采用分数低阶循环谱相干系数的调制识别

AIpha稳定分布噪声导致二阶循环谱相干系数失效,使相应的通信信号调制识别算法退化.针对这个问题,提出了基于分数低阶循环谱相干系数的识别算法.文中给出了分数低阶循环谱相干系数的相关理论,分析了通信信号的分数低阶循环谱相干系数,在此基础上提取谱相干系数循环频率域特征作为识别特征参数.用BP神经网络为分类器,实现了通信信号调制方法识别.仿真结果表明,在Alpha稳定分布噪声下,该识别算法性能优于基于二阶循环谱相干系数的方法.在高斯噪声条件下,两种识别算法性能相当.

广义分数低阶协方差谱及谐波频率估计

为了进一步探索α稳定分布的谱定义,该文提出了广义分数低阶协方差谱的概念,它对α稳定分布随机过程作非线性变换,使变换后的随机过程存在二阶统计量,从而可运用Fourier变换作频域分析.变换函数可以是对数型、Sigmoid型、反正切型等,这些变换函数不依赖于对特征指数α的先验知识的了解或估计,便于工程应用.计算机仿真表明,这些广义分数低阶谱在α稳定分布噪声条件下具有良好韧性,能够对谐波信号频率进行有效识别.

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。

分数低阶协方差谱用于改进的时延估计方法

时延估计技术是一项活跃的研究课题。近年来,满足稳定分布的脉冲噪声模型得到了广泛的研究,并在时延估计技术中得到了应用。为提高时延估计方法在脉冲噪声环境下的估计精度和稳定性,本文提出了一种改进的基于分数低阶协方差谱的广义互相关时延估计方法,并进一步引入经验参数对所提出方法的性能进行调整。仿真分析表明,新方法在高斯和脉冲噪声环境条件下都具有良好的顽健性。

基于分数低阶协方差谱的频谱感知算法研究及其FPGA实现

在对非高斯噪声情况下主用户频谱感知问题的理论研究之上,采用α稳定分布模型描述认知通信系统的非高斯噪声,给出了一种基于分数低阶协方差的感知方法,并采用分数低阶协方差谱对α稳定分布噪声下的主用户信号进行了谱估计,较好地解决了在非高斯噪声情况下传统的功率谱估计性能失效的问题。在此基础上针对FPGA的特性,进一步优化了算法,在FPGA上设计并实现了基于该算法的感知系统。系统利用FPGA产生中心频率为25 MHz、带宽为12.5 MHz的QPSK信号和特征指数为1的α稳定分布噪声作为主用户信号,设计相应的数字信号处理模块,并在此系统中验证了基于分数低阶协方差的感知方法能够有效地从α稳定分布噪声中检测出主信号的存在。该系统运行稳定,可移植性强,适用于不同的主用户频谱检测方案在此系统上进行实现与验证。

低阶非高斯有色噪声的Wigner-Ville谱

文章对无限方差非高斯有色噪声进行时频分析,介绍了Wigner-Ville谱及分数低阶协方差的概念;定义了分数低阶Wigner-Ville谱;讨论了分数低阶Wigner-Ville谱的性质。α稳定分布的随机过程,没有有限的二阶矩,但可以利用非线性变换函数抑制稳定分布尖峰脉冲的特性,对α稳定分布随机过程作非线性变换,变换后的随机过程存在二阶矩。在有用信号中加入不同的稳定分布噪声分别进行不同的非线性变换后分析其Wign-er-Ville谱,计算机仿真实验表明,经过非线性变换后的Wigner-Ville谱能够对α稳定分布噪声背景下的信号进行有效识别,是一种有效的α稳定分布的时频域分析工具。

α稳定分布过程的谱分析方法

对于α稳定分布的随机过程,由于没有有限的二阶矩,因此不能利用功率谱来进行相应的频域分析.基于分数低阶统计量,提出了新的谱分析方法,并研究了分数低阶协方差谱的几种估计方法.理论分析和仿真实验表明,分数低阶协方差谱是一种有效的α稳定分布过程的谱分析方法,三种分数低阶协方差谱估计方法中,加权交叠平均法由于采用加窗和分段使得估计方差明显变小.

非线性系统中稳定有色噪声建模及FLOC谱特性

用多项式自回归模型对非线性系统中稳定有色噪声建模,利用扩展的迭代重加权最小p范数算法进行模型参数估计。系统研究了分数低阶协方差谱的性质,并对无限方差非高斯多项式自回归有色噪声进行频域特性分析。理论分析和仿真实验表明,EIRLP算法是在高斯和分数低阶稳定分布噪声条件下具有良好韧性的参数估计方法。仿真通过对稳定有色噪声条件下的正弦信号进行谱估计,结果表明,分数低阶协方差谱具有良好韧性的谱估计性能。

Alpha稳定分布噪声条件下的广义S变换时频分析

在分析Alpha稳定分布噪声干扰下的非高斯信号时,基于传统二阶广义S变换时频算法效果显著退化。针对该问题,提出了基于分数低阶的广义S变换时频分析(FLO-GST)算法。该算法将分数低阶谱理论和常规广义S变换时频分布算法有机结合,同时优化窗口调节因子改善时频聚集性,得到较好的时频图谱。通过计算机仿真,并与其他时频算法进行对比,结果表明,该算法能有效抑制脉冲噪声干扰,更好的描述稳定分布噪声下非平稳信号的时频图谱,具有良好的韧性。

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。

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Alpha稳定分布噪声下目标螺旋桨特征提取方法

为了解决Alpha稳定分布噪声下目标螺旋桨特征提取问题,该文提出一种基于分数低阶循环谱的特征提取方法。首先,从理论上推导出脉冲噪声条件下舰船辐射噪声分数低阶循环谱,指出分数低阶循环谱中出现峰值与螺旋桨特征的关系。然后根据该关系,提出基于分数低阶循环谱的螺旋桨特征估计方法。最后,通过仿真实验验证该方法的性能,并通过实测数据进一步验证了算法有效性。

非高斯杂波中反辐射导弹的Wald检测方法

Alpha稳定分布是一种有广泛适用范围的非高斯分布模型,本文基于Alpha稳定分布杂波假设,提出了一种反辐射导弹(ARM)的Wald检测方法。当Alpha稳定分布的特征参数α值较小时,基于功率谱或基于共变α谱的频率估计性能将明显下降,为此本文提出基于分数低阶协方差(FLOC)谱方法估计ARM载机信号的多普勒频率,并针对载机信号的强相关性用对消器抑制载机信号,最后导出了标准对称Alpha稳定分布杂波下ARM的Wald检测统计量。仿真结果表明,基于FLOC谱能够准确地估计信号频率,抑制载机信号;基于Alpha稳定分布杂波假设的Wald检测性能与广义似然比检测(GLRT)的渐近性能相当,且明显优于基于高斯分布杂波假设的Wald检测性能。