该文将特征向量信息与假设检验法相结合,提出了一种基于峰均功率比门限(Peak-to-Average Power Ratio Threshold,PAPRT)的信源个数检测新方法。该方法利用特征向量对接收数据进行加权,然后计算其峰均功率比,利用峰均功率比值与特征值在...该文将特征向量信息与假设检验法相结合,提出了一种基于峰均功率比门限(Peak-to-Average Power Ratio Threshold,PAPRT)的信源个数检测新方法。该方法利用特征向量对接收数据进行加权,然后计算其峰均功率比,利用峰均功率比值与特征值在区分信号和噪声方面的一致性,通过引入一个二元假设检验过程,检测信号源个数。仿真结果表明,PAPRT方法在低信噪比下,对等强双目标的检测性能优于特征值门限(Eigen Threshold,ET)方法,且不受目标强度差的影响,对不等强多目标也具有优良的检测性能。展开更多
文摘该文将特征向量信息与假设检验法相结合,提出了一种基于峰均功率比门限(Peak-to-Average Power Ratio Threshold,PAPRT)的信源个数检测新方法。该方法利用特征向量对接收数据进行加权,然后计算其峰均功率比,利用峰均功率比值与特征值在区分信号和噪声方面的一致性,通过引入一个二元假设检验过程,检测信号源个数。仿真结果表明,PAPRT方法在低信噪比下,对等强双目标的检测性能优于特征值门限(Eigen Threshold,ET)方法,且不受目标强度差的影响,对不等强多目标也具有优良的检测性能。