了验证,仿真实验结果表明,该方法在低信噪比(signal to noise ratio, SNR)下能取得较好的识别率,当SNR不低于0 dB时,六维特征向量的识别率达到100%,具有较强的抗噪性能。     

复杂随机系统的信噪比增益研究与阵列随机共振

复杂系统与非线性科学密切相关。为了探讨复杂随机系统信息处理的机制和利用“随机”因素自优化能力，研究了一类无限并联阵列的信噪比增益问题。阵列中每个子系统是一个双稳态振荡器，其输入都是同一个给定的含噪正弦信号。每个子系统内部噪声强度相同，但是相互独立。随着内部噪声强度的增加，信噪比增益出现了随机共振现象和存在大于一的区域，并且这一区域随着并联阵列数目增加而被放大。无限并联阵列的信噪比增益可达到全局最大值。依据阵列非稳态输出均值和稳态自协方差函数的极限性质，本文证明了无限并联阵列的信噪比增益问题可以归结为任两个子系统的统计性能分析。这些研究结果对于复杂系统信号处理理论具有重要意义。