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。      

色噪声环境下单基地MIMO雷达分布式目标角度估计

针对传统的二阶统计量角度估计算法在高斯色噪声环境下估计性能急剧下降甚至失效的问题,该文提出一种基于四阶累积量的单基地MIMO雷达相干分布式目标角度估计算法。首先建立单基地MIMO雷达的相干分布式目标信号模型,求取信号的四阶累积量矩阵;利用特征值分解分离出相互正交的信号子空间与噪声子空间,根据多重信号分类(MUSIC)算法原理,获得阵列的空间谱函数,通过谱峰搜索得到分布式目标的中心波达方向。该算法充分利用了四阶累积量对高斯过程的不敏感性,能够很好地抑制高斯色噪声对角度估计的影响。仿真结果证明了该算法的正确性和有效性。     

一种基于四阶累积量的空间特征盲估计方法

该文以均匀直线阵为基础,提出了一种基于阵列输出四阶累积量的信号空间特征盲估计方法,并将其用于相干多径环境下的多用户信号空间特征的估计。作者利用四阶累积量构造了一个空间特征估计矩阵,并证明了对该矩阵作特征分解可以得到各用户的空间特征。该盲算法不依赖于信号具体特征,适用于任意加性高斯(白或有色)噪声。理论分析和仿真结果说明了算法的有效性和稳健性。     

四阶累积量稀疏表示的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以及在高斯色噪声背景下不再适用的问题,本文提出了基于四阶累积量稀疏重构的DOA估计方法。首先,利用接收数据的四阶累积量构建了稀疏表示模型,该模型抑制了噪声项;其次对四阶累计量矩阵进行奇异值分解,化简了稀疏表示模型,通过奇异值分解,不仅减小了数据规模,而且进一步抑制了噪声。对于稀疏表示模型的求解,先利用信号子空间与噪声子空间的正交特性选取权值矢量,然后利用加权l1范数法对模型求解实现DOA估计。理论分析和仿真实验表明本文算法在高斯白噪声和色噪声背景下均适用;能够处理非相干和相干信号,且在低信噪比条件下,对相干信号有更高的估计精度;较之同类的稀疏重构算法,本文算法具有较低的算法复杂度和更高的角度分辨力。      

基于累积量的互耦误差下相干信号DOA估计

在高斯色噪声和阵列互耦误差背景下,针对相干信号源和非相干信号源并存的问题,提出了一种准确估计信号源到达角(DOA)的算法。首先,采用辅助阵元法将互耦误差从阵列流形中分离;然后结合空间平滑技术和四阶累积量构建平滑矩阵,实现对高斯噪声的抑制和对信号的解相干;最后使用ESPRIT算法获得信号源的来波方向。仿真结果表明,文中算法有效解决了阵列互耦和信源相干的影响,在高斯白噪声和高斯色噪声环境下均能精确地估计DOA。     

基于四阶累积量的声波阵列时延估计算法

针对多通道阵列声波信号中可能存在相关噪声的问题,提出了一种基于四阶累积量的时延估计算法。该算法首先计算相邻通道的四阶累积量一维切片,然后对多个通道进行平均,利用高斯噪声四阶累积量为零的性质,抑制多通道阵列环境中存在的相关高斯噪声。实验表明,在较低信噪比情况下,该算法优于传统互相关算法。     

基于四阶累积量特征分解的空间谱估计测向方法

传统的空间谱估计测向方法大都是在二阶统计基础上提出的。而高阶累积量(cumulant)及其对应的高阶谱具有更加丰富的信息,而且对任何谱特性的高斯噪声都有很好的抑制能力。本文研究了基于四阶累积量特征结构分析的谱估计测向方法。从累积量的基本定义和性质出发,导出了基于特征分解的测向算法,并给出了模拟实验和测向系统外场实验结果。实验结果显示,基于四阶累积量方法的性能优于传统谱估计测向方法,特别是对于未知谱特性的色高斯噪声的情况。     

非高斯有色噪声中谐波恢复的累积量投影方法

本文研究非高斯有色噪声中的谐波恢复问题。首先建立了复数线性非高斯过程的高阶累积量投影定理。应用该定理，由含噪谐波信号的四阶累积量求得非高斯有色噪声的自相关，然后通过求解一个广义特征值问题对矢量空间进行预白化，最后结合噪声子空间方法ＭＵＳＩＣ恢复谐波信号参数。本文方法克服了以往的困难，成功地解决了对称分布非高斯噪声背景下和谐波信号中存在二次相位耦合时的谐波恢复问题。仿真实验验证了本文结论。     

基于三阶累积量的多径时延估计

研究多径传输条件下的时延估计问题。利用三阶累积量的一维切片作为高阶统计量,结合相关算法原理,提出一种新的时延估计算法。为提高时延估计精度,对相关数据进行了加权处理。该算法可有效抑制空间相关高斯噪声或对称分布噪声,得到非高斯信号准确的时延估计。算法具有计算量小,易于实现的优点。仿真结果表明了该算法的有效性。     

基于最大峰度准则的非因果AR系统盲辨识

本文结合最大峰度准则和非线性优化理论中的梯度法,设计了一种因果ＡＲ系统的盲辨识算法,并证明了它的全局收敛性,给出了它在平衡点附近的收敛速度,算法通过构造逆滤波器的方法来进行盲辩识,同时通过基于高阶累积量的自 法将逆滤波器的系数逼近ＡＲ系数的参数,由于采用了高阶累积量,处地高斯观测噪声有较好的抑制能力,仿真的结果表明了算法的有效性。     

一种基于四阶累积量的约束自适应多径时延估计

在存在多径信号和空间相关性未知的背景高斯噪声情况下,不考虑多径信号传输的传统时延估计方法的性能会受到影响,甚至恶化。针对此问题,提出了一种基于四阶累积量的约束自适应多径时延估计算法,并对该算法的多径时延估计性能进行了收敛性能分析。该算法能够有效抑制空间相关性未知噪声的影响,在低信噪比的情况下能够直接、准确地进行自适应多径时延估计,克服了传统算法不能直接估计非整数倍采样间隔时延的缺点。计算机仿真试验验证了新算法的有效性。     

Cumulant-based method for bearing estimation in the presence ofnonGaussian noise

Bearing estimation algorithms based on the cumulants of array data have been developed to suppress additive spatially correlated Gaussian noises. In practice, however, the noises encountered in signal processing environments are often non-Gaussian, and the applications of those cumulant-based algorithms designed for Gaussian noise to non-Gaussian environments may severely degrade the estimation performance. The authors propose a new cumulant-based method to solve this problem. This approach is based on the fourth-order cumulants of the array data transformed by DFT, and relies on the statistical central limit theorem to show that the fourth-order cumulants of the additive non-Gaussian noises approach zero in each DFT cell. Simulation results are presented to demonstrate that the proposed method can effectively estimate the bearings in both Gaussian and non-Gaussian noise environments     

基于四阶累积量和奇异值分解的参数型多径时延估计

在背景相关噪声的情况下,提出了一种基于四阶累积量和奇异值分解（SVD）的参数型时延估计方法。分析表明该方法能够准确进行多径传输情况下的时延估计,有效抑制相关高斯噪声的影响。最后采用Matlab进行仿真验证。     

New approaches without postprocessing to FIR system identificationusing selected order cumulants

In this paper, we address the problem of identifying the parameters of the nonminimum-phase FIR system from the cumulants of noisy output samples. The system is driven by an unobservable, zero-mean, independent and identically distributed (i.i.d) non-Gaussian signal. The measurement noise may be white Gaussian, colored MA, ARMA Gaussian processes, or even real. For this problem, two novel methods are proposed. The methods are designed by using higher order cumulants with the following advantages. (i) Flexibility: method 1 employs two arbitrary adjacent order cumulants of output, whereas method 2 uses three cumulants of output: two cumulants with arbitrary orders and the other one with an order equal to the summation of the two orders minus one. Because of this flexibility, we can select cumulants with appropriate orders to accommodate different applications. (ii) Linearity: both the formulations in method 1 and method 2 are linear with respect to the unknowns, unlike the existing cumulant-based algorithms. The post-processing is thus avoided. Extensive experiments with ARMA Gaussian and three real noises show that the new algorithms, especially algorithm 1, perform the FIR system identification with higher efficiency and better accuracy as compared with the related algorithms in the literature     

一种基于三阶矩的方向估计方法

如何在信号源相干和噪声空间相关的情况下实现目标方向的高分辨,是当前阵列信号处理领域必须解决的问题之一。本文提出了一种基于空间三阶矩的方向估计方法。这种方法在处理时,与信号源间是否相干、接收噪声是否空间相关均没有关系。在空间三阶矩已知的情况下,它可以分辨空间任意接近的信号,从而实现了信号源相干和噪声空间相关情况下的高分辨处理。     

Estimation of frequency-delay of arrival (FDOA) using fourth-orderstatistics in unknown correlated Gaussian noise sources

A new family of nonparametric and parametric methods based on fourth-order statistics for the estimation of the frequency-delay of arrival (FDOA) between two sensor signal measurements, corrupted by correlated Gaussian noise sources in an unknown way, is presented. The new family of FDOA estimation methods utilizes the fourth-order cumulants or 1-D Fourier transforms of sliced fourth-order cumulants of the two signal measurements. It is demonstrated that the new family of FDOA estimation methods suppresses the effect due to correlated Gaussian measurement noises and outperforms existing second-order statistics-based FDOA estimation methods using either cross-ambiguity function or MUSIC algorithm. Various simulation results are presented for different types of signals, different lengths of data, and different signal-to-noise ratios     

时空欠采样宽频段信号频率和二维角估计方法

本文提出了一种时空欠采样宽频段(2~18GHz)信号频率、方位角和仰角三维参数估计方法.该方法采用均匀圆阵和阵元延时,可在时间欠采样条件下实现频率无模糊估计;在空间欠采样条件下,用整数搜索法实现方位角和仰角无模糊估计,且频率、方位角和仰角估计可自动配对.该方法不仅可用于二阶统计量阵元空间和DFT波束空间,而且还可用于四阶累积量,可在高斯白或色噪声背景下,估计非高斯信源的参数.在DFT波束空间、阵元数相同和最大孔径相当时,该方法方位角和仰角估计的方差比L阵方法的方差小1~2个数量级.仿真实验表明了算法的有效性.     

一种新的MPSK信号调制分类算法

针对多进制相移键控(MPSK)信号的调制识别问题,提出了一种新的基于2、4阶循环累积量的调制识别算法。先利用信号的2阶和4阶循环累积量的特征,将MPSK信号分为BPSK和QPSK与8PSK以上两大调制子类,再由信号循环频率等于信号载频处的2阶和4阶循环累积量,构成BPSK和QPSK的分类特征量,实现对BPSK和QPSK信号的调制识别。该算法在MPSK信号码元不等概率出现时依然有效。由于高斯噪声的循环累计量均为0,因此此算法具有一定的抗高斯噪声能力。实验仿真结果验证了该算法的有效性。     

Blind and total identification of ARMA mode in higher ordercumulants domain

A novel recursive algorithm for identifying orders and parameters of ARMA models driven by a sequence of nonGaussian random signals is investigated. The input sequence is assumed to be unobservable and the conditions are based on properties of the model output cumulants of the third order. In every cycle of updating the model order, the proposed algorithm minimizes a quadratic cost function to determine the parameters. The novelty of the approach is that the model orders and parameters are all estimated without a priori knowledge; the system is blind. The identification process is said to be total because the model parameters together with the model order are estimated in the same process. Owing to its order-recursive nature, the proposed algorithm requires little computational complexity and exhibits fast convergence behavior. Simulation results verify that Gaussian noises present at the output do not have noticeable effects on the identifiability and the accuracy of estimation