基于分数低阶统计量的盲多用户检测算法

多用户检测算法是抑制CDMA系统中多址干扰的重要手段,但广泛存在的非高斯信道噪声会降低以往的基于高斯噪声模型假设的算法性能.本文采用α稳定分布作为噪声模型,提出了基于分数低阶统计量的盲多用户检测算法,并对该算法进行了理论分析.仿真和分析表明,该算法具有很好的韧性,同时适用于高斯噪声和脉冲噪声环境.

基于分数低阶统计量的空域-模糊域DOA估计算法

该文提出一种非高斯SαS噪声背景下非平稳信号的DOA估计算法。算法首先定义基于分数低阶统计量的空间模糊函数,利用信号在模糊域中的不同特征将信号分离;然后对不同的信号,选择信号模糊函数对应的模糊点的平均进行子空间分析;最后利用MUSIC算法实现DOA的估计。与基于分数低阶统计量的空域处理方法相比,该文提出的算法利用了信号在模糊域中的信息,提高了算法的估计精度。计算机仿真证明了算法的有效性。

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。

基于分数低阶统计量的双谱及其估计方法

稳定分布可更好地描述实际中所遇到的具有显著脉冲特性的随机噪声。为了更好地抑制信号背景中的非高斯噪声,本文提出了基于分数低阶的双谱定义,并给出在分数低阶有色噪声背景下双谱非参数和参数模型的估计方法。仿真结果表明,同传统的双谱估计相比较,非参数法分数低阶双谱估计能有效的识别信号,保留了信号的幅度和相位信息,但存在较大的估计方差。基于AR模型的分数低阶双谱估计具有最大的谱平坦度,能够有效地抑制噪声,具有良好的韧性。

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。

基于分数低阶统计量的正交小波盲均衡算法

对于服从分数低阶Alpha稳定分布的非高斯信号,其二阶和高阶统计量都是不存在的。当环境噪声为这种噪声时,基于高阶统计量的常数模盲均衡算法(CMA)的均衡性能很差。为了克服环境噪声服从分数低阶Alpha稳定分布时,CMA的性能缺陷,提出了一种基于分数低阶统计量的正交小波盲均衡算法。该算法利用分数低阶统计量来抑制Alpha稳定噪声,根据最小分散系数准则优化盲均衡算法的权向量,并对均衡器输入信号进行正交小波变换,通过降低均衡器输入信号的自相关性来加快收敛速度。水声信道仿真结果表明,该算法性能明显优于CMA。

基于分数低阶统计量的线性约束恒模盲自适应波束形成方法

为解决传统恒模波束形成算法在受冲击噪声污染的无线环境中的性能退化问题,本文提出基于分数低阶统计量的线性约束恒模盲自适应波束形成方法,并从理论上分析了算法收敛条件。仿真实验表明,在稳定分布噪声下,新方法具有比传统恒模波束形成方法更好的韧性,而且比线性约束最小平均P范数波束形成方法具有更高的输出信干噪比,即使在强脉冲干扰环境下新方法仍具有较好的信号恢复能力。

基于分数低阶统计量的卡尔曼滤波目标跟踪算法

针对杂波干扰环境中的非高斯特性,发现海杂波噪声、闪烁噪声等具有显著尖峰的非高斯噪声,可以采用α稳定分布建立更符合实际的噪声模型。根据统计信号处理最新理论和技术,利用p阶分数相关和分数低阶协方差替代传统相关和协方差来改进Kalman滤波器,优化获得基于分数低阶统计量的Kalman滤波目标跟踪新算法(FLOS-KF)。仿真验证了FLOS-KF滤波跟踪新算法可以更好地适应非高斯复杂环境,得到稳健的跟踪效果。

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。

一种分数低阶统计量广义恒模盲多用户检测算法

针对实际盲多用户检测系统中存在的大量噪声呈现非高斯性,而这种非高斯性使基于高斯噪声假定下的恒模盲多用户检测算法的性能显著退化甚至不能正常工作,本文提出了一种分数低阶统计量的广义恒模盲多用户检测算法。该算法是分数低阶统计量恒模算法的推广,能有效地应对非高斯噪声的影响,具有广泛的适用性。通过以DS-CMDA系统为例,将分数低阶统计量广义恒模盲多用户检测算法与传统恒模盲多用户检测算法(CMA)、分数低阶统计量恒模盲多用户检测算法(FLOS-CMA)进行了对比,实验仿真结果表明:无论在高斯白噪声下还是在α稳定分布噪声下,分数低阶统计量广义恒模盲多用户检测算法均具有良好的抗多址干扰和抑制噪声的性能,并且该算法具有更快的收敛速度。

尖峰脉冲噪声下基于分数低阶统计量和函数变换的时延估计新算法

针对α稳定分布噪声环境下的时延估计问题,对最大似然加权估计法进行改进,给出了三种高效实用的新算法。首先,以分数低阶统计量为基础,提出了一种基于分数低阶统计量的最大似然时延估计算法(FLO-ML算法);其次,通过函数变换,提出了两种不依赖于分数低阶统计量的新算法(Log-ML算法和UDE-ML算法);进一步,本文还详细讨论了三种新算法的适用范围及计算复杂度。仿真分析表明,三种新算法均能在分数低阶α稳定分布噪声环境下实现准确的时延估计,其性能优于同类算法,同时三种新算法都能在传统高斯噪声环境下保持良好的稳健性。

基于分数低阶统计量的频谱分析方法

针对传统基于二阶统计量的信号处理方法难以有效处理alpha稳定分布信号的难题,提出了一种基于分数低阶统计量的频谱分析方法。阐述了alpha稳定分布的定义和性质,给出了常用的分数低阶统计量计算方法,并用仿真信号验证了提出方法的正确性和有效性。仿真信号验证结果表明:基于分数低阶协方差和相位分数低阶协方差的频谱分析方法,具有更好的alpha稳定分布噪声抑制能力,能更好地从alpha稳定分布噪声下,提取噪声信号中的频率成分,为alpha稳定分布信号分析的有效方法。

水下目标分数低阶统计特性分析

大量的理论与实验检验表明,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,服从稳定分布,二阶统计量不再稳定收敛,传统的水下目标噪声信号调制谱分析方法在这种环境下性能可能会下降。针对上述问题,为提高分析方法的稳健性,采用共变谱代替传统调制谱分析方法中的功率谱,提出基于分数低阶统计量的目标信号调制谱分析方法,并利用NLMP滤波进行线谱增强,通过仿真和实验数据分析验证了提出方法的稳健性。

从离散到连续——分数阶信号处理的理论、方法与应用

近年来,分数阶信号处理受到广泛关注,已成为研究热点.本文对分数阶信号处理理论、方法与应用进行了综述,分别简述了分数阶傅里叶变换、分数阶微积分、分数阶系统、分数阶统计量、分形的理论方法以及它们在信号处理领域中的应用.

分数代阶α稳定分布及其应用中的若干问题

α稳定分布模型是一种包含高斯分布,但具有更广泛适用性的随机分布模型,文中在简要介绍α稳定分布及分数低阶统计量的概念和特性的基础上,研究了在分数低阶α稳定分布条件下进行信号处理需要解决的几个问题,并给出了相应的结果。

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。

分数低阶时频滑动平均模型参数估计

针对稳定分布环境下非平稳过程分析方法时频滑动平均(TFMA)模型算法的退化,引入分数低阶统计量共变,提出了一种改进的分数低阶时频时频滑动平均(FLO-TFMA)模型算法。推导了FLO-TFMA模型的参数求解过程,给出了基于FLO-TFMA模型的时频谱估计。通过在稳定分布环境下对TFMA模型算法和所提出的FLO-TFMA模型算法的参数估计均方误差(MSE)比较和时频谱估计比较,仿真结果表明,FLO-TFMA模型算法的参数估计精度优于TFMA模型算法,TFMA模型时频谱估计完全失效,而FLO-TFMA模型时频谱算法能较好地进行时频谱估计。

基于分数低阶矩的非高斯噪声中诱发电位提取新方法

诱发电位(EP)信号检测与分析技术是临床医学诊断神经系统损伤及病变的重要手段之一。传统的EP信号提取与分离方法中,通常认为EP信号中混入的EEG等噪声是高斯分布的。近年来一些研究表明了EEG信号具有一定的非高斯特性。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EEG噪声。文中简要介绍了稳定分布统计特性,推导了一种适用于EP信号分离提取的新算法。计算机模拟和分析表明,这种算法是一种在分数低阶α稳定分布背景噪声条件下具有良好韧性的EP信号分离提取方法。

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。

基于分数低阶矩的水声信号滤波新方法

依据分数低阶统计量理论和舰船辐射噪声信号特性,建立了水声信号新的噪声模型,回顾了常规LMS滤波方法,并分析在非高斯噪声下性能退化的原因,提出了一簇基于分数低阶P-范数的LMP水声信号自适应降噪滤波新方法,理论分析和计算机仿真结果表明这种方法在高斯和非高斯(α稳定分布)条件下都具有良好的韧性。