基于Viterbi算法的扩频码与信息序列联合估计

针对短码DSSS（Direct Sequence Spread Spectrum,直接序列扩频）信号扩频码MLE（Maximum Likelihood Estimation,最大似然估计）问题,提出了一种基于Viterbi算法的扩频码搜索方法,并将其应用到同步CDMA（Code Division Multiple Access,码分多址）信号的扩频码估计中.该算法利用了扩频码码元为±1的先验知识,以向量的2-范数平方或1-范数作为度量值;每次判决扩频码码元时,计算2条可能路径的度量值,并选择使度量值最大的那条路径作为幸存路径,最终的幸存路径即为估计的扩频码;所提算法不仅计算复杂度低,而且能同时估计扩频信号的扩频码和信息序列.仿真实验表明,本算法在低信噪比时同样具有较好的性能.     

一种基于多普勒频率的恒模信号直接定位方法

相比于传统的差分多普勒(DD)两步定位方法,以Amar和Weiss提出的基于多普勒频率的单步直接定位方法在低信噪比和小样本条件下具有更高的定位精度。在该类新型定位体制的基础上,提出了一种基于多普勒频率的恒模信号直接定位方法。首先,依据最大似然(ML)准则以及恒模信号的恒包络特征,建立相应的直接定位优化模型。然后,根据目标函数的代数特征将全部未知参量分成两组,并提出一种有效的多参量交替迭代算法,用以获得该优化问题的最优数值解。新算法包含了针对这两组未知参量的Newton型迭代公式,用以避免网格搜索,并能实现多维参数的"解耦合"估计。最后,推导出针对恒模信号的目标位置直接估计方差的克拉美罗界(CRB)。数值实验验证了新方法的优越性。     

基于贝叶斯模型的长码DS-CDMA信号扩频码与信息序列联合估计

 针对长码直接序列扩频码分多址(DS-CDMA)信号的盲解扩,在信号模型分析的基础上,提出了一种基于可逆跳跃的马尔可夫链蒙特卡罗(RJ-MCMC)扩频码和信息序列联合估计算法。该算法分别对建立的联合后验分布模型进行迭代抽样,并有效地在不同维数的子空间中跳转,从而构造一条马尔可夫链,使其平稳分布为待估参数的后验分布,最终拼接得到每个用户的完整扩频序列和信息序列估计。仿真结果表明:该方法在迭代二十几步时达到收敛;并且在功率相同和不同条件下,当信噪比(SNR)大于-9 dB时,估计序列与真实序列的相似度均超过0.95,信息序列的误码率低于0.01;同时算法对不同用户个数和不同调制样式具有较强的适应性,与Fast-ICA算法相比,估计性能平均提高了约3 dB。     

基于改进ICPF的多分量LFM信号参数估计

针对线性调频信号参数估计中搜索匹配过程带来的计算量问题,提出一种基于改进ICPF的多分量线性调频信号参数估计方法。给出了一种基于非均匀快速傅立叶变换的ICPF改进算法,利用改进的ICPF算法估计线性调频信号的调频率,利用解线频调方法估计中心频率和幅度。方法避免了参数估计过程中的搜索匹配过程,计算复杂度低,在低信噪比条件下具有较好的估计性能。仿真结果验证了方法的有效性。     

利用分数低阶空时矩阵进行冲击噪声环境下的DOA估计

研究冲击噪声环境下的信号DOA估计问题。在对称α稳定(SαS: Symmetric α-stable)分布冲击噪声假设下,定义了一个阵列接收数据的广义分数低阶空时矩阵。理论分析表明,对广义分数低阶空时矩阵进行奇异值分解可获得噪声子空间估计。与信号空间DOA估计技术相结合,提出一种新的基于信号空间分解的DOA估计算法。该算法在低信噪比下对强冲击噪声具有更好的抑制作用。计算机仿真证明了算法的有效性。     

回溯降维相干分布式非圆信号DOA快速估计

在相干分布式非圆(CDNC)信号波达方向(DOA)估计中,针对阵列输出矩阵扩展后维数增加带来的较大运算量问题,基于降维的多级维纳滤波(MSWF)技术,引入回溯优化思想,提出了一种快速估计算法。该算法首先利用信号非圆特性扩展阵列输出矩阵,然后通过MSWF递推分解快速求出信号子空间,避免了计算阵列协方差矩阵及特征分解,并且在递推过程中引入回溯优化机制提高了各级匹配滤波器的估计性能,最后由最小二乘(LS)或者总体最小二乘(TLS)得到DOA估计。仿真分析表明,所提算法与相干分布式非圆信号旋转不变子空间算法(CDNC-ESPRIT)性能相当,但复杂度得到了大幅度降低,相比于基于MSWF的非圆信号快速子空间(NC-MSWF-FS)算法,在较小的复杂度代价下大幅度提升了低信噪比时的估计性能,并且对初始参考信号的选取具有了较强的鲁棒性。     

基于压缩感知的信源个数与信号参数估计算法

信源个数与信号参数估计是盲信号处理的关键环节，对后续信号的侦察处理意义重大。针对当前盲信号信源个数与信源参数估计研究割裂的问题，提出了一种联合估计算法。通过分析信号的稀疏系数在不同测量矩阵相同稀疏字典下位置相同的特点，提高了信源个数和信号参数的估计精度，实现算法的自适应控制；通过数理分析确定了多级搜索策略的最优级次，大大降低了稀疏字典的原子数目。仿真结果表明：算法在一定信噪比下能够实现信源个数和信号参数的有效估计；信源个数和信号参数的估计精度随着压缩比的降低而逐渐提高，随着信噪比的提高而逐步增强；噪声对信源个数和信号参数估计精度的影响很大，尤其是低信噪比下；第2个信源载波频率和调频斜率的估计误差明显高于第1个信源参数的估计误差。     

基于盲源分离的Multi-Rate DS/CDMA信号 扩频序列盲估计

通过分析Multi-Rate DS/CDMA信号特性,建立的Multi-Rate DS/CDMA系统模型与线性混合的盲源分离模型一致,针对异、同步信号的不同特性,提出不同循环分段降维方法:对异步系统而言,采用2倍扩频周期为间隔对接收信号进行分割,利用Fast-ICA算法盲估计同一扩频周期用户的扩频序列,基于矢量2范数基础上估计各用户失步时间,并依此截取得到各用户的实际扩频序列,然后,循环至次大扩频周期进行盲估计,同时根据估计波形相似度归一化衡量函数消除最大周期分段序列,求解次大周期用户扩频序列,直至循环结束。对同步系统则以单倍最大扩频周期为间隔对接收信号进行分割,然后进行盲估计及降维处理。理论分析和仿真结果验证了本文方法的有效性。     

扩频信号角跟踪带宽分析与优化

扩频信号由于带宽宽、信噪比低，难以实现对信号的角跟踪。本文在和差信号相关法提取角误差电压的基础上，利用小部分带宽法的一些原理，提出了和差信号小部分带宽相关的方法，提高了输出信噪比。     

嵌套阵列最大似然估计测向算法

针对在辐射源个数未知的条件下嵌套阵列难以估计多个辐射源角度的问题,提出了基于最大似然估计(MLE)的嵌套阵列角度估计算法。算法在嵌套阵列模型的基础上,首先通过推导阵列截获多辐射源信号的最大似然函数及其梯度,利用最速下降法估计出空域中所有潜在辐射源的角度;然后,通过多元假设检验,利用最大似然比与门限进行比较,确定出空域中所有潜在辐射源中某一时刻发射信号的活跃辐射源角度,排除其余噪声形成的虚假辐射源角度,解决了在辐射源个数未知条件下嵌套阵列对多个辐射源角度估计问题。仿真结果表明:与传统多重信号分类(MUSIC)算法相比,该算法在辐射源数目未知、存在相干信号、低信噪比(SNR)、低快拍数条件下,均具有较好的角度估计精度,并且算法形成的虚拟阵列自由度是空间平滑MUSIC算法的2倍;多元假设检验法比传统信源数目估计算法在低信噪比条件下和处理相干信号方面具有明显优势。     

基于切片熵权的WHT多LFM信号识别方法

为提高在低信噪比与先验信息不足条件下对线性调频(LFM)信号识别能力,借鉴信息论中的熵权法改进WHT(Wigner-Hough Transform),提出了一种基于切片熵权的WHTE(Wigner-Hough Transform based on Entropy)算法。推导出LFM信号的WHT与对应特性,将WHT变换域内极半径和角度切片的熵值来转换为权重因子,进而对每个切片进行加权处理,采用双层权重以弱化噪声与干扰项的影响,并推导出LFM信号与高斯白噪声在WHT维度内不同假设条件下的概率密度分布函数,构建了对于LFM信号WHT后恒虚警检测的完备流程。通过理论分析与公式推导论证了算法的可行性,并与WHT、分数阶傅里叶变换与周期WHT算法的仿真对比,验证了算法的有效性,凸显WHTE算法能够在强噪声背景下与没有先验支撑时实现对LFM信号的良好检测。     

一种低复杂度的极低信噪比高动态信号载波粗捕获算法

 针对传统的时域匹配平均周期图算法计算复杂度高的问题,对极低信噪比高动态信号的载波粗捕获算法进行了研究,提出了一种改进的带有补零的频域移位平均周期图算法。该算法采用多速率频域移位运算简化了多支路多普勒变化率匹配,与原算法相比,其计算复杂度降低倍数为匹配支路数与补零倍数之比,捕获性能几乎不损失。给出了算法中影响捕获性能与计算复杂度的关键参数设计方法。在信噪比(SNR)为－41 dB(载噪比C/N₀=18 dBHz)、载波多普勒频偏为－300～300 kHz、多普勒变化率为－800～800 Hz/s、码速率为20 bps条件下对两种算法进行了仿真,结果表明在基本满足后级载波跟踪需求条件下,即频偏精度均达±12 Hz时,多普勒变化率精度均达±25 Hz/s,捕获概率都在90%以上时,改进算法捕获时间比原算法增加了8%,计算复杂度降低了70%。     

基于FRFT和相位差分算法的信号特征提取

基于分数阶傅里叶变换(Fractional Fourier Transform,FRFT)算法的信号识别方法已广泛应用于雷达信号处理领域,相位差分算法对于检测相位编码信号尤为高效。基于 FRFT和相位差分法的信号检测算法已被提出,但在较低的信噪比下该算法并不能准确识别 LFM、LFM-BPSK信号。针对低信噪比背景下该算法性能较差的问题,给出 1种改进的算法,并通过加入多相编码信号的识别,扩大其适用范围。仿真验证结果表明,提出的算法不仅较原有算法能在较低信噪比条件下有效检测 LFM、BPSK、Frank3种单一调制方式的信号,还能检测出复杂调制的 LFM-BPSK信号。     

一种SAR原始数据压缩新算法

 由于合成孔径雷达（SAR）原始数据的相关性很低，直接压缩原始数据是比较困难的。因此提出一种新算法，先对SAR原始数据做距离聚焦处理，使其在方位向具有较强的相关性，再沿方位向做线性预测，并对预测差值系列做块自适应量化。实验表明，在相同比特率条件下，该算法得到的数据域信噪比和图像域信噪比均比块自适应量化(BAQ)算法高，计算量远小于有关文献给出的距离聚焦后的压缩方法，具有一定实用价值。     

低频信号的混沌高斯化检测方法

大气天电噪声是干扰低频信号的主要噪声源。文章主要针对大气噪声的高斯化方法进行研究,提出了基于混沌方程快速求解、混沌相变判别等技术的噪声高斯化方法,以非线性信号处理技术为依据,通过实验室模拟信道环境,完成低频弱信号的混沌高斯化及检测,2PSK弱信号检测的理论实验验证了其有效性,可为低频接收技术的发展提供依据。     

基于矩阵填充的二维自适应波束形成算法

针对基于矩阵填充的二维自适应波束形成问题,提出一种基于奇异值门限(SVT)的特征分解线性约束最小方差(SVT-ELCMV)算法。首先建立二维自适应波束形成矩阵填充模型,其次验证接收信号矩阵满足零空间性质(NSP),并分析最小可恢复阵元数,最后以SVT算法将稀疏阵列信号恢复为完整信号,并通过修正的特征分解线性约束最小方差(LCMV)形成有效波束。算法解决了稀疏阵列平均副瓣大幅度上升的缺陷,且在平面阵列部分阵元无法正常工作时依然有效。计算机仿真表明:SVT-ELCMV算法可使稀疏阵列具有与完整阵列相同的二维波束形成能力,并可有效抑制干扰信号,验证了算法的有效性和优越性。     

宽带认知雷达低峰均比波形快速设计算法

发射波形设计是宽带认知雷达系统的关键技术。为了提高宽带认知雷达系统对距离扩展目标的检测性能,建立了目标检测模型,分析了系统的检测性能,在此基础之上研究了基于最大输出信干噪比(SINR)的低峰均比(PAR)波形设计算法。通过将原波形优化问题等效为接收权值与低峰均比波形的联合优化问题,同时利用循环优化的思想,提出了一种低峰均比波形快速设计算法。相比于现有的梯度法以及凸优化算法,该算法所设计的恒模波形信干噪比与二者相当,但算法实现难度明显变小,计算复杂度明显降低。仿真结果证实了算法的有效性。