基于最大似然估计的分集信号中频合成方法

为了降低分集信号合成时输入信号的信噪比要求,提出了一种分集信号的中频合成方法.该方法利用最大似然估计和迭代算法,通过计算输出合成信号和输入分集信号的相关值获得合成权值,在中频实现信号合成.仿真和实验结果表明,该方法放宽了输入信号信噪比要高于解调捕获门限这一要求,能自动实现最大合成增益.     

基于信号能量分布拟合优度的长短时记忆网络频谱感知算法研究

传统频谱感知算法性能在低信噪比下不够理想,在高信噪比下较好,算法性能随信噪比降低逐渐变差。本文提出了基于信号能量分布拟合优度的长短时记忆网络频谱感知算法,利用授权用户信号存在时的接收信号为基础,计算接收信号的能量分布,并将通过拟合优度算法得到的距离值作为特征构造特征向量,然后将特征向量输入长短时记忆网络训练得到模型,最后将测试数据输入训练模型进行预测,从而实现频谱感知。仿真结果表明,本文提出的新算法在信噪比为-13 dB,采样点数为28时,检测概率达到96.21%,明显优于传统能量检测算法和传统拟合优度算法。      

RLS、VSSLMS算法应用于天线组阵的分析及仿真

针对天线组阵常用相关算法Simple、Sumple、Eigen(基于本征值)和LS(最小二乘法)的不足,提出递推式最小二乘法(RLS)和变步长最小均方法 (VSSLMS)这2种新型算法,对其应用于深空网天线组阵进行了研究。对这2种算法进行了仿真,结果表明,RLS算法存在信噪比合成性能随组阵天线数目增加而下降的缺陷,VSSLMS算法具有强信号时信噪比合成性能迅速提高的优点;在接收信号弱并且组阵天线数目较少情况下,RLS算法的信噪比合成性能略好于VSSLMS算法;当接收信号较强尤其是组阵天线数目较多时,VSSLMS算法的信噪比合成性能反而比RLS算法更好一些。     

基于特征值分解的随机分布传感器信号合成增强

将传感网中随机布设传感器节点所接收到的微弱信号进行合成,可有效增强传感器网络的信号感知能力.本文关注的是该微弱信号的合成权值估计问题.以合成信号的自相关系数作为目标函数,本文提出了一种基于特征值分解的合成权值估计算法.该算法无需估计噪声相关矩阵,适用于噪声方差不一致的环境.数值仿真结果显示,本文提出的基于自相关系数的特征值分解合成权值估计算法,在低信噪比、噪声方差不等的条件下,性能优于以合成信号信噪比或者合成信号功率为目标函数的特征值分解合成权值估计算法.     

基于自适应重采样次数的协方差角度估计算法

针对基于Hermitian分解的协方差角度估计算法在低信噪比(SNR)时性能差的问题,提出了基于自适应重采样次数的协方差角度估计算法。该算法首先用接收信号扫描角度空间内的所有导向矢量,划定正确的角度估计区间,并给出判断角度估计结果是否可靠的标准。然后构造协方差矩阵,得到角度估计结果,接着以角度估计结果是否可靠为判断标准自适应地对原始信号进行重采样。若重采样后对应某一信号的多个角度估计结果都不可靠,则对原信号重采样并估计到达角,直到所有信号均有可靠结果为止。仿真结果表明,所提算法修正异常的角度估计结果,提高协方差角度估计算法在低信噪比时的精确度。     

基于DCS 的统计MIMO 雷达信号模型及参数估计

分布式压缩感知(Distributed Compressed Sensing, DCS)将单信号的压缩采样扩展到信号群的压缩采样,利用信号内相关性和互相关性对多个信号进行联合重构。统计多输入多输出(Multiple-Input Multiple-Output,MIMO)雷达系统通过多发多收配置,在发射机、目标以及接收机之间构成对目标的分布式探测系统。该文将DCS应用到统计MIMO 雷达中,通过对该场景中目标回波的延时在距离空间稀疏性的分析,提出联合所有接收信号重构目标场景的设想,建立了接收信号的联合稀疏模型,并实现了目标参数估计的联合重构算法。仿真结果表明与基于压缩感知(Compressed Sensing, CS)的算法相比,基于DCS 的算法在进一步降低采样数目的同时提高了参数估计精度,同时也验证了DCS-MIMO 雷达可以有效克服目标的雷达散射截面积(Radar Cross Section, RCS)起伏。      

基于非线性系统的小信号检测算法研究

本文研究了通信数据链系统的微弱小信号增强与接收检测算法。为了提升通信数据链系统中信号的接收性能，在低信噪比条件下，提出基于非线性系统的小信号检测算法。在非线性系统中，适当强度的噪声在一定程度上会增强输出信号的幅值，从而实现在强大的噪声背景环境下对微弱小信号的增强和检测功能。本文着重研究了非线性系统中的双稳态系统，分析了通信数据链系统中的 MSK 信号输入到双稳态系统中，利用 Matlab 仿真出输入非线性系统前后的信号时域频域波形图，进而分析了基于通信数据链系统的小信号增强与检测算法性能。Matlab 仿真结果表明，本文提出的算法可以有效改善低信噪比条件下的通信信号接收性能，在信号处理与接收领域有着重大的应用前景。     

天线组阵中基于SUMPLE的联合信号检测

针对低信噪比下天线组阵信号的检测问题,本文提出了一种基于SUMPLE合成的联合检测算法。传统信号检测算法在低信噪比下的检测效率很低,并且难以直接应用于多天线组阵系统。本算法综合利用SUMPLE合成时权值收敛特性以及各路信号之间强相关性,对信号存在性进行检测。理论分析和仿真结果表明,该算法具有适用于多天线组阵系统以及检测概率高的优势。并且在接收信号信噪比低至-12dB时,算法仍然有80%以上的检测概率,提高了传统多天线组阵信号检测的性能。      

一种同步Nyquist折叠接收机参数估计算法

由于在同步Nyquist折叠接收机结构中使用了多分量本振及对应的数字信号处理算法,单个双通道模数转换器所接收的信号频率范围可超过其Nyquist采样带宽。针对同步Nyquist折叠接收机结构,提出了基于Wigner-Hough变换的参数估计算法。对算法的理论分析表明,对不同本振周期信号的Wigner-Hough变换进行积累,能有效提高Nyquist区域检测性能。最后,仿真结果证实了提出的算法在输入信噪比优于-15 dB后,能获得准确的频率估计结果。     

估值合成的时延对准算法

时延对准问题一直是多天线信号合成系统中的一个重要问题,为了解决在低信噪比条件下时延对准性能差的问题,提出了一种基于估值合成的时延对准算法。该算法以各路信号时延的加权和作为固定参考中心,利用两两时差之间的相关性,对两两时差估计值进行加权合并,有效提高了时延对准性能。并从理论上分析了该算法的性能,理论分析及仿真实验均表明,随着天线数目的增加,算法性能逐渐提高,且在低信噪比条件下提升尤为明显。另外,本文提出算法的时延性能优于基于准合成参考的时延对准算法。      

二次多项式拟合在分布式光纤传感中的应用

基于布里渊散射的分布式光纤传感中温度和应变与布里渊频移成线性关系,为了提高温度和应变测量的准确性,提出了一种改进的二次多项式拟合算法用于提取布里渊频移。该算法分为两步:首先使用一种改进的中值滤波算法对含噪布里渊谱信号进行预处理,以提高增益峰值定位的准确性；然后截取围绕峰值左右对称的一个线宽的原始布里渊谱进行二次多项式拟合以实现布里渊频移的高精度提取。以布里渊频移误差及峰值定位准确性作为衡量指标,比较研究后确定同一频率下所有空间点对应的布里渊增益作为滤波器的输入。研究了不同扫频间隔和信噪比及不同滤波窗长下改进算法的效果,同时研究了最优窗长的选择问题。结果表明,不同信噪比和扫频间隔下改进算法均能有效提高布里渊频移提取的准确性。随窗口长度增加布里渊频移误差先减少后增加,在扫频间隔为1~10MHz、信噪比为0～40dB情况下,通用的最优窗长为53~163。     

一种稳健的分布式检测算法

在多雷达分布式检测系统中各个雷达的信噪比各不相同且没有办法对实际的信噪比进行有效估计时,基于N选k融合的分布式检测策略最稳健的方法就是选择N选1融合,但是这种方法相对于系统所能达到的检测性能有很大的损失,该文提出了一种基于4元局部判决的方法,融合中心作3种N选k融合,然后将3种融合结果进行或运算以得到最终判决结果。仿真表明该方法比N选1融合具有更好的检测性能,能适应各个雷达输入信噪比剧烈变化的情况,是一种稳健的多传感器分布式检测方法。     

空间光通信中分布式天线的信号检测研究

针对空间光通信中随机信道传播时延导致接收信号符号间干扰的特殊性使分布式发射天线多入多出(MIMO)信号的线性检测算法更加复杂这一问题,提出了一种基于Neyman-Pearson(NP)融合准则的分布式天线信号检测算法。仿真结果表明,当接收信号同步时,NP算法具有较好的健壮性,其性能优于等增益合并(EGC)算法,与最佳合并(OC)算法相当;当接收信号异步时,NP算法要明显优于EGC和OC算法,抑制接收符号间干扰,能体现出分布式天线系统的空间分集性能。     

卫星移动通信中利用Chirp信号进行时频同步的算法

卫星移动通信中信号受到多普勒效应和阴影衰落效应的影响,导致信号变化快且很微弱,对系统接收性能影响很大.提出一种用于卫星移动通信终端下行链路时频同步新算法.根据本地扫频信号与接收Chirp信号相关后峰值频率变化规律来进行定时捕获,同时实现了频偏估计.通过仿真和分析,给出了不同信噪比环境下,利用Chirp信号进行定时捕获和频偏估计的性能.结果表明,在阴影衰落导致的信噪比很低和高速移动导致的多普勒频偏的情况下,定时捕获性能优越,频偏估计性能很好地满足系统要求.     

一种基于稀疏贝叶斯学习的离网DOA估计算法

本文提出一种基于稀疏贝叶斯学习的改进离网DOA估计算法,以提升非理想测向环境下在低信噪比、低快拍数时的DOA估计性能,称之为MOGSBL算法。本算法将信号源方位区间进行离散化,得到方位离散网格。为阵列接收信号建立稀疏贝叶斯模型,将网格节点修正量设为模型超参数。采用期望最大化算法迭代更新网格节点修正量,使更新后的网格节点更接近真实源信号方位。为了检验MOGSBL算法的性能,本文进行了大量的数值实验,并将MOGSBL算法的DOA估计结果与RSBL算法、OGSBL算法和L1-SVD算法进行对比。在不同信噪比和不同快拍数时,MOGSBL算法均能清晰分辨方位很接近的两个信号源,角度分辨率明显高于RSBL算法、OGSBL算法和L1-SVD算法。随着信噪比和快拍数的增加,4种算法的RMSE均逐渐减小。但MOGSBL算法的RMSE明显低于RSBL算法、OGSBL算法和L1-SVD算法,且RSBL算法、OGSBL算法优于L1-SVD算法。实验还分析了方向测试范围的离散网格节点数对DOA估计的影响,发现细密的离散网格可以提高DOA估计精度,但DOA估计的计算量会增加。且在任意网格节点数时,相比于RSBL算...     

分布式相参雷达LFM宽带去斜参数估计方法

宽带分布式相参雷达技术能够有效提升目标测量精度和识别性能,具有重要的研究价值。针对现有雷达装备一般不具有同时对正负调频率宽带线性调频信号进行去斜处理的能力,即在接收相参合成阶段无法通过正负调频率宽带去斜方式获取宽带信号发射相参所需延时相位值的问题,该文利用单元雷达与目标之间存在延时差,将单元雷达发射的宽带线性调频信号等效为目标信号,对接收信号进行互相关处理获取发射相参合成所需的参数值,通过建模和仿真实现接收相参和发射相参合成处理,并对飞机目标进行1发2收相参探测试验,获得了理想的试验结果。该方法具有估计精度高、运算量小和时实性好的优势,可应用于分布式相参雷达工程实现。     

Hierarchical Resampling Algorithm and Architecture for Distributed Particle Filters

In this paper, we introduce a hierarchical resampling (HR) algorithm and architecture for distributed particle filters (PFs). While maintaining the same accuracy as centralized resampling in statistics, the proposed HR algorithm decomposes the resampling step into two hierarchies including intermediate resampling (IR) and unitary resampling (UR), which suits PFs for distributed hardware implementation. Also presented includes a residual cumulative resampling (RCR) method that pipelines and accelerates the UR step. The corresponding architecture, when compared with traditional distributed architectures, eliminates the particle redistribution step, and has such advantages as short execution time and high memory efficiency. The prototype containing 8 PEs has been developed in Xilinx Virtex IV FPGA (XC4VFX100-12FF1152) for the bearings-only tracking (BOT) problem, and the result shows that the input observations can be processed at 37.21 KHz with 8 K particles and a clock speed of 80 MHz.     

分布式多通道信号同步与分集合并算法

分集接收技术主要用于解决无线传输过程中的信号衰落,无线接收时的邻频干扰、同频干扰等问题,能够有效改善接收信号的质量。针对分布式平台上多通道接收信号同步与分集合并算法进行研究,提出一种适用于不同调制类型的多通道信号合并前同频同相调整方法,并对合并前各通道信号进行信噪比估计,以确定最大比合并时的权重。经理论分析可知,N通道信号最多可获得10lgN dB的合并增益。仿真验证结果与理论分析一致,证明了算法的有效性和可行性。     

Voiced/Nonvoiced Detection Based on Robustness of Voiced Epochs

In this paper, a new method for voiced/nonvoiced detection based on epoch extraction is proposed. Zero-frequency filtered speech signal is used to extract the instants of significant excitation (or epochs). The robustness of the method to extract epochs in the voiced regions, even with small amount of additive white noise, is used to distinguish voiced epochs from random instants detected in nonvoiced regions. The main feature of the proposed method is that it uses the strength of glottal activity as against using the periodicity of the signal. Performance of the proposed algorithm is studied on TIMIT and CMU ARCTIC databases, for two different noise types, white and vehicle noise from the NOISEX database, at different signal-to-noise ratios (SNRs). The proposed method performs similar or better than the popular normalized crosscorrelation based voiced/nonvoiced detection used in the open source utility wavesurfer, especially at lower SNRs.