基于残差三阶累积量的机动检测新方法

针对在有高斯量测噪声情况下目标机动检测问题,提出了一种基于残差三阶累积量的 机动检测算法,通过利用Kalman滤波实时产生残差数据而进行的三阶累积量的计算,抑制了 高斯噪声对目标机动的影响,且实现了机动检测的实时性。仿真实验结果验证了该算法的有 效性和稳健性。     

基于三阶累积量的红外弱小运动目标检测新方法

为检测强杂波背景中的红外弱小运动目标,提出了一种基于三阶累积量的检测新方法.该方法利用图像中目标经过时像素点灰度值有起伏变化这一特点,将其看作是一种非高斯弱瞬态信号,通过构造三阶累积量对其进行检测.此三阶累积量估计中的去均值处理同时实现了背景杂波的抑制,较好地改善了信杂比(SCR),提高了单帧检测性能.实验表明,该方法能够有效地抑制强杂波背景,在SCR>1时,能可靠检测目标.     

基于高阶统计判据的红外弱小运动目标检测

针对红外预警与跟踪系统中的实时弱小运动目标检测问题，在分析红外灰度图像的非平稳高斯特性的基础上，提出了一种基于高阶统计判据的检测算法。先用一个空域的白化去均值滤波器进行空间背景抑制，为下一步时域高阶统计判据建立一个不相关的高斯背景，根据三阶以上的高阶累积量对于高斯随机过程“盲”的原理，用高阶累积量作二元统计判据检测红外图像背景中的运动弱小目标。算法全面考虑了红外灰度图像和目标在时域与空域方面的特性,大大增强了目标信噪比。通过实际获取的大地背景目标红外数据检测表明,此算法能有效地从复杂背景中检测低信噪比运动小目标,虚警率少,抗噪声干扰能力强。算法易于硬件实现,能够有效地应用于红外搜索与跟踪系统的实时目标检测中。     

基于三阶累积量对角切片的直接自适应谱线增强算法

依据随机平方相位耦合信号三阶累积量不为零的特点，提出了从高斯噪声环境中恢复平方相位耦合信号的基于三阶累积量对角切片的直接自适应谱线增强算法。该算法恢复平方相位耦合信号、抑制高斯噪声的性能优于传统的自适应谱线增强算法。仿真结果证实了这种算法的有效性。     

基于多阶段轨迹融合的交叉多目标检测与跟踪算法

构建了一种多阶段轨迹融合算法,预处理阶段利用局部对比度自适应门限抑制杂波,同时结合高阶相关滤波器剔除噪声和杂波边缘.在轨迹互联阶段,多阶段的双向搜索算法辅佐以目标航迹的能量累积,能够尽早锁定目标.实验分析表明,该方法能够准确的检测和跟踪作任意轨迹运动的多个点目标,在搜索空间和时间复杂度上明显优于传统的相关性算法.     

强跟踪自适应滤波器实现机动目标的精确跟踪

机动目标状态估计中的一个主要问题是:目标运动的突变性导致状态噪声无法进行统计预测.传统的EKF将噪声看成是高斯白噪声有着本质上的不足,因而无法实现稳定的跟踪.引入Sage-Husa滤波算法对有色噪声进行在线的估计,一定程度上弥补了目标运动模型不够合理的缺憾.在此基础上,从系统容错设计基本原理出发,用归一化残差功率法实时地检测可能出现的数值发散现象,一旦检测到发散,印通过一种改进的强跟踪自适应滤波器进行抑制,有效地提升了滤波的健硕性,实现了稳定跟踪.最后,针对高机动目标的运动特性,仿真验证采用变维滤波模型,用EKF对目标的简单机动进行跟踪,只有目标运动突变时才采用本文提出的算法,以提升计算的实时性.仿真结果表明此算法对高机动目标的跟踪是有效的.     

基于四阶混合累积量的雷达目标二维超分辨成像

针对高斯色噪声条件下雷达目标二维成像问题,提出了一种基于四阶混合累积量的二维ESPRIT超分辨成像方法。利用四阶混合累积量对高斯色噪声的自动抑制,降低了噪声对成像质量的影响。通过保持目标特征矩阵结构不变,解决了现有方法在长采样数据条件下计算量过大的问题。仿真实验表明该方法的成像效果和散射点位置估计精度优于传统方法。     

基于高阶累积量的LPI雷达信号检测

低截获概率（LPI）雷达的广泛应用导致电子侦察系统难以从噪声中检测到LPI信号的存在。针对这一问题,提出一种基于多相滤波器组和高阶累积量联合处理的121雷达信号检测算法。该算法首先利用多相滤波器组实现信号在频域上的快速均匀划分,然后对输出的每个子带信号进行三阶累积量对角切片短时估计,有效抑制高斯噪声,并设计检测器对每个子带信号进行信号存在性检测,进而判断整个信号中是否含有有用信号。仿真结果表明,该方法的检测性能远优于传统的能量检测器,在信噪比大于-20dB时具有较高的检测概率。     

累积量稀疏表示的扩展阵列的DOA估计方法

针对现有稀疏重构DOA估计算法不能抑制噪声项、在高斯色噪声背景下不适用以及能够分辨的最大信源数小于阵元数的问题,首先利用阵列输出数据的四阶累积量矩阵构建稀疏表示模型,该模型抑制了噪声项,并通过产生虚拟阵元实现了阵列扩展;然后对累积量矩阵进行奇异值分解来化简模型,化简后的模型不仅减小了数据规模而且进一步抑制了噪声。在利用加权l1范数法对稀疏表示模型求解时,不需要选取平衡重构残差与解的稀疏性的正则化参数。理论分析与仿真实验表明所提算法在高斯白噪声以及色噪声背景下均适用,能够分辨的最大信源数大于阵元数且具有较高的角度分辨力。     

高噪声环境下微动多目标分辨

目标的微动特性是目标的固有属性,其产生的微多普勒现象提供了多目标分辨与识别的新途径。该文针对高噪声背景下的微动多目标分辨问题,提出了一种新的基于B分布和Viterbi算法的多目标多普勒特征提取方法。该方法在高噪声环境下,将B分布和Viterbi算法进行有机结合,提取多目标微多普勒特征,进而对多目标进行分辨。基于仿真数据的试验结果表明:在高噪声背景下,该方法可以有效地提取多目标微动参数特征,实现多目标分辨。     

基于高阶统计量的对称分布信号检测

本文研究高斯噪声中具有对称分布的随机信号检测问题,提出了一种基于偶数阶高阶统计量的信号检测方 法。该方法利用高阶累积量估计的渐近正态性,采用随机变量Taylor展开的方法估计高阶累积量估计的方差,再对偶数阶 的高阶累积量进行归一化处理,将信号的检测转化为一般的X2检验问题,并通过仿真实验以广义高斯褶积信号为例对其 检测性能进行分析。     

一种基于高阶循环累积量的改进型VAD算法

根据语音信号的短段循环平稳(CycloStationary, CS)特征,该文提出了一种应用于复杂背景噪声条件下的基于高阶循环累积量的改进型VAD(Voice Activity Detection)算法,算法采用MA(Moving Average)模型对语音信号建模,并选择平均幅度差(Average Magnitude Difference Function,AMDF)的方法来估算循环频率以降低算法复杂度。经VoIP(Voice over Internet Protocol)平台测试,算法对高斯(白色或有色)噪声以及其它平稳噪声自适应能力强、检测性能突出, 且恢复后语音质量损失较小,对于非对称噪声也具备可检测能力。     

水声信号的非高斯特性分析与检测方法的研究

本文研究了海洋环境噪声和船舶噪声的高斯性,通过实验研究发现,纯净的海洋环境噪声(夜晚无行船时)呈现出高斯性,反之是非高斯;船舶噪声是服从非高斯的,另外无论海洋环境噪声,还是船舶噪声,在相等样本长度下,在不同频段的高斯性上也有差异,分析频段越低,统计量越大,反之统计量越小.基于高阶累积量T2在船舶由远及近的过程中的变化规律,研究了非高斯背景下非高斯信号的一种检测方法,即在海洋环境噪声下检测船舶噪声的方法.通过实船实验得到了满意的结果.     

基于高阶累积量不同切片的动态谱线增强算法

为了克服传统的自适应谱线增强器(ALE)抑制高斯噪声效果差的缺点，提出了基于高阶累积量不同切片的自适应动态谱线增强算法，并用水下某运动目标辐射的线谱数据进行了仿真研究。仿真和分析表明：该算法抑制高斯噪声的性能强于ALE算法。因此，本研究有助于提高水下探测系统对微弱信号的检测能力和水下通信能力。     

基于循环平稳分析的MPSK信号调制分类

提出了一种新的MPSK信号调制分类算法。通过对预处理后的MPSK信号进行循环平稳分析,把利用高阶累积量对复基带MPSK信号的调制分类推广到已调信号。由于高阶循环统计量具有抗平稳噪声的能力,从而在高阶循环累积量域构成了分类特征不变量。这种分类算法无需知道信号参数的先验信息,理论分析和实验结果证实了分类算法的有效性。     

一种基于高阶累积量的新变步长的自适应谱线增强方法

从减小高阶累积量计算量出发，综合变步长算法和极性算法的优点，提出了基于高阶累积量的能量幂函数型变步长极性迭代自适应动态谱线增强新方法，该方法用输入信号的能量幂函数作变步长来改善跟踪性能，用非输入信号（由输入信号构成的函数）的符号或极性来减小高阶累积量的计算量。仿真表明，该方法具有良好的抑制高斯噪声、增强谱线和跟踪时变信号的性能。     

高斯色噪声背景下的单通道信源数目估计算法

目前信源数目估计算法大都是基于多通道接收模型且对高斯色噪声抑制能力较差,而实际应用中单通道接收模型及色噪声环境非常普遍,因此研究色噪声背景下的单通道信源数目估计算法意义重大。针对现有算法的缺陷提出了一种基于构建信号时间快拍和四阶累积量矩阵的单通道信源数目估计算法。首先通过构建信号时间快拍实现单通道接收信号的升维得到矢量化空间,然后以此组信号空间构造出四阶累积量矩阵,并从理论上验证了该四阶累积量矩阵能有效抑制高斯白噪声及高斯色噪声的影响,最后对该矩阵进行奇异值分解并通过信息论准则估计出信源个数。仿真实验和实际信号实验都表明本文算法能较好地解决单通道信源数目估计问题,且能有效抑制高斯色噪声。      

低信噪比数字通信信号识别算法研究

基于高阶累积量可以抑制高斯噪声的特性以及分形盒维数对噪声不敏感的特性,对于现代通信中常用的BPSK、QPSK、OQPSK、MSK和GMSK五种信号,建立了信号模型。理论推导了信号的高阶累积量特征,分析了信号的分形盒维数特征,提出了一种有效的识别算法。仿真试验证实了算法的可行性。     

Image motion estimation algorithms using cumulants

A class of algorithms is presented that estimates the displacement vector from two successive image frames consisting of signal plus noise. In the model, the signals are assumed to be either non-Gaussian or (quasistationary) deterministic; and, via a consistency result for cumulant estimators, the authors unify the stochastic and deterministic signal viewpoints. The noise sources are assumed to be Gaussian (perhaps spatially and temporally correlated) and of unknown covariance. Viewing image motion estimation as a 2D time delay estimation problem, the displacement vector of a moving object is estimated by solving linear equations involving third-order auto-cumulants and cross-cumulants. Additionally, a block-matching algorithm is developed that follows from a cumulant-error optimality criterion. Finally, the displacement vector for each pel is estimated using a recursive algorithm that minimizes a mean 2D fourth-order cumulant criterion. Simulation results are presented and discussed.