研究了一种新的AR SαS过程的谱估计算法。该算法将整个数据作为一个整体,利用分数低阶p阶矩从前向、后向两个方向对数据进行处理,获得了一种高分辨率的参数估计算法——双向最小p范数法(Bidirectional Least p Norm,BLPN)。利用得到的...研究了一种新的AR SαS过程的谱估计算法。该算法将整个数据作为一个整体,利用分数低阶p阶矩从前向、后向两个方向对数据进行处理,获得了一种高分辨率的参数估计算法——双向最小p范数法(Bidirectional Least p Norm,BLPN)。利用得到的参数,结合共变谱的定义,构建了AR SαS过程下的共变谱估计表达式,并分别对AR SαS过程参数估计、α稳定分布噪声中的正弦信号的谱估计进行仿真。仿真结果表明,基于BLPN的ARSαS模型的共变谱估计方法对于不同的α值均具有良好的韧性,特别是在α值较小或者短时数据时,本文方法的性能明显优于基于FLOM的AR SαS模型共变谱估计方法。展开更多
本文设计出一种针对脉冲噪声的二维鲁棒高分辨率波达方向(DOA,Direction of Arrival)估计算法,以解决雷达、声纳等无线通信领域中脉冲噪声环境下IAA(Iterative Adaptive Approach)无法准确估计出DOA的问题.该算法中,用最小p阶范数代替WL...本文设计出一种针对脉冲噪声的二维鲁棒高分辨率波达方向(DOA,Direction of Arrival)估计算法,以解决雷达、声纳等无线通信领域中脉冲噪声环境下IAA(Iterative Adaptive Approach)无法准确估计出DOA的问题.该算法中,用最小p阶范数代替WLS(Weighted Least Squares)作为最优化求解的代价函数.此外,根据Toeplitz-Block-Toeplitz(TBT)矩阵性质和FFT简化计算过程,提出该算法的快速实现方法,提高算法的计算效率.该算法在对称α-稳定(SαS,Symmetric Alpha-Stable)分布噪声环境下建模,仿真结果表明:与CRCO-MUSIC(Co Rrentropy based COrrelationMUltiple Signal Classification)算法和MUSIC-FLOM(MUltiple Signal Classification-Fractional Lower-Order Moment)算法相比,二维lp-IAA算法可以在低信噪比、单快拍条件下有效分辨出相邻多目标信号;快速算法可以在保证高分辨率的前提下,算法平均运算时间降低至原来的约1/40.展开更多
文摘研究了一种新的AR SαS过程的谱估计算法。该算法将整个数据作为一个整体,利用分数低阶p阶矩从前向、后向两个方向对数据进行处理,获得了一种高分辨率的参数估计算法——双向最小p范数法(Bidirectional Least p Norm,BLPN)。利用得到的参数,结合共变谱的定义,构建了AR SαS过程下的共变谱估计表达式,并分别对AR SαS过程参数估计、α稳定分布噪声中的正弦信号的谱估计进行仿真。仿真结果表明,基于BLPN的ARSαS模型的共变谱估计方法对于不同的α值均具有良好的韧性,特别是在α值较小或者短时数据时,本文方法的性能明显优于基于FLOM的AR SαS模型共变谱估计方法。
文摘本文设计出一种针对脉冲噪声的二维鲁棒高分辨率波达方向(DOA,Direction of Arrival)估计算法,以解决雷达、声纳等无线通信领域中脉冲噪声环境下IAA(Iterative Adaptive Approach)无法准确估计出DOA的问题.该算法中,用最小p阶范数代替WLS(Weighted Least Squares)作为最优化求解的代价函数.此外,根据Toeplitz-Block-Toeplitz(TBT)矩阵性质和FFT简化计算过程,提出该算法的快速实现方法,提高算法的计算效率.该算法在对称α-稳定(SαS,Symmetric Alpha-Stable)分布噪声环境下建模,仿真结果表明:与CRCO-MUSIC(Co Rrentropy based COrrelationMUltiple Signal Classification)算法和MUSIC-FLOM(MUltiple Signal Classification-Fractional Lower-Order Moment)算法相比,二维lp-IAA算法可以在低信噪比、单快拍条件下有效分辨出相邻多目标信号;快速算法可以在保证高分辨率的前提下,算法平均运算时间降低至原来的约1/40.