一种韧性的高分辨率多径时延估计方法

将观测数据的噪声建模为α稳定分布,运用分数低阶统计量理论中的共变概念和最小分散系数准则,结合用于解决高维非线性最小二乘优化问题的松弛搜索思想,借鉴高分辨率多径时延估计算法WRELAX、DS-WRELAX,提出了一种韧性的高分辨率多径时延估计算法RHMTDE。理论分析和仿真结果表明,该算法有抗粗差的能力,在高斯噪声和脉冲噪声环境中都可以较好地估计出多径观测信号中每径的时间延迟。

α稳定分布噪声下基于EM算法的多径时延估计算法

实际应用中大量非高斯信号和噪声具有显著的尖峰脉冲特性.这类信号带宽较窄,采用传统高斯模型下基于相关运算的多径时间延迟方法进行时延估计时,会因各个峰值的相互重叠而带来较大的估计误差.为此,根据信号噪声特性,在α稳定分布模型下,提出一种基于EM方法的高分辨率多径时延估计算法(P-EM算法).新算法基于分数低阶统计量理论,采用p阶相关思想,具有在脉冲噪声环境下,比较准确估计多径时间延迟的能力.理论分析和计算机仿真表明了该算法的韧性.

基于共变谱和旋转不变技术的多径时延估计

针对脉冲噪声环境下多径时延估计的分辨率问题,提出了一种基于共变谱(CS)和信号估计参数旋转不变技术(ESPRIT)的多径时延估计方法。采用α稳定分布建模脉冲噪声,依据分数低阶统计量理论,将两接收信号的共变序列进行傅里叶变换得到共变谱。CS看作等效的时间序列,把时域的多径时延估计问题转化为频域的多个正弦信号频率估计问题。利用ESPRIT对等效时间序列进行频率估计,得到高分辨率的多径时延估计。仿真实验表明:多径时延估计方法(CS_ESPRIT)在高斯和脉冲噪声环境中均具有较好的估计性能。

脉冲噪声环境下的韧性多径时延估计算法

针对脉冲噪声环境下进行多径时延估计时,传统基于二阶统计量的算法性能退化,基于分数低阶统计量理论的算法对脉冲噪声先验知识依赖性过高的问题,提出基于Sigmoid变换和相关熵的韧性多径时延估计算法(SCWR)。该算法首先采用Sigmoid变换对多径传播的接收信号进行非线性预处理;再运用相关熵理论中的最大相关熵准则,结合参数估计理论中解决最小二乘优化问题的松弛搜索思想对多径时延参量进行估计。仿真结果表明,该算法估计性能要优于经典WRELAX(WR)算法和P-WR参考算法,并且较基于分数低阶统计量理论的P-WR算法,该算法中参数的选取对脉冲噪声先验知识的依赖性有所降低。

基于修正蒙特卡罗方法的光脉冲传输模拟

针对现有的蒙特卡罗(Monte Carlo)法在模拟光脉冲传输时没有考虑大气-海水界面的边界条件,对经过介质界面以及到达接收平面的光子提出了修正的Monte Carlo方法,对到达水下接收平台的光脉冲传输多径时间延迟和光斑分布进行了仿真研究。光传输模拟结果表明,使用修正的Monte Carlo方法考虑了边界条件的影响,减少光脉冲传输仿真的误差。