三阶多项式相位信号参数估计

三阶多项式相位信号常用于描述复杂运动目标的雷达回波,但其未知参数多,参数估计实现起来比较困难。针对此问题,本文提出了一种分两步的三阶多项式相位信号参数估计方法:首先利用Radon变换提取三阶多项式相位信号在三次相位变换后对应的直线,从而得到相位参数的初始值估计;然后将初始值代入最大似然估计函数并利用单纯形法对其进行优化得到精确估计结果。给出了单分量和多分量情况下的参数估计流程。仿真结果表明,本文算法估计性能达到CRB界,且起始工作信噪比门限低。

一种三阶多项式相位信号去噪的字典学习算法

在加性高斯白噪声的影响下,对于三阶多项式相位信号(CPS),经典的字典学习算法,如K-means Singular Value Decomposition(K-SVD),递归最小二乘字典学习算法(RLS-DLA)和K-means Singular Value Decomposition Denoising(K-SVDD)得到的学习字典,通过稀疏分解,不能有效去除信号的噪声。为此,该文提出了针对CPS去噪的字典学习算法。该算法首先利用RLS-DLA对的字典进行学习;其次采用非线性最小二乘(NLLS)法修改了该算法对字典更新的部分;最后对训练后的字典通过对信号的稀疏表示得到重构信号。对比其它的字典学习算法,该算法的信噪比(SNR)值明显高于其它算法,而均方误差(MSE)显著低于其它算法,具有明显的降噪效果。实验结果表明,采用该算法得到的字典通过稀疏分解,信号的平均信噪比比K-SVD,RLS-DLS和K-SVDD高出9.55 dB,13.94 dB和9.76 dB。

基于子空间的三阶多项式相位信号快速稀疏分解算法

针对稀疏分解冗余字典中原子数量庞大的缺点,该文提出一种三阶多项式相位信号的快速稀疏分解算法。该算法根据三阶多项式相位信号的特点,把原有信号变换成两个子空间信号,并根据这两个子空间信号构建相应的冗余字典,然后采用正交匹配追踪法来完成其稀疏分解,最后利用稀疏分解原理完成原有信号的稀疏分解。该算法把原有信号变换成两个不同子空间信号,构建了两个不同的冗余字典,对比采用一个冗余字典库,这种采用两个冗余字典的算法大大减少了原子数量,并且通过快速傅里叶变换,在一个冗余字典进行稀疏分解时,同时找到另一个冗余字典中的最匹配的原子。因此该算法通过减少原子数量和采用快速傅里叶变换大大加快了稀疏分解速度。实验结果表明,相比于采用Gabor原子构建的冗余字典,采用匹配追踪算法与遗传算法及最近提出的基于调制相关划分的快速稀疏分解,它的稀疏分解速度更快,并且具有更好的收敛性。

基于组合CPF变换的混合低阶相位调制信号参数估计

由线性调频信号(LFM)、三阶多项式相位调制信号(QFM)混合而成的信号在三阶相位函数随机变换(RCT算法)下可实现相位参数估计,但是当信号参数相近时算法存在峰值干扰现象。针对此情况,提出一种组合CPF变换,首先通过ICPF算法估计LFM信号相位参数,然后利用估计得到的参数重构LFM信号,以消去混合信号中的LFM信号,再通过RCT算法估计剩余QFM信号的相位参数。仿真实验表明,相较于传统RCT算法,组合CPF变换方法能够抑制信号间干扰,对混合信号具有更好的估计精度。

Radon_CPF+NLS算法估计性能研究

三阶多项式相位信号常用于无线通信、雷达、声纳系统、生物学、地震学等领域,但其参数估计较为困难。针对此问题,采用基于Radon_CPF算法和单纯型法的Radon_CPF+NLS算法实现了对三阶多项式相位信号的相位参数估计,分析了算法的估计性能,并针对实际信号处理中可能遇到的问题进行了仿真实验,重点研究了数据长度、信号能量、信号参数临近等情况对算法参数估计的影响,讨论了该方法适用的范围,为该方法应用于实际信号处理提供了理论依据。