基于稀疏重构的色噪声背景下未知线谱信号估计

针对色噪声背景下的未知线谱信号估计问题,该文提出一种基于分子频带处理的稀疏重构类线谱估计方法。首先,利用多速率余弦调制滤波器组对观测信号进行子带分解,得到功率谱相对平坦的子带信号。之后,在每个子带信号上,利用基于迭代最小化的稀疏学习方法进行线谱估计,并将各子带上的线谱估计结果进行频域综合滤波以及门限判决等处理。最终得到色噪声背景下的线谱估计结果。理论推导及仿真实验表明所提方法在色噪声背景下具有较好的线谱估计性能。其能够有效地去除色噪声背景,同时保留稀疏重构类线谱估计方法所具有的高频率分辨力等优点。

一种色噪声背景下信号到达角与载频联合估计的简单算法

研究在色噪声背景下实现以较小的运算量完成多个信源到达角( DOA)及载频的估计。文中结合 ESPRIT( Estimating signal parameters viarotationalinvariance techniques)算法和信号、噪声的特点 ,提出了一种仅需一次维数较低的特征值分解 ( EVD)便可实现两参数估计的新算法。

一种抑制参数估计背景色噪声的形态学滤波算法

根据循环平稳有关理论,通信信号的非线性变换频谱中存在体现各阶循环平稳性的离散谱线,谱线位置对应着信号载波频率和符号速率的线性组合,提取这些谱线可以完成信号的基本参数估计。然而非线性变换不仅能产生对应于信号载波频率和符号速率等参数的正弦分量,而且还会形成不利于谱线提取的背景色噪声,当信号信噪比低、数据量小时,色噪声对谱线提取的影响尤为突出。针对这一问题;本文深入研究了信号非线性变换谱特征,结合数学形态学基本理论,提出了一种基于离散灰度形态滤波的方法来抑制背景色噪声。利用开运算估计背景色噪声,运用顶帽变换进行白化处理,通过闭运算填平杂散负脉冲,增强谱线相对强度,最后设置检测门限,提取离散谱线,完成信号相应参数的估计。详尽的Monte Carlo仿真给出了谱线检测性能与信号脉冲成型系数、信噪比和数据量之间的关系。结果表明算法有效抑制了背景色噪声,在信噪比低、脉冲成型系数小、数据量少的情况下提高了谱线检测性能,从而证实了该算法的有效性。

一种基于PCA的MPSK信号码元速率估计方法

针对MPSK信号的码元速率估计问题,研究了有限数据条件下循环谱的谱线特征受到背景色噪声干扰的现象,提出了一种基于主分量分析(PCA)的循环谱特征码元速率估计方法。PCA变换抑制了信号循环谱中的背景色噪声,提高了估计精度,减小了估计方差。仿真表明,该方法在有限数据条件下具有良好的估计性能,适用于不同成形滤波系数的MPSK信号。