基于FLOCC-ESPRIT的极化阵列参数估计方法

针对基于分数低阶矩类阵列波达方向(DOA)估计方法仅适用于独立同分布(i.i.d)SαS背景噪声的缺点,提出了一种线性极化阵列DOA和极化参数联合估计的分数低阶循环相关(FLOCC)极化参数联合估计(ESPRIT)算法。该方法首先利用入射信号的循环平稳特性,采用分数低阶循环相关函数抑制α和高斯混合噪声及与信号循环频率相异的任何循环平稳干扰信号。在此基础上,利用阵列信号参数与噪声子空间的正交性,采用ESPRIT算法直接求取了信号的DOA和极化参数。该方法对于α和高斯混合噪声及与信号循环频率相异的任何循环平稳干扰信号具有很强的抑制能力。即使对于空域内靠得非常近的信源,该方法也可利用极化信息的差异进行区分。实验结果表明,在α和高斯混合信噪比(SNR)为0 d B,信干比(SIR)为3 d B时,其DOA和极化参数估计的均方根误差分别为0.23°和0.54°;并且在实测数据环境下,当SNR为10 d B时,本文算法仍然有效。

认知无线电中非高斯噪声下数字调制信号识别方法

针对认知无线电系统中传统数字调制识别方法在非高斯Alpha稳定分布噪声下识别性能差、计算复杂度高的问题,提出了一种基于分数低阶循环谱相关系数的数字调制识别新方法。该方法提取分数低阶循环谱截面和频率谱截面以及其投影面的5个相关系数作为识别特征参数,并采用判决树分类器,实现了非高斯噪声下数字调制信号识别。仿真结果表明,在非高斯Alpha稳定分布噪声下,该识别方法不仅具有较高的识别率和良好的稳健性并且计算复杂度更低,更适合于认知无线电系统。

脉冲噪声环境下基于分数低阶循环相关的自适应时延估计方法

以α稳定分布作为噪声模型,研究了非高斯噪声对传统的二阶循环统计量的影响,提出了分数低阶循环相关的概念,研究并证明了其性质,对传统意义上的二阶循环统计量进行了广义化,并在此基础上结合自适应技术提出了一种基于分数低阶循环相关的自适应时延估计方法。计算机模拟表明,该方法可有效估计高斯噪声和脉冲噪声条件下的时变和非时变时延值,其性能不仅优于基于二阶循环相关的自适应时延估计算法,而且优于最小平均p范数(LMP)自适应时延估计方法。

脉冲噪声环境下宽带循环平稳信号DOA估计算法

针对传统二阶循环相关算法在脉冲噪声环境中的显著退化问题,本文以α稳定分布为噪声模型,提出基于分数低阶循环相关的波达方向(Direction of arrival,DOA)估计算法。利用分数低阶循环相关的相移特性,将宽带循环平稳信号的DOA估计问题转化为"中心频率"为ε的窄带问题,解决了宽带情况下DOA估计困难的问题。计算机仿真结果进一步验证了此算法的有效性,且性能优于传统SC-SSF(Spectral correlation signal subspacefitting)算法。

应用分数低阶循环相关估计单电磁矢量传感器的波达方向和极化参数

提出了一种在α和高斯混合噪声以及循环平稳干扰并存背景下基于分数低阶循环相关(FLOCC)联合估计单电磁矢量传感器波达方向(DOA)和极化参数的多重信号分类(MUSIC)方法。该方法利用信号的循环平稳特性,采用分数低阶循环相关函数抑制α和高斯混合噪声以及循环平稳干扰信号;然后利用MUSIC方法对单电磁矢量传感器的DOA和极化参数进行联合估计,并利用DOA参数与极化参数的相互独立性,将传统MUSIC方法的四维搜索简化为两次二维搜索,从而有效地减少该算法的计算量。对所提算法与基于分数低阶矩的MUSIC算法进行了实验对比。结果显示:提出的方法可充分地抑制与待测信号循环频率相异的任意循环平稳干扰信号;在α和高斯混合信噪比为0dB,信干比为3dB时,估计得到的DOA和极化参数的均方根误差分别为0.3°和0.7°,明显优于基于分数低阶矩的MUSIC方法。

脉冲噪声环境下改进的顽健循环时延估计算法

研究了脉冲噪声环境下循环平稳信号的时延估计问题,针对脉冲噪声环境中基于传统二阶谱相关函数的时延估计方法性能退化问题,提出了基于分数低阶循环谱的改进顽健算法。相对于传统算法,新算法对脉冲噪声、高斯噪声、干扰信号都具有较好的抑制作用。仿真结果证明了算法的有效性和顽健性。

脉冲噪声环境下循环ESPRIT新方法

以α稳定分布作为噪声模型,研究了脉冲噪声环境下循环平稳信号的波达方向估计问题。针对在脉冲噪声环境中,基于传统二阶循环统计量的算法效果显著退化的问题,提出了分数低阶循环相关矩阵概念;并在此基础上,提出了分数低阶总体最小二乘(TLS)循环ESPRIT算法的2种形式。计算机仿真表明所提出的算法可有效地估计出脉冲噪声条件下的波达方向,其性能优于传统的基于二阶循环统计量的循环ESPRIT类算法,有潜在的应用前景。

复杂海杂波背景下分数低阶匹配滤波检测方法

针对在复杂海杂波背景下,雷达目标检测中动目标检测(Moving Target Detection,MTD)技术的检测性能显著下降的问题,以及局部最优检测器(Locally Optimum Detector,LOD)仅适用于低信杂比背景下弱目标检测的问题,基于分数低阶统计量理论,提出了一种分数低阶匹配滤波检测方法.该方法通过幂变换抑制杂波的非高斯特性,通过应用杂波分数低阶协方差矩阵特征值分解的方法白化相关杂波,在此基础上应用匹配滤波进行目标积累,以提高信杂比.通过仿真和实测数据,对所提出方法的检测性能进行了验证,并且与MTD和LOD进行了比较.结果表明,本文所提出方法能较好地解决非高斯相关杂波背景下的目标检测问题,检测性能明显优于MTD和LOD方法.

分数低阶循环统计量及其在脉冲噪声环境下时延估计中的应用

本文以α稳定分布作为噪声模型,研究了非高斯噪声对传统的二阶循环统计量的影响,提出了分数低阶循环统计量的概念,研究并证明了其性质。在此基础上提出基于分数低阶循环统计量的新的时延估计方法—RCCC(Robust Corre- lated Cyclic Covariation)。计算机模拟表明,这种算法是一种在高斯和α稳定分布噪声条件下具有良好韧性的时延估计方法。

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.

用于声源三维定位估计的FLOC-ISM算法

在冲激噪声环境下,ISM算法对声源的三维定位估计将失去稳健性。为此,改进了ISM算法,提出FLOC-ISM算法。首先对描述冲激噪声的SαS分布模型及描述信号的圆阵信号模型进行分析;然后对圆阵输出矩阵预处理,构造分数低阶相关矩阵替代二阶相关矩阵,得到声源空间谱,进行谱峰搜索,找出极值点;最后得到声源三维定位估计。通过仿真及性能分析,在冲激噪声背景下,FLOC-ISM算法可对多个声源的三维定位进行正确估计,较ISM算法具有良好的稳健性。

基于分数低阶本征滤波的雷达目标检测方法

在非高斯相关杂波背景下,通常杂波分布的概率密度函数结构复杂甚至无闭式表达,难以建立统计检测模型。针对此问题,以α稳定分布为背景,基于分数低阶统计量和最佳滤波器理论,以滤波器输出分数低阶信杂比最大为准则,给出了一种分数低阶本征滤波(FLOEF)模型。该模型利用杂波的分数低阶协方差矩阵对非高斯相关杂波进行白化,可显著改善信杂比,实现非高斯相关杂波背景下雷达目标的有效检测。通过仿真和实测数据给出了FLOEF在不同条件下的检测性能,并同传统基于二阶统计量的本征滤波进行了比较,结果验证了FLOEF的优越性。

分数低阶统计量的水下目标信号调制谱分析方法

传统水下目标噪声信号调制谱分析方法是建立在具有二阶统计量的高斯噪声环境下实现的,而多数情况下舰船辐射噪声和海洋环境噪声等水声信号通常具有脉冲特性,服从α稳定分布,二阶统计量的调制谱分析算法性能可能会下降,甚至不再稳定收敛。针对此问题提出了分数低阶统计量的目标信号调制谱分析方法,并进行仿真和实验数据验证,其结果表明所提方法具有稳健性。

Alpha稳定分布噪声背景下MPSK信号参数估计

针对基于二阶循环统计量的参数估计算法在Alpha稳定分布噪声中严重退化的问题,提出了一种基于分数低阶循环谱的多进制相移键控(m-ary phase shift keying,MPSK)信号参数估计算法.研究了MPSK信号的分数低阶循环谱,对于不同M值下的相移键控(phase shift keying,PSK)信号,分析了其参数(载波频率和码元速率)和相应分数低阶循环谱中参数(频率和循环频率)的关系,在此基础上给出了适合所有PSK信号的载波频率和码元速率估计算法.实验结果表明,在Al-pha稳定分布噪声背景下,基于分数低阶循环谱的算法明显优于基于二阶循环谱的算法,高斯噪声背景下两种算法性能相当.

一种分数低阶局部最优目标检测方法

针对传统局部最优检测器在显著非高斯杂波背景下导致检测性能下降的问题,该文提出一种分数低阶局部最优雷达目标检测方法。首先对局部最优检测器的模型进行简化,在此基础上,根据分数低阶统计量理论,利用分数低阶相关矩阵描述杂波的相关特征,并以分数低阶二次型作为局部最优检测器的权值,改善了显著非高斯杂波背景下的雷达目标检测性能。利用仿真数据和IPIX雷达数据进行实验分析,结果表明,针对显著的非高斯杂波背景下的弱目标信号,相对于传统的局部最优检测方法,该文方法的检测性能显著提高。

基于低阶预白化与新型网络传递函数的盲源分离方法

α-稳定分布可以更好地描述实际应用中所遇到的具有显著脉冲特性的随机信号和噪声。与其它统计模型不同, α稳定分布没有统一闭式的概率密度函数,其二阶及二阶以上统计量均不存在。本文先简要介绍稳定分布统计特性,再提出了适用于盲信源分离的神经网络结构与基于分数低阶统计量与子空间技术的预白化过程,并利用一种新型传递函数修正了分离算法,提出了一种基于分数阶预白化与新型传递函数的盲信源分离方法。计算机模拟和分析表明,这种算法是一种在高斯和分数低阶α稳定分布噪声条件下具有良好韧性的盲信源分离方法,是对传统的二阶统计量基础上的盲信源分离方法的改造与推广。

基于对数变换的非高斯噪声几何功率谱特性分析

在简要介绍稳定分布统计特性的基础上,介绍了常用的信号非线性变换方法,建立不同于传统二阶过程的对数阶过程及其几何功率、几何相关、几何功率谱密度等新的信号分析概念,提出了一种新的稳定分布对数阶白噪声概念及其判断准则,建立了一种基于非线性变换的重拖尾稳定分布脉冲信号分析的新框架与模型。计算机模拟表明,这种模型是一种在高斯和分数低阶α稳定分布噪声条件下具有良好韧性的模型,是对传统的基于二阶统计量基础上的信号模型分析方法的改造与推广。

基于稳定分布模型的自适应阵列信号处理新方法

传统方法常对阵列信号处理所研究的噪声采用高斯分布的模型进行描述,但当噪声存在显著的尖峰时,往往不能得到满意的结果。利用稳定分布建模实际中所遇到的具有较大脉冲特性的随机噪声,综述了稳定分布模型下的信源定位、波达方向估计、波束形成等阵列信号处理方法,并利用分数低阶统计量提出了几种较有韧性的阵列信号处理新方法。仿真表明它们在高斯和低阶α稳定分布噪声条件下,具有良好韧性与有效性。

基于分数低阶统计量的阵列信号盲分离

传统方法常对阵列信号处理所研究的噪声采用高斯分布的模型进行描述,但当噪声存在显著的尖峰时,往往不能得到满意的结果。利用稳定分布建模实际中所遇到的具有较大脉冲特性的随机噪声,综述了阵列信号处理方法,并利用分数低阶统计量提出了一种较有韧性的阵列信号处理新方法。仿真表明它们在高斯和低阶稳定分布噪声条件下,具有良好韧性与有效性。

脉冲噪声环境下基于分数低阶循环相关的MUSIC算法

该文以α稳定分布作为噪声模型,研究了脉冲噪声环境下循环平稳信号的波达方向估计问题。针对在脉冲噪声环境中基于传统2阶循环相关的算法效果显著退化的问题,该文提出了基于分数低阶循环相关的分数低阶循环MUSIC算法(FLOCC-MUSIC)。将分数低阶循环相关与MUSIC算法相结合,可以有效抑制脉冲噪声的同频带干扰。计算机仿真表明了此算法可有效完成高斯噪声和脉冲噪声条件下的波达方向估计,其性能优于传统的基于2阶循环相关的Cyclic-MUSIC。