基于Alpha稳定分布杂波模型的雷达目标检测方法

针对非高斯相关杂波背景下,移动目标检测(MTD)技术的检测性能严重下降的问题,该文基于Alpha稳定分布杂波模型和本征滤波理论,提出一种非高斯相关杂波背景下的雷达目标检测方法。该方法基于Alpha稳定分布杂波模型,通过幂变换抑制杂波的非高斯特性,以及通过分数低阶相关矩阵白化杂波,在此基础上应用本征滤波实现对目标信号的有效积累,可提高信杂比。仿真实验和实测数据验证表明,该方法在非高斯相关杂波背景下的检测性能明显优于MTD方法的性能。     

对称α稳定分布噪声环境下短波衰落信号时延估计的新算法

脉冲噪声环境下信号时延估计是信号处理领域十分活跃的研究方向。在对称α稳定分布噪声环境下,文章提出了一种基于非线性压缩核函数（NCCF）的短波衰落信号的时延估计算法。该算法采用非线性压缩核函数抑制了对称α稳定分布噪声的脉冲拖尾,同时较好保持了目标信号之间的互相关特性,从而保证了信号时延估计的准确性。同以往算法相比,本算法不仅降低了计算复杂度,而且对于衰落信号的时延估计具有更强的稳定性。理论证明和仿真结果均表明,该算法比GCC、FLOC、GCF和非线性变换等算法具有更好的时延估计有效性和准确度。      

Alpha稳定分布下基于RHMy滤波的MQAM信号码元速率估计方法

针对Alpha稳定分布噪声环境下,传统的MQAM信号码元速率估计方法性能恶化甚至完全失效的问题,本文结合了改进的Myriad类滤波与小波变换法的优点,提出一种基于递归混合Myriad滤波(Recursive Hybrid Myriad filter, RHMy)的高阶消失矩二次小波变换法对MQAM信号进行码元速率估计。首先采用RHMy滤波充分抑制噪声中的脉冲成分,再采用高阶消失矩小波估计码元速率。仿真结果表明,在Alpha稳定分布噪声环境中,相比于多尺度Haar小波变换法、分数低阶循环谱法与基于加权Myriad滤波(Weighted Myriad filter, WMy)的小波变换法,该方法有效的提高了低广义信噪比下的估计精度,同时在不同的脉冲噪声条件下具有较好的鲁棒性。      

Alpha稳定分布噪声下时频重叠信号的载波频率估计方法

针对Alpha稳定噪声下时频重叠信号载波频率估计困难的问题,该文提出一种Alpha稳定噪声下时频重叠信号的载波频率估计方法。该方法首先提出时频重叠信号的广义四阶循环累积量的定义,然后检测离散谱线所对应的广义四阶循环累积量幅度谱的循环频率,进而估计出各个信号分量的载波频率,最后进行渐近性的理论分析,证明了该估计方法是渐近无偏和一致的。仿真结果表明,在Alpha稳定分布噪声下,该方法具有良好的估计性能和稳健性。     

基于随机扰动技术的共形阵列失效单元非凸压缩感知近场诊断方法

在基于压缩感知的阵列失效单元近场诊断方法中,使用结构化随机采样策略构造的观测矩阵约束等距特性未知,采用1范数极小化凸优化算法将无法确保阵列失效单元的高概率精确诊断.针对这一不足,本文在深入研究非凸优化算法的基础上提出了一种基于随机扰动技术的非凸压缩感知近场诊断算法.首先在失效单元个数满足稀疏性的前提下构造差异性阵列,其次按照随机欠采样方式获取近场幅相信息,最后利用所提基于随机扰动技术的非凸优化算法对差异性阵列激励进行重构,从而实现对阵列失效单元的高概率精确诊断.数值仿真实验表明,所提算法避免了由于观测矩阵的约束等距特性未知对诊断性能造成的不利影响,并且克服了非凸范数易于陷入局部最优解的弊端,有效提高了阵列失效单元的诊断成功概率.     

α稳定分布噪声环境下基于神经网络的信号检测方法

本文给出了一种在分数低阶α稳定分布噪声环境下利用多层前向BP神经网络对确定性信号进行检测的方法。此方法只需在特定虚警概率以及噪声条件下对神经网络进行训练,再通过调整偏移节点的连接权值,就可以得到不同虚警概率条件下的检验统计量。计算机模拟结果表明,利用该神经网络可以实现对分数低阶α稳定分布噪声环境下信号的有效检测,且检测性能明显优于传统的局部最优(LO)检测器。     

基于Myriad预处理和分形盒维数的信号检测方法

随着信道环境的日益复杂化,实际应用中遇到了很多非高斯噪声信号,此类过程具有显著的脉冲特性,其统计特性严重偏离高斯分布,传统的通信信号检测方法不再适用.为此,重点研究了在Alpha稳定分布噪声背景下的通信信号检测方法.首先,介绍了Alpha稳定分布的基本理论.其次,分析并验证了在Alpha稳定分布噪声背景下,传统信号检测方法失效的原因.最后,提出了分形盒维数的概念,针对Myriad滤波预处理后的信号,基于分形盒维数实现了通信信号的检测,仿真结果表明,此方法在Alpha稳定分布噪声背景下能够有效地实现信号的检测,具有良好的性能.     

基于压缩感知的信号检测方法

提出了一种基于压缩感知思想的信号检测方法。该方法首先将信道估计转化为非完全信号重构,实现了信道估计的动态可调整,降低了信道估计的复杂度;然后利用信道估计的结果对压缩采样后的信号进行压缩Rake合并,使得Rake合并的实现复杂度更低;最后对压缩相关且合并后的数据进行判断。理论分析和仿真结果表明了该方法的有效性和可靠性。     

基于循环谱峭度的信号检测方法

在研究通信信号的循环平稳理论的基础上,将循环谱和峭度相结合,给出了一种低信噪比情况下的信号检测方法,降低了一般循环谱检测方法的复杂度,提高了检测性能。该方法首先采用频域平滑方法计算循环谱的α截面,有效降低背景噪声的影响;然后计算该截面幅度的峭度值κ,当该峭度值κ大于门限时,表明检测到信号。仿真结果表明,基于循环谱峭度的信号检测方法优于前人提出的循环谱检测方法,可用于低信噪比情况下的信号检测。     

基于ICEEMDAN的雷达生命信号检测方法

线性调频连续波（FMCW）雷达能够通过非接触的方式采集人体的呼吸和心跳信号,为了去除和减少生命信号中的杂波干扰,本文提出了基于改进的自适应集合经验模态分解（ICEEMDAN）和长数据序列截取的生命信号分解方法,通过延长观察时间,然后截取时间序列,得到既定观察时间的最终固有模态函数（IMF）分量,通过模糊熵对所有IMF信号进行分析来识别含噪信号,并对含有噪声的IMF信号进行去噪处理,综合分析相关性和能量阈值的结果,挑选出合适的IMF 分量重构生命信号。通过仿真和实测表明,所提出的方法能够大幅减少噪声,优于现有的去噪技术,有利于提高提取的呼吸和心跳信号的精准度和真实性。     

Bootstrap方法在水声信号检测中的应用

提出Bootstrap方法的水声信号检测技术,将Bootstrap方法的数字仿真与经典统计学有机结合起来,利用小子样数据进行统计计算。对信号处理中的统计指标准确度进行评估并对小样本情况下参数值进行估计。采用高斯白噪声背景下的单频信号检测,对所研究的方法进行仿真验证。结果表明,该方法在进行水声信号的检测时是可行的、有效的。     

基于瞬时相位的跳频信号检测方法

对于混杂着噪声的跳频信号进行Hilbert变换,再利用解析信号提取瞬时相位信息,利用瞬时相位估计瞬时频率,提出一种针对瞬时频率直方统计的方法,检测和提取跳频信号的信息．仿真结果表明该方法在较低的信噪比情况下也可以得到理想的检测结果。     

基于LabView的新型模块化信号检测方法

提出了一种基于模块化的LabView的光信号检测方法。基于该方法的实验系统由信号采集和数据处理两大部分组成。信号采集部分通过光电二极管将光强信号转换为电信号,利用放大器(AD620)、数模转换器(ADC0809)、单片机(AT89S51)、电平转换器(MAX232)和计算机(PC)完成对光信号的采集。数据处理部分主要利用LabView软件通过计算机的9针串口从信号采集部分获取数据,并对该数据进行进一步处理,最后输出光信号强度随时间变化的曲线。提出的设计方案充分利用了计算机强大的数据处理能力,不仅最大程度地实现了光信号的自动检测,而且简化了信号检测硬件系统的设计,提升了系统的功能。     

基于顺序统计量的索引调制信号检测方法

针对载波索引调制信号检测算法复杂度高的不足,结合索引调制符号概率密度分布特点,引入顺序统计量,提出了一种基于顺序统计量的索引调制信号检测方法。该方法直接依据不同支路统计检测量幅值对不同支路进行排序,将幅值较小支路判断为未激活,幅值较大支路判断为激活,并对调制符号进行解调。理论与仿真分析表明,该方法以适当牺牲系统误码性能为代价,大幅降低索引调制信号检测算法复杂度,相对于ML检测,当载波路数为4、BER为10~(-3)时,以0.25 dB系统误码性能为代价,算法复杂度降低50%,且随着载波数目增加,系统误码性能代价不断降低,复杂度降低程度不断增加。     

基于循环谱相关的调制信号检测方法

在研究通信信号的循环平稳理论的基础上,利用频域平滑的谱相关估计算法,提出一种新的数字调制信号检测方法,降低了一般循环谱检测方法的复杂度,提高了检测性能。该方法对数字调制信号谱相关特性进行分析,计算谱相关函数f截面的归一化面积,确定合适的判决阈值,通过阈值判决来实现基于通信信号循环特征的调制模式检测。仿真结果表明,在低信噪比条件下,检测成功率高达98%。     

基于反馈平衡累加的Chirp-COTR-UWB检测方法

针对基于有源频谱压缩的码域发送参考Chirp超宽带信号检测问题进行研究,在系统现有检测方法的基础上,结合码域发送参考结构的特点,提出了一种基于多符号反馈平衡累加的改进检测方法.理论分析和仿真结果表明,提出的改进方法在保持系统简洁性的同时,实现了对参考模板的提纯,可以有效提高系统性能.