基于四阶矩切片循环谱的非周期性直扩信号检测与参数估计

由于非周期性直扩信号破坏了伪码的周期性和相关特性,原周期性直扩信号检测方法将失效或性能严重恶化.本文在信息序列不相关的前提下,利用四阶矩切片能有效抑制高斯白噪声和其循环相关谱具有明显谱峰的特点,提出一种基于四阶矩切片循环相关谱的非周期性直扩信号盲检测方法,该方法同时能精确估计信号载频.这种方法不需要先验信息,计算简单,...     

利用三阶相关特征信息的周期长码扩频信号伪码盲估计

针对非合作通信下长码直扩码分多址信号的伪随机序列估计问题,本文首先利用同阶数、不同本原多项式产生的m序列的三阶相关函数峰不同的特点,构造三阶相关函数的特征信息矩阵。然后推导得到长码直扩码分多址信号三阶相关向量与特征信息矩阵的匹配理论值。最后估计接收信号延迟三阶相关函数,得到其三阶相关向量,与特征信息矩阵匹配,估计得到各扩频长码。理论分析和仿真结果表明该方法能够有效估计单用户和多用户的长码直接序列扩频信号伪随机序列。      

基于α稳定分布的二阶Volterra变抽头长度自适应滤波算法

传统自适应Volterra滤波器抽头长度固定。当一个被识别系统或被均衡信道的特征未知或时变时,自适应滤波器的抽头长度太长,不仅增加了计算量同时也增加了误差;抽头长度太短则无法满足系统的性能要求。针对这个问题本文提出了一种二阶Volterra变抽头长度自适应滤波算法。先对Volterra滤波器输入信号进行格型滤波处理,实现了二次项信号解耦,减少了二次项的权系数,使线性部分和非线性部分权值具有相同的抽头长度,简化了传统Volterra滤波器的结构;基于最小平均p范数准则,运用分数抽头长度的概念,对滤波器抽头长度进行实时自适应调整,用LMP算法自适应调整权系数。计算机仿真结果表明,在不同信噪比的高斯噪声和 稳定分布噪声背景下, 应用本文算法的自适应信道均衡都具有良好的收敛性能,本文算法能自适应调整到最优抽头长度;验证了算法的有效性。      

中继未知任何信道信息条件下中继选择的研究

由于信道情况差的中继对协作贡献小,且消耗额外的能量,基于某种标准选择出一个或者多个好的中继参加协作,可以提高协同通信系统性能,所以中继选择是协同通信系统的研究热点。针对一个发送端、接收端及每个中继都配置单根天线的无线中继网络,在假设发送方不知道信道信息而接收方已知全部信道信息前提下,本文提出了中继未知任何信道信息时的中继选择方案。首先提出基于信噪比最大的单中继选择方案,推导了单中继选择的成对错误概率表达式;其次提出基于中继排序方法的多中继选择方案,推导了选择2个中继的成对错误概率的下界;最后给出了仿真结果。理论与仿真结果都表明,中继未知任何信道信息的情况下,选择2个中继参加协作的系统错误概率却高于单中继选择。      

变步长解相关Volterra LMS算法

Volterra滤波器的非线性使输入向量自相关矩阵包含了输入信号的高阶统计量,导致矩阵特征值扩展很大,因此LMS算法收敛速度一般很慢。从降低输入信号的相关性出发,提出了一种变步长解相关Volterra NLMS算法。解相关能显著加快LMS算法的收敛速度,变步长能够改善算法的稳态性能,两者的有机结合,能明显改善算法性能。仿真结果表明,在不同输入信号相关性情况下,该算法有更好的收敛速度和稳态性能。     

基于盲波束成形的异步CDMA信号伪码估计

在分析阵列天线接收的异步CDMA信号的基础上,利用信号子空间与用户特征序列的关系,提出一种新的基于盲波束成形的伪码序列盲估计算法,能在波达方向未知的情况下,估计各个用户的扩频序列。算法克服了子空间盲波束成形算法信源个数必须小于阵元个数且信源波达方向不能靠近的缺点。同时提出一种基于盲波束形成的多用户检测算法,在低信噪比条件下,性能相比于单天线多用户检测性能有很大提高。     

脉冲噪声下数字调制信号的自适应解调

提出基于自适应滤波解调α稳定分布脉冲噪声下的常规数字调制信号的方法。采用归一化最小平均p范数自适应滤波算法的自适应滤波器,跟踪信号任一码元间隔内的单一频率,根据自适应滤波器权值的收敛值可以解调相应的码元。计算机仿真结果表明,此自适应滤波解调方法性能优越,抗脉冲干扰强,同时算法计算速度快,易于实现,具有很好的实用价值。     

认知无线网络动态权值调整的频谱切换策略

认知无线网络中,次用户的目标信道选择受次用户传输功率、信道衰落因子、信道带宽、信道可用率等因素影响。针对基于多属性判决的频谱切换没有充分考虑各因素的重要程度和动态变化问题,本文提出了基于动态权值调整的频谱切换策略。根据主观经验和网络环境变化动态调整权值,采用多属性简单加权法计算各信道目标函数值,根据目标函数值降序排列结果选择切换的目标信道。仿真结果表明,本文所提出的算法能够减少次用户的切换次数,提高有效数据传输速率。      

基于隶属度函数的决策层融合算法

虹膜识别对所采集的样本图像较为苛刻的要求所造成的高采集失败率和注册失败率是阻碍它推向大规模应用的重要原因,也是目前虹膜识别研究的难点问题之一。在适当降低虹膜图像采集质量要求的条件下,能够大幅降低采集失败率和注册失败率,但同时也降低了识别的性能。采用数据融合的方法,在识别的决策层引入对应的脸像特征模板的相似度判据,根据所提出的基于隶属度函数的决策层融合算法实现融合决策。实验结果表明,这种多生物特征融合决策的方法既可以使得虹膜的采集失败率和注册失败率保持在实际应用可以接受的程度,又能够使得整体的识别性能达到目前虹膜识别技术的水平。     

Zak变换在Gabor展开理论中的应用

利用离散Zak变换及其性质,本文首次给出了在过采样条件下,频域离散Gabor展开系数与时域离散Gabor展开系数之间的简捷关系,这对Zak变换的应用和完善Gabor展开理论是很有意义的,论文最后给出了计算实例。