分数低阶α稳定分布噪声下EP潜伏期变化韧性自适应检测

依据分数低阶矩理论和信号噪声的特性,提出了一种自适应检测EP潜伏期变化的新方法.这种方法基于反正切函数的单调有界和奇对称特性,对误差信号en(k)进行非线性变换,抑制了EP信号中的分数低阶α稳定分布噪声,有效保留了信号成分,在高斯和分数低阶α稳定分布噪声条件下具有良好的韧性,且避免了动态估计信号噪声α参数的困难.利用这种方法动态检测EP潜伏期的变化,具有较高的估计精度和较快的收敛速度.

冲击噪声背景下基于最小均方归一化误差的波束形成算法

本文提出一种适用于任意未知统计特性的代数拖尾冲击噪声环境下的MMSNE波束形成算法.算法利用输出信号和参考信号之间的"归一化误差"最小化来求解最优权向量."归一化误差"定义为接收信号的瞬时自适应无穷范数归一化的形式.与基于最小分数低阶误差波束形成算法相比,MMSNE波束形成算法计算更为简单;不需要噪声特征指数的先验信息或估计;适用于更广的冲击噪声环境;具有更小的估计误差;具有更强的干扰抑制能力.

任意分布冲击噪声背景下基于ESPRIT的DOA估计方法

针对冲击噪声背景下的传统波达方向(DOA)估计算法性能下降的问题,该文提出一种适用于任意分布冲击噪声的无穷范数归一化旋转不变子空间(Inf-ESPRIT)算法。该方法首先对阵列接收的快拍数据进行无穷范数归一化处理,然后对伪协方差矩阵进行特征分析,利用ESPRIT算法实现DOA的估计。与传统的基于分数低阶矩的方法相比,该算法具有以下优势:适用于多种不同分布的冲击噪声环境,无需已知冲击噪声特征指数的先验信息或估计值,可以获得更好的估计性能。计算机仿真实验证明了所提算法的有效性。

一种基于分数低阶协方差的自适应EP潜伏期变化检测方法

由于诱发电位 (EP)信号中含有分数低阶α稳定分布噪声 ,致使传统的基于二阶统计量的EP潜伏期变化检测方法性能显著退化 .本文提出了一种基于分数低阶协方差的自适应EP潜伏期变化检测方法 (AFLC) ,通过对带噪信号的非线性处理 ,把其转变为二阶矩过程 ,从而保证了算法在α∈ (0 ,2 ]范围内的可靠收敛 ,并获得了EP潜伏期变化估计的较高韧性和精度 .给出了性能分析 ,计算机仿真和实验数据分析的结果 .

一种基于非线性变换的EP潜伏期变化自适应检测方法

该文依据分数低阶矩理论和诱发电位(EP)信号及噪声的低阶α稳定分布特性,提出了一种自适应检测EP潜伏期变化的新方法。这种方法基于sigmoid函数对误差信号e_n(k)进行连续的非线性变换,既抑制了EP信号中的低阶α稳定分布噪声,又有效保留了信号成分,在高斯和低阶α稳定分布噪声条件下具有很好的韧性,且无须动态估计信号噪声的α参数。利用这种方法动态检测EP潜伏期的变化,比以往的DLMS,DLMP和SDA等算法具有较高的估计精度和较快的收敛速度,是一种具有较高韧性的性能优良的EP潜伏期变化动态检测方法。

脉冲噪声环境下一种韧性的时延与多普勒频移联合估计法

由于α稳定分布噪声会降低基于二阶循环统计量的传统方法的性能,本文基于分数低阶统计量理论提出p阶循环相关的概念并给出相应性质及证明,在此基础上对已有的循环模糊函数进行了广义化.计算机仿真表明,这种广义的循环模糊函数能够在高斯和α稳定分布噪声条件下有效地联合估计时延和多普勒频移,其性能不仅优于基于二阶循环相关的CCA(循环模糊函数)法,也优于FLOAF(分数低阶模糊函数)法,是韧性的、具有更广泛应用意义的方法.

复杂噪声环境下基于LVD的LFM信号参数估计

针对传统的线性调频(LFM)信号参数估计方法平滑交叉项时,会出现参数估计精度降低和计算复杂度增加等问题,该文引入LVD(LV’s Distribution)方法,该方法可以在参数空间直接显示中心频率和调频斜率(CFCR)。LVD首先对对称参数瞬时自相关函数(PSIAF)进行尺度变换,消除信号在时间轴上的线性频率偏移,然后对尺度变换后的时间变量作2维傅里叶变换,将1维LFM信号转化为2维单频信号。信号各分量在LVD平面表现为多个独立尖峰,使交叉项的能量聚集影响可忽略不计,且信号各峰值所在位置对应于各信号分量的中心频率和调频斜率。LVD可有效抑制高斯噪声,但在脉冲性较强的a稳定分布噪声中,该方法在CFCR域的性能退化甚至失效。对此,该文结合分数低阶统计量理论,提出一种a稳定分布噪声环境下的分数低阶LVD新方法。仿真实验表明该方法在高斯噪声和脉冲噪声环境下均可稳定工作,具有较好的鲁棒性。

在冲击噪声环境中基于子空间的测向算法研究

首先分析了冲击噪声的性质以及它对传统的基于二阶或高阶统计量的子空间测向技术的影响 ,然后提出了一种新的在冲击噪声环境中基于子空间的阵列测向算法。该算法利用TLS ESPRIT算法的基本思想 ,通过对阵列输出信号的协变异系数矩阵进行奇异值分解来估计来波方位 ,最后进行了计算机仿真试验 ,验证了该算法的可行性和有效性。

一种冲击噪声环境中的二维DOA估计新方法

该文提出了一种新的在冲击噪声环境中基于阵列输出信号分数低阶矩的二维测向方法——稳健的协变异波达方向矩阵法。该方法利用冲击噪声和SαS过程的特点,扩展了原波达方向矩阵法的信号模型和应用环境,对冲击噪声有较好的抑制作用,增强了算法的通用性和稳健性,弥补了传统的基于二阶或高阶统计量的子空间测向算法不能应用于冲击噪声环境的不足,计算机仿真验证了该算法的可行性和有效性。

一种基于分数低阶矩的α稳定分布噪声中频谱感知方案

针对在非高斯背景、主用户信息未知的条件下,传统的基于二阶统计量的频谱感知方法性能将出现退化或失效的问题,建立了以α稳定分布为背景噪声的频谱感知模型,给出了一种基于分数低阶矩的感知方法,较好地解决了非高斯背景中主用户先验信息未知条件下的频谱感知问题。同时,根据中心极限定理推导了感知门限与虚警概率的关系式,通过蒙特卡洛仿真分析了该算法在不同广义信噪比、特征指数α以及协作用户数条件下的感知性能,并与传统的感知方法进行比较。仿真结果表明,基于分数低阶矩的感知方法在α稳定分布背景噪声中的感知性能明显优于基于二阶统计量的能量检测,且采用多用户协作可以进一步提高感知性能。

分数低阶矩的信号盲分离方法

具有尖峰脉冲特性的α稳定分布信号或噪声不存在二阶及二阶以上的统计量,传统基于二阶统计量(SOS)或高阶统计量(HOS)盲分离和独立成份分析(ICA)算法效果不理想,甚至失效。对脉冲噪声环境下的盲分离技术进行了研究,推导出一种基于分数低阶矩的信号盲分离算法,并进行了仿真检验,结果表明所提出的方法对实现α稳定分布信号或含有α稳定分布噪声的信号盲分离效果很好,并具有良好的韧性。

基于分数阶矩的测向算法研究

在SαS噪声环境中基于阵列输出信号分数阶矩的TLS ESPRIT测向算法 ,该算法在保持了原TLS ESPRIT算法无需谱峰搜索、计算量和存储量小等优点的基础上 ,对加性SαS噪声有较好的抑制作用 ,扩展了ESPRIT算法的信号模型和应用环境。

冲击噪声背景下基于归一化的线性约束特征干扰相消器

针对冲击噪声背景下,常规波束形成算法性能下降的问题,本文提出一种适用于任意未知统计特性的代数拖尾冲击噪声环境下的基于归一化的线性约束特征干扰相消器(N-LCEC)算法。该算法在附加线性约束的条件下,以噪声功率最小化为目标函数;通过对输入信号进行无穷范数归一化,使变换信号的二阶统计量在代数拖尾的冲击噪声环境下存在且有界,然后将自适应权矢量约束于噪声子空间的方法,提高了波束形成器在冲击噪声背景下的性能。N-LCEC算法无需噪声特征指数的先验信息,适用冲击噪声环境更广;N-LCEC算法具有运算简单,干扰抑制能力强,同时保持静态方向图的副瓣特征等优点。仿真结果验证了该算法的有效性和优越性。

冲击噪声环境中的联合对角化波达方向矩阵法

针对对称α平稳(SαS)噪声环境中信号源的高分辨二维波达方向(DOA)估计问题,提出了一种新的联合对角化(JD)分数低阶矩(FLOM)-DOA矩阵方法。构建了一种特殊的阵列结构,把其分为三个子阵,然后通过联合对角化获得信号的二维角估计。新方法不仅保持原协变异DOA矩阵方法无需二维谱峰搜索和参数配对等优点,还较好地解决了一维角度兼并问题。仿真结果表明,新方法优于协变异DOA矩阵法。

冲击噪声背景下归一化广义旁瓣相消器

针对冲击噪声背景下常规波束形成算法性能下降的问题,该文提出一种归一化广义旁瓣相消器(N-GSC)算法,该算法适用于任意未知统计特性的代数拖尾冲击噪声环境。算法通过对输入信号进行无穷范数归一化,使信号的二阶统计量存在且有界,再进行维纳滤波,提高了波束形成在冲击噪声背景下的性能。进行了4种冲击噪声背景下的仿真实验。仿真结果表明,与传统的GSC算法和基于分数低阶矩的GSC算法相比,N-GSC算法计算简单,无需噪声特征指数的先验信息或估计,适用于任意分布的冲击噪声环境,具有更强的干扰抑制能力。

基于Screened Ratio原理的冲击噪声环境下DOA估计算法

该文提出了一种冲击噪声环境中DOA估计的算法。算法首先根据Screened ratio原理构造阵列信号的相关矩阵，然后利用MUSIC算法实现DOA估计。与基于分数低阶矩（FLOM）的算法相比，该文算法不需要选择FLOM参数p。计算机仿真表明该文算法在冲击噪声环境下具有更佳的稳定性和估计精度。

α稳定分布噪声下基于EM算法的多径时延估计算法

实际应用中大量非高斯信号和噪声具有显著的尖峰脉冲特性.这类信号带宽较窄,采用传统高斯模型下基于相关运算的多径时间延迟方法进行时延估计时,会因各个峰值的相互重叠而带来较大的估计误差.为此,根据信号噪声特性,在α稳定分布模型下,提出一种基于EM方法的高分辨率多径时延估计算法(P-EM算法).新算法基于分数低阶统计量理论,采用p阶相关思想,具有在脉冲噪声环境下,比较准确估计多径时间延迟的能力.理论分析和计算机仿真表明了该算法的韧性.

脉冲噪声下基于自适应特征值分解的时延估计新方法

依据分数低阶统计量理论和噪声特征,提出一种鲁棒性自适应特征值分解(RAED)时延估计方法,扩展了自适应特征值分解(AED)时延估计方法的使用环境.该算法在脉冲噪声环境下,组合两个接收信号,使其共变矩阵最小特征值对应的特征向量为信道的估计,并基于广义归一化最小平均p范数(广义NLM P)方法自适应得到该特征向量,从而获得时延估计.计算机仿真表明该方法在脉冲噪声环境下具有较好的鲁棒性.

高斯混合噪声环境中基于分数低阶矩的频谱感知算法研究

传统的频谱感知算法因非高斯噪声的干扰,其检测性能严重退化。为抑制实际通信环境中非高斯噪声的干扰,本文提出了一种基于分数低阶矩的空闲频谱检测方法,该方法不需要主用户信号、通信信道和噪声的先验信息。本文采用高斯混合分布拟合非高斯噪声环境,根据中心极限定理及广义二项式定理推导出信道为无衰落和Nakagami衰落时基于分数低阶矩感知算法的检测概率和虚警概率。理论分析和仿真结果表明,在非高斯噪声环境中,基于分数低阶矩感知算法的检测性能明显优于传统的能量检测算法,且采用多天线技术有助于进一步提高感知性能和频率资源的利用率。

冲击噪声背景下独立信号与相干信号并存的测向自适应新方法

根据冲击噪声的幅值特点和快拍数数量,通过对阵列接收数据进行去冲击预处理后进行数据重构,提出一种冲击噪声背景下独立信号与相干信号并存的DOA估计的新自适应方法。首先,估计出阵列接收数据中信号成分的幅值上限;然后,对阵列接收数据中受到冲击噪声影响的数据进行归一化处理,削弱冲击噪声;最后,根据快拍数量对噪声残差数据进行采样后重构信号,利用传统的二阶统计量方法分别对独立信号和相干信号进行达波方向(DOA)估计。研究结果表明:该方法阵列利用率较高,估计性能好,且在强冲击噪声环境和小快拍数下仍然具有良好的估计性能。