非白高斯噪声中基于导频的匹配滤波频谱检测

为了在低信噪比的情况下,能够用很少的采样样本得到很高的检测概率,考虑到现实生活中噪声和信号在传输过程中的衰落,所以在非白高斯信道中采用线性模型对信号进行估计,在此基础上对导频运用匹配滤波检测,讨论了决定检测概率的重要因素——偏移系数的最大值的选取。仿真结果表明,选取非白高斯噪声信道是必要的;偏移系数选取最优值将会得到很好的检测性能;对导频进行检测可以减少采样数。

非白高斯输入下辨识非线性系统的方法探讨

辨识非线性系统的问题的研究有着重要的理论和实际意义.本文从实际应用的角度出发,发展了M.Sdetzen等的方法,把考虑问题的出发点建立在输入是非白高斯过程的基础之上。文中引入了推广Wiener G-泛函的概念,并推出了非线性系统在高斯输入下的推广Wiener G-泛函表示。从而把辨识非线性系统的问题归结为估计推广Wiener G-泛函的问题.本文又进一步导出了用多重Fourier分析的方法进行推广Wiener G-泛函的辨识公式.

基于遗传算法的功率域最小二乘DOA估计器

提出一种基于遗传算法的功率域最小二乘波达方向(DOA)估计器。通过功率域最小二乘法推导得到优化目标函数。继而将目标函数作为适应度函数,将阵列天线各入射信号的未知DOA作为决策变量,通过遗传算法进行全局优化,从而完成各信源DOA的估计。采用适当的遗传策略,使全局寻优有效收敛至满意解,避免了复杂的多步迭代,提高了稳健性。估计器对非均匀高斯白噪声条件下的信源DOA同样有效。仿真实验表明,估计器的性能接近确定性最大似然(DML)估计器。

基于模拟退火遗传算法的功率域DOA估计

针对非均匀高斯白噪声背景,提出一种基于模拟退火遗传算法的功率域最小二乘波达方向(DOA)估计器。首先,介绍了阵列单通道下的信号模型。其次,给出了最小二乘意义下的功率域DOA估计优化目标函数,继而以此为适应度函数,将模拟退火算法引入基本遗传算法得到一种改进的遗传算法,对其进行全局优化,其估计精度优于基本遗传算法。最后,通过仿真结果验证了本文算法的有效性。