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。     

房间环境下基于四阶累积量的语音时延估计

主要研究了利用四阶累积量在房间环境下的语音信号时延估计。根据模拟实验环境和实际实验环境下的仿真结果,分别比较了在高斯白噪声情况下与有色高斯噪声情况下基于二阶统计量的广义互相关法和基于四阶累积量的时延估计法性能,验证了四阶累积量法的有效性。仿真结果表明四阶累积量法具有很好的鲁棒性。     

阵列误差对四阶MUSIC算法到达角估计的影响

子空间算法用于窄带信号到达角估计时，通常认为阵列响应是已知的。然而，在实际中，阵列响应往往偏离正常值，成为角度估计误差的重要来源之一。文中讨论阵列误差对四阶MUSIC算法估计到达角的影响，并与传统二阶MUSIC算法进行比较。结果表明：相同阵列误差时，四阶MUSIC算法的角度估计误差小于二阶MUSIC算法。     

基于四阶累积量的EM波达方向估计算法

针对低信噪比（signal-to-noise ratio,SNR）下,经典波达方向估计性能下降的问题,提出将信号的四阶累积量与期望最大化（expectation maximization,EM）算法相结合的波达方向估计算法.该方法引入隐含变量进行更新迭代,并求隐含变量的四阶累积量,构造关于待估波达方向的极大似然函数从而求解出信号的波达方向角.仿真结果表明:本文算法能有效地抑制高斯噪声对信号参数估计的影响,同时能利用迭代来提高估计精度.在低SNR时其估计性能优良,具有很好的稳定性和分辨率,有利于高分辨地估计信号的波达方向.     

基于四阶累积量的共形阵列波达方向估计算法

由于共形天线阵列流形的多极化特性（Polarization Diversity）,共形阵列天线的信源方位估计需要与信源的极化状态联合进行。分析总结共形阵列天线波达方向（DOA）估计特点的基础上,针对窄带远场非高斯独立信源,提出了一种共形阵列天线盲极化DOA估计算法。该算法利用四阶累积量对阵列口径的扩展性,结合旋转不变子空间（ESPRIT）算法,在信源极化状态未知条件下实现了共形阵列天线的高分辨DOA估计。所提算法的方位估计不需要天线单元方向图以及信源极化状态的任何信息,适用于多种常用共形载体（锥面、柱面以及球面共形载体）,具有较为广泛的应用环境。以柱面共形阵列天线DOA估计为例,详细推导了算法机理,给出了算法步骤,计算机Monte Carlo仿真实验验证了所提算法的有效性。     

基于四阶累积量的最小范数方向估计算法

本文分析了在高阶统计应用阵来波方向估计问题中二阶子空间与四阶子空间的概念及形式关系。提出了基于四阶累积量的最小范数方法。提出了四阶累积量方法对于均匀直线阵的零谱求很方法。最后给出了模拟实验举例。     

基于四阶累积量虚拟阵列扩展的运算量分析

在阵列信号处理中,利用四阶累积量可以使阵列虚拟扩展,增大了天线阵的孔径,但同时也增加了算法的计算量。该文通过分析四阶累积量矩阵中各元素之间的关系,剔除掉相同或互为共轭的冗余元素,避免了冗余元素的重复计算,极大地降低了四阶累积量矩阵计算的复杂度,并阐述了计算复杂度与阵元数目之间的关系。另外,针对均匀直线阵这种特殊情况进行了单独讨论。该文得出的相关结论对实际工程应用具有指导性的意义。     

基于四阶累积量的最大似然测向方法研究

论述了最大似然（ML）算法测向以及四阶累积量阵列扩展的基本原理，在此基础上给出了一种基于最大似然算法和四阶累积量的DOA估计新方法。与普通的基于二阶矩的最大似然算法相比，本方法具有对阵列进行四阶扩展的能力，可以解决信号源数大于阵元数时的测向问题，并且由于四阶累积量自身的盲高斯性，还可以有效抑制高斯色噪声。     

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。      

基于四阶累积量的空域矩阵滤波DOA估计算法

空域矩阵滤波器通过保持空域通带内的信号,抑制空域阻带内的干扰与噪声来提高DOA(Direction Of Arrival)估计的精度.本文使用二阶锥规划(Second-order Cone Programming)方法设计空域矩阵滤波器,利用滤波后数据的四阶累积量进行信号源到达角估计,以消除空域矩阵滤波作用时产生的色噪声的影响,从而提高信号源DOA估计的性能.此外,通过滑动空域矩阵滤波器的通带,还使得阵列具有估计多于阵元数目信号源到达角的能力.计算机仿真结果验证了算法的有效性.     

基于广义互相关函数的声波阵列时延估计算法

针对多通道阵列声波信号时延估计问题,提出了一种平均广义互相关函数算法。该算法首先计算相邻通道信号的相位变换广义互相关函数（PHAT—GCC）,然后将多个相位变换广义互相关函数进行平均,再根据峰值位置进行时延估计。试验表明,该算法充分利用了多个通道的信息,优于传统的互相关函数算法。     

一种基于阵列天线的时延估计方法

本文主要讨论了无线通信中多径信号的时延估计问题，针对阵列天线，基于非线性最小二乘准则，我们提出了一种有效的时延估计方法，仿真结果表明该算法有较好的性能。     

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。     

一种基于RLS算法的自适应时延估计算法

针对基于LMS算法的自适应时延估计算法收敛速度慢的缺点,推导出一种基于RLS算法的自适应时延估计算法,并分析了基于RLS算法的自适应滤波器的均值性能。经仿真证明该算法的收敛速度有了一定提高,并且其时延估计的跟踪性能得到了改善。     

四阶统计量在时差定位中的应用

实际时差定位中需要从有高斯噪声的环境中估计信号的时延 ,但基于互相关或互功率谱的时延估计方法对噪声十分敏感 ,本文作了基于四阶统计量的时延估计 ,并给出了几种求解延时的方法 ,可以很好地解决这一问题。     

一种多径环境下麦克风阵列时延估计算法

针对多径环境下麦克风阵列时延估计问题,将归一化最小均方误差法(NLMS)与互关联法(CR)相结合,提出了NLMS-CR算法.对该算法的结构和原理进行了详细的分析,并将其与传统的相位变换广义互相关法(GCC-PHAT)和NLMS进行了比较;同时,在不同的信噪比(SNR)与声源环境下验证了该算法的效能.仿真结果表明:在较严重的多径环境下,NLMS-CR的性能优于其他传统的算法;当信噪比较高且接收信号相关性较低时,NLMS-CR具有很高的时延估计准确率.     

基于虚拟时间延迟阵元的极化敏感阵列的多参数联合估计

本文提出了一种基于虚拟时间延迟单元的极化敏感阵列模型,根据该阵列的接收数据构造高阶累积量矩阵,利用高阶累积量的阵列扩展特性构造双平行线阵,最后采用DOA矩阵法实现信号的频率、方向角和极化参数的联合估计,并通过MATLAB进行了仿真验证.该方法不需要参数配对且可应用于任意高斯噪声的环境中.     

基于延迟锁相环的到达时间估计算法

超宽带脉冲信号具有高时间分辨能力,能达到厘米级的定位精度。目前,脉冲超宽带测距定位系统中普遍采用基于能量检测的非相关到达时间(TOA)估计算法的性能通常受限于阈值门限和估计偏差。该文在原先锁相环方案基础之上引入延时迟支路和衰减因子,提出了一种易于实现的基于延迟锁相环的TOA估计算法。通过在迟支路中设置不同的衰减因子,仿真结果表明,在IEEE802.15.4a4种信道模型CM1~CM4中,新算法均能有效提升测距定位精度,即缩短了首达路径与锁相环稳态锁定点之间的时差,其估计偏差最低可降至原有方案的1/10。     

Time Delay Estimation Based on Entropy Estimation

Abstract--This paper presents a novel time delay estimation （TDE） method using the concept of entropy. The relative delay is estimated by minimizing the estimated joint entropy of multiple sensor output signals. When estimating the entropy, the information about the prior distribution of the source signal is not required. Instead, the Parzen window estimator is employed to estimate the density function of the source signal from multiple sensor output signals. Meanwhile, based on the Parzen window estimator, the Renyi＇s quadratic entropy （RQE） is incorporated to effectively and efficiently estimate the high-dimensional joint entropy of the multichannel outputs. Furthermore, a modified form of the joint entropy for embedding information about reverberation （multipath reflections） for speech signals is introduced to enhance the estimator＇s robustness against reverberation.