基于信号特征空间的TDCS干扰分类识别

针对变换域通信系统中干扰信号的分类识别问题,提出了一种基于信号特征空间的支持向量机(signal feature space-support vector machine,SF-SVM)干扰分类算法。首先,基于干扰信号模型和信号空间理论对干扰信号进行特征提取,并建立信号特征空间,进而针对二分类和多分类问题提出了SF-SVM分类算法,设计了干扰信号的多分类识别器。仿真结果表明,与干扰信号的传统分类算法相比,SF-SVM不仅提高了分类精度,而且缩短了训练时间;设计的多分类识别器在信噪比达到8dB时,对6种干扰信号识别性能及对变换域通信系统性能都有所提升。

基于信号子空间的IPR改进算法

研究了到达角(DOA)估计问题中的改进多项式根(IPR)法。针对IPR算法在信号较少时,噪声特征向量构成的矩阵计算量较大的问题,改进算法从信号子空间出发求出构造多项式的系数,从而求得到达角。通过理论推导和计算机仿真实验证明了该方法的有效性,降低了运算的复杂度,并且具有比MUSIC算法更好的性能。