双极型运算放大器的E_n-I_n噪声矩阵建模

本文通过描述同相放大器等效输入噪声电压谱密度 E2ni,导出了一种双极型运放 En- In 噪声矩阵参数的提取方法。并通过分析复相关系数的相对误差确定了提取准则。与现有方法相比 ,本文方法不仅可以完整地描述运放的噪声特性 ,而且还有利于不同运放电路 (如宽带前置放大器、有源滤波器等 )的精确低噪声设计。最后 ,还充分验证了本文方法的可行性和正确性。

基于噪声矩阵变换的SiGe HBT射频等效噪声建模

由于小信号等效电路模型参数的精确提取是高频噪声建模的基础,利用噪声矩阵的变换,给出了硅锗异质结双极型晶体管(SiGe HBT)小信号等效噪声电路的建模过程,从器件测量的四个噪声参数中提取了电流散粒噪声,验证了小信号等效噪声电路的有效性.

多层信任网络结构化噪声矩阵补全算法仿真

矩阵补全是网络数据信息丢失填补恢复的重要手段,在实际应用中具有重要意义。当前有关矩阵补全的算法存在丢包情况不理想和补全效率较低的问题,提出将加权的方式应用至多层信任网络结构化噪声矩阵补全中。利用压缩感知的方式采集网络数据信息,对得到的数据干扰进行抑制。在空域中对干扰与噪声相结合下的协方差矩阵进行构建,在时域中对得到的协方差矩阵实行平滑操作,同时根据拉格朗日乘子获取可靠性比较强的空域时域滤波权值,实现网络结构化噪声干扰滤除和抑制。基于滤噪操作,引入加权理念,利用赋予不同权值给迹范数中各奇异值,防止采用相同常数阈值化所有奇异值,通过逼近梯度法实现加权矩阵补全目标模型求解,完成课题研究。实验结果显示,所提算法能够高效补全矩阵,补全结果完整性优于文献算法,大大降低了数据丢包率和补全延迟。

自适应模糊正则化椒盐噪声去除模型

为有效抑制椒盐噪声对图像信息的影响,根据椒盐噪声随机破坏图像中像素值的显著特征,本文提出一种耦合噪声检测的自适应模糊正则化噪声去除模型。一方面,基于L_(1)范数建立数据保真项,实现对图像统计分布进行有效拟合。另一方面,通过对图像中像素相似性的有效量化实现图像中噪声的检测,并将此耦合至正则项中,使得模型可依据像素点实际受噪声的污染对其施加惩罚程度,最终实现椒盐噪声的自适应模糊去除。本文采用交替方向乘子法(Alternating direction method of multipliers,ADMM)进行模型的数值结果实现,并运用峰值信噪比(Peak signal-to-noise ratio,PSNR)及结构相似性(Structural similarity,SSIM)对实验结果进行评定。实验结果表明,本文提出的模型在PSNR及SSIM方面得到显著提升,其中对于灰度图像的去噪实验PSNR最高可提高1.3dB,SSIM最高可提高0.2。

一种类可感知噪声阈值矩阵的空域计算方法

本文通过对人类视觉系统HVS(Human Visual System)的特点的分析,针对一般计算可感知噪声阈值矩阵方法均在频域进行且相对比较复杂的缺点,提出了一种类可感知噪声阈值矩阵,它可在空域直接计算。实验表明该方法简单、直观且具有较好的应用效果。

多级放大器噪声谱矩阵计算及在低噪声设计中应用

本文针对通信接收机噪声性能分析中广泛采用的弗里斯（Ｆｒｉｓ）公式在低噪声设计中的不足，提出了具有复相关系数的放大器Ｅｎ－Ｉｎ噪声模型的谱矩阵形式，推导了多级放大器的噪声谱矩阵计算公式。成功地解决了多级放大器噪声性能分析及低噪声设计必需的噪声参数（最佳源阻抗及最小噪声系数）计算。

一般性广义噪声协方差矩阵自适应迭代谱估计

分析了非参数化谱估计方法,分析表明,它们所解决的优化问题都是加权最小二乘(weighted least square,WLS),不同在于如何估计广义噪声协方差矩阵来构建加权矩阵。基于统一框架,提出了一种能同时估计信号频谱和观测噪声的自适应迭代非参数谱估计方法。该方法在每一次迭代时都利用上一次估计结果来逐步逼近真实的广义噪声协方差矩阵。分析和仿真表明,本文方法具有分辨率高,谱泄漏抑制好,并能增强信号协方差矩阵的可逆性和频谱范围选择的随意性等特点。

四元数域干扰加噪声协方差矩阵重构鲁棒自适应波束形成

基于电磁矢量传感器阵列的四元数Capon波束形成器较传统的复数域Capon波束形成器有更好的性能。但是该方法在存在指向误差和极化失配的情况下性能急剧下降,甚至会出现信号相消现象。本文将协方差矩阵重构方法推广于四元数Capon波束形成中,通过利用Q-Capon的极化-角度谱估计得到干扰和噪声的功率来对干扰加噪声协方差矩阵进行重构,避免了对角加载方法中对对角加载因子的求解,而且能够有效克服指向误差与极化失配带来的性能下降。计算机仿真表明,该方法相较于其他四元数域的方法有着更好的性能。

基于干扰加噪声协方差矩阵重建的稳健自适应波束形成算法研究

针对自适应波束形成中的期望信号“自消”问题,就近年来提出的期望信号预减除类方法展开研究。该类方法首先使用波达方向(DOA)估计技术得到期望信号的波达方向;然后从协方差矩阵中估计干扰加噪声协方差矩阵,来消除采样信号期望信号分量对算法的影响,避免产生期望信号“自消”问题,进一步修正假定的期望信号导向矢量来估计真实导向矢量;最后计算得到权矢量。理论分析给出了4种代表性方法的原理和算法的复杂度,并通过数值仿真验证,仿真结果表明,当存在阵列扰动的情况下,协方差适配重建方法在低信噪比(SNR)下获得更佳的性能。当存在指向误差的情况下,子空间重建方法在很大的输入信噪比范围内受的影响最小。文中总结了这些方法的综合性能优缺点,对于该类方法实际应用有一定指导意义。

基于变分贝叶斯双尺度自适应时变噪声容积卡尔曼滤波的同步定位与建图算法

为解决移动机器人在同步定位与建图(SLAM)中因系统噪声和观测噪声时变导致状态估计精度降低的问题,该文提出一种基于变分贝叶斯的双尺度自适应时变噪声容积卡尔曼滤波SLAM算法(DSACKF SLAM)。该算法采用逆Wishart分布对一步预测误差协方差矩阵P_(k|k–1)和观测噪声协方差矩阵R_(k)建模,分别用来降低系统噪声和观测噪声的影响,并利用变分贝叶斯滤波实现对移动机器人状态向量X_(k),P_(k|k–1)和R_(k)的联合估计。分别在系统噪声和观测噪声时变和时不变的条件下进行仿真实验,结果表明与基于无迹卡尔曼滤波的SLAM算法(UKF SLAM)、自适应更新观测噪声的容积卡尔曼滤波的SLAM算法(VB-ACKF SLAM)相比,所提DSACKF SLAM算法在噪声时变时,平均位置误差分别减小1.54 m,3.47 m;噪声时不变时,平均位置误差分别减小0.62 m,1.41 m,证明DSACKF SLAM算法有更好的估计性能。

基于ARIMA模型的未知观测噪声协方差矩阵的卡尔曼滤波技术

针对雷达测量数据中存在的非平稳误差的问题,同时在观测噪声协方差矩阵未知的情况下,提出了应用自回归和滑动平均(ARIMA)模型对非平稳数据进行数据建模,在此基础上推导出观测噪声协方差矩阵的递推公式,并以ARIMA模型中新序列作为状态向量进行卡尔曼滤波与预测。通过仿真实验验证,本文提出的方法可以合理有效地抑制误差,提高预测精度。

一种双层协方差矩阵重构的稳健波束形成算法

针对采样协方差矩阵中含有信号分量和信号导向矢量失配造成的自适应波束形成器性能下降的问题,提出了一种导向矢量矫正和双层干扰加噪声协方差矩阵重构的稳健波束形成算法。首先,通过子空间投影方法去除接收数据中的干扰和噪声分量来进一步矫正信号导向矢量;然后,利用Capon功率谱初步重构干扰加噪声协方差矩阵;接着,利用干扰子空间的正交性和多重信号分类(Multiple Signal Classification,MUSIC)功率谱进一步精确重构干扰加噪声协方差矩阵;最后,计算出最优权值矢量。仿真结果表明,所提算法在大角度失配和低快拍数条件下具有较好的稳健性。

一种GaAs FET/pHEMT器件噪声参数测量的新方法

本文提出一种FET/pHEMT器件噪声参数提取的新方法.该方法利用50Ω输入阻抗噪声系数F50的测量,通过本征H参数和本征级联噪声矩阵CAINT,确定出关于门噪声温度Tg和漏噪声温度Td的线性方程.后对所有频点的线性方程Tg-Td作统计分析,即可确定Tg和Td.再由噪声网络合成原理求得总的级联噪声相关矩阵CA,相应的噪声参数(Fm in,Rn和Γopt)也求出来了.三个FET/pHEMT器件的测量结果显示出,实测参数与Garcia和Lázaro的方法吻合得很好.

GNSS/SINS组合导航系统的改进变分贝叶斯自适应滤波算法

针对系统噪声及测量噪声统计量不准确的组合导航系统线性高斯状态模型,提出一种组合导航系统的改进变分贝叶斯自适应滤波算法(modified variational Bayesian adaptive filter,MVBAKF)。首先,选择Wishart分布作为已知均值的高斯分布协方差矩阵的共轭先验,并给出测量噪声方差、状态向量及其预测误差协方差矩阵的联合概率分布函数;然后,利用变分贝叶斯方法给出测量噪声方差及状态向量预测误差协方差矩阵的计算公式,进而提出具有迭代性质的MVBAKF算法;最后,进行基于MVBAKF算法的GNSS/SINS组合导航系统仿真实验。结果表明,相对于传统VBAKF算法,MVBAKF算法可较准确地估计测量噪声方差,有效克服系统噪声统计量不准确对滤波精度的影响,进而提高组合导航系统的滤波精度。

融合改进人工蜂群的UKF算法研究

针对无迹卡尔曼滤波(UKF)算法在状态估计时异常系统噪声协方差矩阵影响滤波性能的问题,提出一种利用改进人工蜂群优化UKF的算法。首先,在UKF算法过程中引入IABC算法对系统噪声协方差矩阵寻优选择,从而实现自适应调节系统噪声协方差矩阵,提高估计精度;其次,对传统ABC算法采用Circle混沌初始化策略,增加人工蜂群初始种群的多样性;同时采用偏好随机游动策略,平衡算法的开发与探索能力,增强算法的稳定性;最后,通过动态扰动因子策略增强算法后期寻找最优解的能力,提高收敛速度,进一步优化算法性能。实验结果表明,相较于ABC算法,IABC算法在寻优性能上有明显提升。同时,通过对比UKF算法和IABC-UKF算法,验证了IABC-UKF算法的可行性,其位置均方根误差不大于1.4 m,表明该算法滤波效果较好且误差波动小,能够有效提高估计精度。

宽带单片低噪声放大器

由电路和噪声基本定义出发 ,导出了二端口网络的噪声相关矩阵的转移表示式和导纳表示式 .并推导了两个二端口网络的级联和并联后的噪声相关矩阵 .然后在此基础上得出了并联反馈放大器的噪声参数 (Rn,NFmin和Yopt)和其S参数表达式 .由此设计和制造了 1～ 7GHz两级单片低噪声放大器 .在工作频率 1～ 7GHz内 ,测得增益G >2 0dB ,带内增益波动ΔG≤± 0 75dB ,噪声系数NF≤ 2 5dB ,输入输出驻波VSWR≤ 2 0 ,1分贝压缩点输出功率P1dB≥15dBm .

考虑均值的滤除脉冲噪声的自适应非线性滤波

针对脉冲噪声滤除,提出一种基于均值的自适应非线性滤波。其算法思想是先进行噪声检测并生成相应的噪声标志矩阵,随后扫描噪声标志矩阵,对信号点则直接输出,而噪声点则根据窗口内噪声点个数自适应选择滤波窗口,接着生成一个由滤波窗口各像素灰度与相应均值之差形成的差别矩阵,并赋予差别矩阵各元素不同的权重,最后返回加权后差别矩阵中最小值的位置,并用该像素的灰度取代噪声点。噪声点滤除算法,其实质是找出一个空间位置上离噪声点最近且最接近均值的像素的灰度来取代噪声点。通过实验,该方法具有更好的综合滤波性能。

基于先验信息的协方差矩阵重构抗干扰算法

针对样本数较少情况下信号和干扰同时存在时,采样协方差矩阵包含目标信号引起信号自消,无法替代真实干扰噪声协方差矩阵的问题,提出了一种重构干扰噪声协方差矩阵的自适应波束形成方法,利用空间谱重构出与期望信号无关的干扰噪声协方差矩阵,提高协方差矩阵的准确度,依据重构的协方差矩阵结合阻塞矩阵完成主瓣干扰的抑制处理。仿真结果表明,所提方法相比于基于采样协方差矩阵方法,提高了输出信干噪比,更接近于最优值。

非线性电路模拟程序中GaAs MESFET器件噪声因子的修正

利用测量得到的［Ｓ］参数和线性噪声参数Ｆ＿（ｍｉｎ）、Ｙ＿（ｏｐｔ）及Ｒ＿ｎ来获取器件的非线性本征噪声因子，修正了非线性电路模拟程序中ＧａＡｓＭＥＳＦＥＴ器件噪声因子，并将实验结果与直接优化结果进行了比较。

基于ADBF的多通道SAR抗干扰样本选择方法

针对多通道SAR抗干扰问题,可以利用空域自由度通过自适应波束形成技术达到增强期望信号、抑制干扰的目的。在波束形成过程中,计算各阵元的最优权矢量时,需要通过选取干扰和噪声的数据样本估算干扰加噪声协方差矩阵。若选择的数据样本中掺杂目标信号,则目标信号将会被误判为干扰并被抑制。针对多通道SAR抗干扰过程中需要注意的样本选择问题,通过消除方位向频域中主杂波宽度内的目标分量,得到干扰加噪声数据样本,继而计算协方差矩阵,并进行波束形成。通过实测数据成像结果及干噪比和信噪比指标验证了提出的自适应样本选择方法的有效性。与直接样本选择方法相比,自适应样本选择方法在信噪比上提高了近8 dB,干噪比下降了近6 dB,说明了该方法有效地保留了目标信号,抑制了干扰信号。