色噪声背景下正弦参量估计的互ESPRIT法

互谱估计方法是用于色声背景正弦参量估计的一个非常有效的方法。互ＥＳＰＲＩＴ法除克服了互ＭＵＳＩＣ法所需的谱峰搜索所带来的计算量非常大之外,也消除了采用自相关函数的ＥＳＰＲＩＴ法本身所含方差大的缺点。是一种较理想的谱估计方法。     

利用ESPRIT方法实现信号频率／相位的联合估计

目的 研究阵列信号频率／相位的联合估计方法。方法 设３个天线组成的天线阵,接收到含有多个谐波的回波信号,由计算机仿真产生不同信噪比下这些回波的数据序列样本,利用旋转不变技术（ＥＳＰＲＩＴ）计算出各谐波的频率和相位差,实现信号频率／相位的联合估计。     

二维正弦信号频率估计的ESPRIT方法研究

为了在噪声背景下估计二维正弦信号的频率,并获得较高的估计精度,给出了二维相关阵的大特征值所对应的主特征向量,位于由信号向量张成的信号子空间的结论,并因此提出了一种新的基于最大特征值所对应的第1特征向量的二维谐波频率估计ESPRIT(Estimation of Signal Parameters Via Rotational Invariance Techniques)方法.该方法用此第1特征向量构造一个特殊矩阵代替MEMP(Matrix Enhancement and Matrix Pencil)方法中的数据矩阵,进一步用二维ESPRIT方法来估计谐波频率.该方法依赖于信号子空间,对噪声和数据长度敏感性小,同时它不需进行谱峰搜索,可以得到较高的估计精度.同时给出了较为简便的频率配对算法.仿真实验证明了算法的正确性.     

空域色噪声下的多输入多输出雷达角度估计

由于多输入多输出(multiple input multiple output, MIMO)雷达的空域色噪声协方差矩阵通常为非对角矩阵,因此在色噪声下信号子空间与噪声子空间无法有效分离,从而致使传统算法无法有效估计目标角度。为此,首先利用信号协方差矩阵的低秩性和色噪声协方差矩阵的稀疏性来抑制空域色噪声。然后,根据MIMO雷达数据的内在多维结构特性,建立四阶张量CP(canonical or parallel factor analysis, CANDECOMP/PARAFAC)分解模型。针对传统交替最小二乘算法对数值病态性较为敏感而导致CP分解精度低的问题,利用张量因子矩阵之间的共轭关系来降低求解的病态敏感度,提高张量分解的稳健性。最后,利用最小二乘拟合法从因子矩阵的估计值中得到目标角度。仿真结果表明,所提算法能够对色噪声有效抑制并提高了角度估计的精度。     

复杂噪声中基于累积量的二维DOA估计

针对自相关算法的局限性,研究了复杂环境(乘法与加法观测噪声共存时)中,通过高阶累积量对二维DOA估计的问题.算法能同时确定目标的仰角与方位角;高阶累积量使得算法能够更加有效抑制消除乘法噪声.该方法对任何平稳的加性与乘性噪声均不敏感,因而具有较大的实用性.     

高分辨率谐波恢复的互四阶累积量ESPRIT-SVD方法1

在互功率谱和高阶统计量理论基础上，提出了基于互四阶累积量的ESPRIT(estimation of signal parameters via rotational invariance techneques)SVD(singular value discompose)方法。仿真结果表明，在混合色噪声背景下，该方法能够有效地抑制噪声，且具有良好的频率估计性能。     

未知有色噪声背景中正弦信号的频率估计——超定扩阶Hankel阵SVD

基于对超定Hankel阵的SVD,提出一种估计隐含于未知有色噪声背景中正弦信号频率的方法。它适用于从观测数据出发直接估计正弦波频率。对背景噪声模型不做任何先验假定,只要它是任何一种非确定性的广义平稳过程,即它满足T_n(k)=0;k→∞即可,因而它适用于广泛一类有色噪声污染正弦信号的谱估计问题。     

基于互高阶累积量与信号空间结构特性的谐波恢复方法

将互谱思想与高阶累积量方法相结合形成了多通道互高阶累积量方法,该方法用于谐波恢复,突破了高阶累积量方法对噪声的限制,降低了互谱方法对硬件隔离的要求,本文还采用了状态空间模型来描述时间序列,充分利用信号空间的结构特征,进而最终实现了在有色加性混合色噪声背景下较低信噪比的谐波恢复,仿真实验结果表明了该方法的有效性。     

高分辩率谐波恢复的互四阶累计量的Pisarenko方法

互高阶谱估计是抑制混合色噪声的一种有效方法。为此提出了一种混合色噪声背景下谐波恢复的互四阶累积量的Pisarenko方法。仿真结果表明，该方法可同时抑制各信道间相关的高斯色噪声及相互独立的任意色噪声的影响，在混合色噪声和很低信噪比条件下谱估计的分辨率和对混合色噪声的抑制等方面均明显优于自高阶谱方法。     

非协作通信中的信噪比估计算法

研究基于信号协方差矩阵分解的信噪比估计算法.该算法使用最小描述长度准则实现了信号空间维数的估计,进而实现信噪比估计.在此基础上,提出了基于信号功率谱的信噪比估计算法.由该方法计算出接收信号的功率谱,估计出有用信号的带宽,在有用信号频带外的噪声频带上估计出噪声的功率,从而估计出信噪比值.仿真实验表明,当信噪比小于3dB时,基于信号功率谱的信噪比估计算法优于基于信号协方差矩阵分解算法.     

有色噪声中随机相位信号的检测研究

提出了一种在有色噪声背景下检测随机相位信号的一种新方法．将有色噪声背景下含噪观测量的功率谱化为白噪声背景下的含噪观测量的功率谱,从而构造出与原被测信号具有相同频率的白噪声背景下的信号,然后利用现有的白噪声背景下的方法进行随机相位信号的检测．     

基于Burg算法与卡尔曼滤波的有色噪声状态估计

探讨一种有色噪声卡尔曼滤波算法。基于静态环境下多传感器的噪声信号,借助Burg算法和自回归模型,获得可在线估计噪声信号的噪声模型,进而结合经典卡尔曼滤波算法,获得可估计系统状态的有色噪声卡尔曼滤波模型。数值实验结果比较显示该模型对系统的状态估计精度高、噪声抑制能力强。     

有色测量噪声下的输入白噪声估计算法

由于在实际工程中,测量噪声并不是白噪声而是时间相关的有色噪声．本文通过建立等效测量方程提出了测量噪声是有色的情况下输入白噪声的估计算法．     

基于有色噪声卡尔曼滤波的GPS多径估计研究

在最大似然多径估计技术的基础上,提出了一种新的基于有色噪声卡尔曼滤波的全球定位系统(GPS)多径信号估计技术.建立了GPS多径信号的卡尔曼滤波估计模型,推导了观测噪声为有色噪声的卡尔曼滤波的状态方程和观测方程,阐述了有色噪声的形成过程,推导了卡尔曼滤波的递推公式.实验结果表明,提出的设计技术可以在20dB·Hz的载噪比条件下对多个GPS多径信号进行较精确的估计.     

有色噪声下的卡尔曼滤波

以平台式惯导系统为例 ,论述了如何用卡尔曼滤波技术处理有色噪声 .     

带有色观测噪声的自适应滤波算法

对于带有色观测噪声的系统,基于最小二乘准则(LS),提出了递推增广最小二乘算法(RLSE),该自适应算法能显著减小噪声的影响,提高信号质量.并在此基础上提出了计算噪声方差的估值方法.计算机仿真例子和信噪比的计算证明了算法的正确性和有效性.     

带有色观测噪声的改进自适应滤波算法

在噪声消除系统中,若观测噪声为有色噪声,则基于最小二乘准则(LS),提出了两段RLS-RELS算法,这是一种改进的递推增广最小二乘法,该自适应算法能显著减小噪声的影响,提高信号质量.并在此基础上提出了计算噪声方差的估值方法.计算机数值仿真例子和信噪比的计算比较证明了算法的正确性和有效性.