基于循环统计量检测的QAM信号多普勒参数盲估计

针对动中通卫星通信系统中QAM信号多普勒参数盲估计难的问题,提出了一种基于循环统计量检测的盲估计算法。算法无需同步和匹配滤波等预处理,通过检测QAM信号四倍频偏处的循环频率来估计多普勒频偏,并利用数据分段求频率的方法计算变化率。仿真结果表明,在低信噪比的高斯噪声信道和多径衰落信道下,算法均可以准确而有效地实现QAM信号多普勒参数的盲估计。     

基于相位补偿的BPSK相参脉冲串信号多普勒频率变化率估计算法

目标与观测平台之间径向加速度引起的接收信号多普勒频率变化率的精确估计对于高精度单站无源定位与跟踪具有重要意义。该文针对脉内相位调制信号的频率变化率不能直接表征多普勒频率变化率的问题,首先引入相位补偿的方法消除BPSK相位调制序列的影响,然后针对固定脉冲重复频率和脉冲重复频率抖动两种情况分别提出了径向加速度引起的多普勒频率变化率的精确估计方法,并且给出了多普勒频率变化率与采样频率、观测时间及脉冲重复频率之间的约束关系。仿真结果表明,典型参数条件下该文提出算法的信噪比门限比已有算法低约4~6 dB。     

欺骗干扰信号中多普勒频率变化率测量技术研究

对欺骗干扰源进行单站无源定位与跟踪的一个关键技术就是能否实现多普勒频率变化率的高精度测量.受限于干扰源的运动速度,多普勒频率变化率信息一般都非常微弱.本文提出了一种基于Morlet小波变换的高精度多普勒频率变化率估计方法,通过对欺骗干扰信号的小波变换系数自相关,增强了多普勒频率变化率信息,消除了相位模糊.计算机仿真研究表明在一般无源观测条件下多普勒频率变化率的估计均方误差能逼近CRLB.     

相参脉冲序列频率估计的小波变换方法

在单站无源定位与跟踪系统中,接收信号的多普勒频率变化率信息对运动目标的状态估计和定位非常重要。对于脉冲体制的雷达来说,信号持续时间较短,很难精确测量多普勒频率变化率。小波变换在时频域同时具有良好的局域特性和较低的信噪比门限。文章引入了小波变换方法实现单站无源定位与跟踪系统的参数估计,推导了相参脉冲序列的小波变换方法。数值仿真证明该方法能实现脉冲的相参积累,大幅提高参数的估计精度。     

未知阵列流形条件下波达方向—多普勒频率盲估计方法

本文研究阵列信号高分辩波达方向－多普勒频率二维估计问题，在未精确已知阵列流形条件下，利用到达波信号的多普勒频率，提出了一种波达方向－多普勒频率盲估计的新方法，理论分析和计算机仿真结果表明此方法在实际阵列存在增益和相位误差时益有效，而且现有二维估计算法相比，其运算量较小。     

GPS系统多普勒频移估算的研究

在GPS导航定位系统中,多普勒频率偏移直接影响接收机性能。为了克服多普勒频率偏移的影响,提高接收机的GPS信号捕获速度,对多普勒频移估计算法进行了研究。推导了导航卫星运行参数的数学模型,给出多普勒频移估算的数学模型,对导航卫星运行参数及多普勒频移特性进行了MATLAB仿真。结果表明,卫星与接收机之间的相对位置对信号的多普勒频移特性有着较强的影响。仿真结果可以为多普勒频移的估计和补偿提供先验信息。     

一种PCM相参脉冲序列多普勒频率变化率估计算法

相位编码调制信号是一种典型的脉冲压缩信号,广泛应用于脉冲压缩体制的低截获概率雷达中。来波信号中多普勒频率变化率的高精度估计是基于质点运动学原理的单站无源定位与跟踪的一个关键技术。该文针对信号脉内相位调制和多普勒频率变化率信息非常微弱的特点,提出了一种快速高精度估计算法,通过相邻脉冲间的时域相关消除了相位调制对参数估计的影响,频域积累增强了信噪比,利用脉冲间的相参特性进行频谱相关消除了相位模糊,并放大了多普勒频率变化率信息。算法计算量小,为实际应用提供了良好条件。计算机仿真结果证明了算法的有效性。     

基于小波变换的多普勒频率变化率高精度估计方法

在单站无源定位与跟踪系统中,获取多普勒频率变化率信息对运动目标的状态估计和定位具有非常重要的意义.多普勒频率变化率非常微弱,很难精确测量.小波变换是一种时频局域化的分析方法,具有较低的信噪比门限.本文提出了基于小波变换的多普勒频率变化率估计方法,计算机仿真研究表明本文提出的方法具有较低的信噪比门限,并且可以快速精确地实现参数估计.     

未知阵列流形条件下波达方向一多普勒频率盲估计方法

本文研究阵列信号高分辨波达方向-多普勒频率二维估计问题,在未精确已知阵列流形条件下,利用到达波信号的多普勒频率,提出了一种波达方向-多普勒频率盲估计的新方法。理论分析和计算机仿真结果表明此方法在实际阵列存在增益和相位误差时亦有效,而且与现有二维估计算法相比,其运算量较小。     

分布式MIMO系统多分量调制信号频率估计

针对分布式多输入多输出系统中的多频偏估计问题进行了研究,提出一种多分量调制信号的高分辨率频率盲估计方法。该方法避免了直接对多分量调制信号进行稀疏表示,无需导频等先验信息,避免传统频率估计方法中的内插、去相位混叠等处理,可一次性精确估计出所有信号频率。通过正定盲源分离方法从接收信号中分离出多个源信号,经过盲去调制处理,将其转换成多单频信号,根据多单频信号的稀疏表示,利用一个随机的压缩矩阵对信号进行压缩,再在压缩域中通过 模优化重构该稀疏信号,获得频率估计。仿真结果表明,与现有算法相比,所提方法可在少数据量、低信噪比下获得高精度估计性能,可在5dB时达到1e-6的平均均方误差。