基于整体经验模态分解的信噪比估计方法

为了提高未知样式信号的信噪比估计性能,提出一种基于噪声辅助的信噪比估计新算法,通过固有模态函数（IMF）分量平均周期的变化判断信号与噪声界限,给出了基于噪声辅助估计法的工作原理和流程图,分析了基于噪声辅助估计法的性能。仿真结果表明,基于噪声辅助估计法能够实现盲信号信噪比估计,在0 dB信噪比下均方误差不超过0.2 dB。     

基于小波阈值去噪和共轭模糊函数的时频差联合估计算法

为了解决二阶互模糊函数对相关噪声处理的局限性问题,以及基于四阶累积量的联合估计算法的运算量大的问题,该文利用小波阈值去噪方法结合非圆信号的特性,提出一种新的时频差联合估计算法。该方法首先对接收信号进行小波阈值去噪,然后构造共轭模糊函数,最后再进行2维搜索,得到时差和频差参数。仿真实验给出不同信噪比下的参数估计结果,得出这种算法能抑制相关噪声,又能相对降低运算复杂度,并且在较低信噪比下也能做出准确估计。     

基于分数低阶统计量的空域-模糊域DOA估计算法

该文提出一种非高斯SS噪声背景下非平稳信号的DOA估计算法。算法首先定义基于分数低阶统计量的空间模糊函数,利用信号在模糊域中的不同特征将信号分离;然后对不同的信号,选择信号模糊函数对应的模糊点的平均进行子空间分析;最后利用MUSIC算法实现DOA的估计。与基于分数低阶统计量的空域处理方法相比,该文提出的算法利用了信号在模糊域中的信息,提高了算法的估计精度。计算机仿真证明了算法的有效性。     

基于自相关函数相位的正弦信号频率估计新算法

针对加性高斯白噪声的正弦信号,提出了基于自相关函数相位的频率估计新算法。首先,推导了一种新的自相关函数相位的频率估计式,然后,针对频率估计范围与频率估计精度之间的矛盾问题,提出了一种消除相位模糊的方法。算法分析与仿真结果表明,在信噪比高于6 dB时,估计方差接近克拉美罗下界(CRLB),与TSA算法相比,在估计性能相同条件下,具有更低的计算量,便于工程实现。     

脉冲噪声环境下基于宽带模糊函数的双基地MIMO雷达目标参数估计新方法

以Alpha稳定分布作为噪声模型,研究了脉冲噪声环境下宽带双基地MIMO雷达系统中参数估计问题.针对在脉冲噪声环境中,基于传统的信号模型和算法效果显著退化的问题,本文提出了基于分数低阶统计量的宽带模糊函数算法.首先根据分数低阶宽带模糊函数的峰值点实现对多普勒频率尺度因子和时延的联合估计.接下来基于分数低阶宽带模糊函数构造两个子阵.通过采用改进的MUSIC算法和ESPRIT算法实现了收发角的联合估计.仿真实验表明本文算法具有很好的性能.     

导数约束平滑条件下基于模糊函数特征的雷达辐射源信号识别方法

针对低信噪比条件下,雷达辐射源信号识别效果差的问题,提出了一种导数约束平滑条件下提取信号模糊函数特征的辐射源信号识别方法.建立了基于取整函数和坐标转换的模糊函数最大能量角提取的数学模型,降低处理复杂度;提出了不依赖于信号及噪声具体模型的基于导数约束平滑的最大能量切片波形信息提取算法,转化为二阶锥规划（Second-order Cone Programming,SOCP）问题求解,较大程度地降低了噪声对模糊函数波形特征的影响;依据有效性指标,确定了本文算法中目标函数正则化系数与对称Holder系数的范数因子取值,最后通过模糊c-means方法实现对辐射源信号特征向量的聚类识别.仿真结果表明,在低信噪比条件下本文方法具有更高的识别正确率.     

一种基于经验模态分解的信噪比盲估计新算法

为了增强未知样式信号的信噪比估计性能,提出了一种基于经验模态分解（EMD） 的信号信噪比估计新算法,通过固有模态函数（IMF）分量平均周期判断信号与噪声界限。 给出了经验模态分解估计法的工作原理和流程图,分析了经验模态分解估计法的性能。仿真 结果表明,与信号空间分解法一样,经验模态分解估计法能够实现盲信号信噪比估计,后者 估计均方误差比前者要小,在0 dB信噪比下均方误差不超过0.3 dB。     

基于曲线拟合的信噪比估计方法研究

在无线通信系统中,信噪比作为衡量信道质量的重要参数,为许多自适应技术提供信道质量信息。由于周期平稳信号与高斯白噪声自相关函数的特性不同,用曲线拟合的方法,分离出自相关函数中的周期平稳信号和噪声的能量,从而计算出信噪比。最后仿真表明,该方法相对于其他方法具有较高的估计精度,并且计算复杂度较低。     

CDMA信号码片内多径时延估计算法

针对CDMA信号的特点,提出了低信噪比条件下估计延迟差小于一个码片周期的多径信号时延的有效算法,该文首先建立了一个能够有效抑制噪声影响的多径功率延迟函数,然后推导了建立在此函数基础上的高分辨率时延估计算法,给出了算法的具体步骤,分析了算法的性能,最后通过对比仿真和性能仿真证明了该方法具有低信噪比条件下高频谱分辨率的特点。     

窄带跳频信号的无模糊时差估计算法

针对跳频信号的高精度时差估计问题,分析了跳频信号相关函数的模糊特性,提出了基于多跳相干积累的跳频信号时差估计方法.多跳相关函数中存在周期副峰,将导致时差估计出现周期模糊,提出了两种消除模糊的方法——单跳时差平均法与相关函数包络拟合法.两种方法获得的时差粗值可以确定在相关主峰附近小范围精确搜索的搜索区间,在此区间内进行时差估计可以消除周期模糊.单跳时差平均法通过对单跳时差估计进行非相干平均获得时差粗值.相关函数包络拟合法通过搜索到的多个周期峰值,进行包络拟合获得时差粗值.仿真表明,两种算法性能明显优于常规的互模糊函数法,均能降低无模糊时差估计对相关输出信噪比的要求,提高无模糊时差估计所要求的频率间隔.相关函数包络拟合法性能更优,但运算量更大.     

用于正弦波频率估计的修正Kay算法

Kay算法能够估计出采样点较少的正弦波频率,但低信噪比下估计性能不佳.针对此问题,提出了修正Kay算法.首先基于最大似然估计准则,推导了观测信号模值与相位的条件概率密度函数,进而重建了Kay算法的相位差噪声矢量协方差矩阵与权值矩阵.实验结果表明,修正算法能够有效估计正弦波信号频率,与Kay算法相比,抗噪性更强.     

线性调频信号时/频差估计算法

提出了一种新的快速估计线性调频信号时/频差的算法.该算法将抽取的自模糊函数与Radon变换结合估计线性调频信号的调频率, 通过分数阶傅里叶变换估计出模糊函数脊线与频率轴交点位置, 应用解调频沿脊线搜索模糊函数峰值.对于接收信号中存在多分量的情况, 根据其模糊函数脊线位置的不同, 该算法能够分辨各分量信号, 并分别精确估计出各分量的时/频差.由于只需一维搜索模糊函数峰值, 并可用快速傅里叶变换实现, 该算法大大减少了运算量.仿真实验表明, 随着信噪比的提高, 该算法估计的时/频差均方误差逐渐逼近克拉美-罗下界.     

基于QPF的LFM信号参数估计算法性能分析

基于二次相位函数的LFM信号参数估计算法计算量小、估计精度高,在雷达机动目标检测、目标运动参数估计和电子对抗等应用系统中有较好的应用前景,本文对该方法的性能和参数选取问题进行了研究,推导了输出信噪比与输入信噪比及信号长度关系的表达式,补充了文献中均方误差理论分析的高信噪比条件,给出了一种工程应用中保证可靠检测和高估计精度所需数据长度的确定方法,最后分析了QPF算法对多分量LFM信号环境的适用性.     

一种基于噪声估计的语音激活检测算法

针对当前语音激活检测算法在低信噪比和复杂噪声模型的环境下性能损失的问题,提出了一种基于噪声估计的语音激活检测算法,通过对背景噪声进行自适应估计,得到准确的信噪比门限,同时利用估计背景噪声对短时谱进行白化处理,从而使得谱熵判决准则得以适用于复杂噪声模型的环境。实验证明,算法在低信噪比和复杂噪声模型下性能优于G.729B和AMR中的语音激活检测算法。     

互质MIMO雷达的非圆信号降维DOA估计方法北大核心CSCD

针对传统互质阵列波达方向估计方法存在的自由度低、阵列孔径小、相位模糊等问题,提出了一种基于互质MIMO雷达的非圆信号降维波达方向(Direction of Arrival, DOA)估计方法。该方法结合了互质阵列与MIMO雷达的优点,利用非圆信号特性对阵列进行扩展,重构接收信号矩阵,然后进行降维处理,并利用噪声特征值的幂级数对噪声子空间进行修正,进一步提高算法精度。最后推导了文中方法的无相位模糊问题。仿真实验表明,文中方法能够有效避免相位模糊,大大提高自由度并扩大阵列孔径,与传统MUSIC算法以及互质阵列MUSIC算法相比,在估计成功率、DOA估计精度等方面均具有更好的性能。     

基于离散小波分解和频率脊线分析的CPM信号符号速率盲估计

非合作接收条件下,连续相位调制（CPM,Continuous Phase Modulation）信号多变未知的信号体制使其符号速率盲估计一直是分析该类信号的难点之一.现有的算法大多直接基于信号的瞬时频率或循环平稳性,存在抗噪性能差,不适用于多指数CPM信号等问题.针对该问题,本文通过分析小波变换在信号分解和时频分析中的优势,提出一种综合利用离散小波（DWT,Discrete Wavelet Transform）分解和频率脊线提取的CPM信号符号速率估计的新算法.算法对比分析表明,所提算法具有更好的抗噪性能且在小数据量时也能达到较好的估计性能.     

一种新的扩频信号信噪比估计算法

对经典扩频信号信噪比(SNR)估计算法进行分析,提出了一种新的适用于扩频通信系统中频扩频信号信噪比估计算法。该算法在时域估计信号总功率,频域估计噪声功率,时频结合估计出中频扩频信号SNR。在加性高斯白噪声(AWGN)信道下,Matlab仿真结果表明该算法估计精度高,估计范围广及估计下限低。     

基于自相关和时频分析的跳频参数估计

为解决低信噪比条件下跳频参数估计算法性能低的问题,提出了一种基于自相关和时频分析的跳频参数估计算法。首先,采用基于能量检测的分段自相关算法对接收端信号进行预处理;然后,进行时频变换,得到信号的时频矩阵,通过二值化和形态学滤波完成对信号的降噪提取;最后,通过聚类算法完成参数估计。仿真实验表明,该算法具有较高的估计精度和良好的抗噪声性能,在信噪比最低为-11 dB时估计误差数量级仍为10^-7,同时自相关运算对参数估计算法的抗噪声性能具有明显的提高作用。     

The “Harmonic” Rejecting Correlation Function

A classical problem in signal processing is accurate estimation of fundamental frequency/periodicity of periodic signals at low SNR. Typically, researchers address the estimation problem, assuming that the signal environment is a sum of sinusoids in white Gaussian noise. If the signals and noise are pulsed, the situation is much more complex since normal FFT based methods result in spectra which are sums of harmonic structures. Sorting radar signals can be especially difficult since there may be many pulsed signals present in a low SNR impulsive noise environment. In this paper, a method equivalent to integration along a hyperbola on the Wigner distribution is presented. This transform, which is closely related to both the Fourier transform and the correlation function, has the property that a periodic signal produces an expected non-zero complex-valued bulge at only the fundamental. The phase, magnitude and position of the correlation bulge are sufficient to characterize the time-domain pulse train. Finally, a simple super-resolution method is presented which may be used to refine the fundamental frequency/period estimate.