基于最大信噪比的带噪测控信号分离算法

在实际卫星测控信号侦察中,混合副载波信号分离比较困难,且耗时较长.为此,提出一种基于小波变换和最大信噪比的副载波盲分离算法.先利用小波阈值算法对混合带噪信号进行消噪处理,然后采用基于最大信噪比的盲分离算法对消噪后的信号实施分离,最后得到测控副载波信号的估计.MATALAB仿真结果表明,该算法计算复杂度低,耗时短,能够较...     

基于离散短时傅立叶变换的π/4-DQPSK信号解调

现有解调π/4-DQPSK信号的方法大多采用时域解调的方式。提出一种基于离散短时傅里叶变换(DST-FT)的算法,利用频域信息完成对π/4-DQPSK信号的解调。计算机仿真表明,该算法解调性能良好,运行效率较高,便于软件化实时处理。     

一种有效的PCMA信号调制方式识别方法

从非合作接收的角度出发,建立PCMA信号的一般模型,推导PCMA信号高阶累量的解析表达式,构造新的识别特征量。深入地分析了PCMA信号四次方谱的离散谱线特征,结合构造的识别特征量,提出一种能够有效地识别PCMA信号调制方式的方法,并给出了实现流程。该方法的主要特点是不需要频偏、同步定时、信道衰落、成形滤波器的参数等先验信息,具有很强的实用性。仿真实验、实际应用的测试结果表明,在适当信噪比和数据长度的条件下,该方法对PCMA信号常用的调制方式有较高的正确识别率。     

稳健的欠定混合矩阵盲辨识

主要研究欠定盲源分离中的混合矩阵估计问题。提出了一种改进的欠定混合矩阵估计算法,首先采用短时傅里叶变换得到混合信号的时频表示并检测出时频单源点,然后检测出时频单源点中影响混合矩阵估计性能的时频点并将其去除,最后采用聚类的方法实现混合矩阵的估计。语音信号的仿真实验表明,与已有算法相比较,本文提出的混合矩阵估计算法有更高估计精度和更强的鲁棒性。     

频域盲源分离的非圆信号推广

作为盲源分离（BSS）问题的最有效解决方法之一,独立分量分析（ICA）算法可以分为时域和频域算法两类.将时域盲源分离的快速算法推广到频域,通过在频域中应用非圆信号的伪协方差矩阵,推导出一个新的固定点算法来解决线性瞬时混合的非圆信号盲源分离（BNSS）问题.仿真实验验证了该算法的有效性.     

基于自回归高阶估计的盲信号提取算法

文章利用线性预测模型来描述信号的时序结构,提出了一种基于高阶统计量的自回归参数估计的盲信号提取算法。算法首先通过高阶累积量对AR模型中的加权参数进行估计,然后利用盲提取方法对混合信号进行抽取以达到混合信号的分离,比较了高阶累积量方法和二阶自相关分离算法在不含噪声和含高斯白噪声情况下的分离效果。最后通过仿真实验证实了算法的有效性。     

PCM/FM信号软件化解调算法研究

根据PCM/FM信号的特点,提出一种新的基于STFT的软件化解调算法。首先,利用STFT计算PCM/FM信号中f0和f1频点的能量,然后,根据两个频点能量的变化规律,实现信号的码同步及解调。论述此种解调算法的基本原理及实现过程,分析其算法的复杂度,提出一种新的码同步提取和修正的方法。计算机仿真结果表明,该算法不但能够有效地抑制实际信号中的各种干扰对码同步精度的影响,具有较好的解调性能,而且其实现原理简单,运行效率较高,便于实现软件化的实时处理。该解调算法在实际的PCM/FM信号的处理中收到了较好的效果,具有一定的应用价值。     

一种同频非合作航天器通信信号的盲源分离算法

针对频谱混叠的同频非合作航天器通信信号分离问题,研究了盲源分离技术,提出一种以立方函数作为非线性函数的盲源分离改进算法。在介绍盲源分离模型的基础上,依据通信信号的亚高斯性,对快速独立分量分析(FastICA)算法的非线性函数作适应性改进,提升了算法的性能。选用8FSK、BPSK、QPSK和频谱混叠的通信信号与单音干扰信号进行混合,仿真并对比分析了4种应用不同非线性函数的FastICA算法。500次的仿真结果表明:应用立方函数的FastICA算法的分离成功率达到100%,平均迭代次数约为25,性能指数均值为0.115 7,具有更优的效能,可很好地解决非合作航天器通信信号的分离问题。     

基于模糊函数的雷达辐射源信号分选新方法

当前的雷达辐射源信号分选方法存在准确率不高和对噪声敏感的问题,对此,提出一种新的分选算法。对接收到的信号首先求取其模糊函数,并将其简化为二维特征图,然后对该二维特征图进行小波包分解,得到八维小波包变换特征（WPT）,最后将类间分离度最优的第二维小波包变换特征Wpt2和第五维小波包变换特征Wpt5作为分选的特征参数。由于不同信号的模糊函数区别较大且受噪声的影响小,因此转换后的WPT可分性强、稳定度高;大量的仿真验证了新方法的优越性,在信噪比为10dB时,分选准确率最低为90％。     

基于三阶累积量的语音频域排序算法

在语音信号频域盲分离算法中,利用短时傅里叶变换将时域卷积变换到频域乘积,从而在每个子频段上进行复数瞬时分离,降低运算量,但这会导致分离结果出现次序和幅度上的不确定性。文章提出了一种改进的基于三阶累积量的频域排序算法,在每个子频段上计算信号的三阶累积量,比较其相关性来解决排序问题。仿真实验证明了该算法的可行性。     

星载测向定位技术研究

针对卫星无源定位系统对辐射源高精度定位的要求,以及日益复杂的电磁环境下时频重叠信号测向定位的难题,提出了单星阵列信号处理测向的方法,并对干涉仪和阵列信号处理测向的性能进行了理论分析和仿真比较,结果显示阵列信号处理测向比相位干涉仪具有更高的精度,在存在模型误差的情况下,基于盲源分离的测向算法比经典子空间投影测向算法具有更高的分辨力。     

集中式多输入多输出雷达信号盲分离算法研究

在电子对抗领域,对集中式多输入多输出（Multiple Input Multiple Output, MIMO）雷达的信号侦察和分选是一个难点。提出采用盲分离（Blind Source Separation, BSS）算法中的非圆复信号快速独立分量分析（Noncircular Complex Fast ICA, NC FastICA）对MIMO雷达进行信号分选。为了满足盲分离算法的应用条件,提出一种在多视角观测位置采集雷达信号的侦察方法来构建可分离的满秩混合矩阵。仿真结果表明,对相位编码、离散频率编码等典型正交波形进行等角度间隔采样和盲分离时,无论是否存在幅度起伏,在信噪比为10dB时均可以达到低于-14dB的正交波形分离度,对分离后的波形进行相关性对比和时频分析的结果也验证了本文方法的有效性。     

分布式天线接收的混合通信信号盲分离

在非协作的通信环境中,由分布式接收天线构成的“虚拟天线阵列”信号模型与常规的盲源分离的典型模型有明显差异,导致现有的一些盲源分离的方法和算法难以适用于分布式天线接收的混合通信信号的分离。利用各源信号之间的统计独立性和通信信号的循环平稳性,提出了一种适合于分布式天线接收的混合通信信号盲分离的思想和实现方法。仿真实验表明,提出的方法能有效地分离出源信号。     

PCM/DQPSK遥测信号解调时位同步的软件实现研究

根据 PCM/ DQPSK信号的特点 ,提出一种新的实现位同步的算法。通过使用最小均方估计算法 (LMS) ,计算滑动窗内数据估计误差绝对值累加和的方法 ,搜索相位跳变点 ,实现位同步。同时给出一种简捷修正相位跳变点的方法 ,在每次解调前修正相位跳变点的位置 ,保证解调结果的正确性。     

适用于通信信号盲源分离的 分离条件数学建模方法研究

针对使用盲源分离技术分离卫星通信信号的数学假设工程实施问题,重点对分离条件中的数学假设混合矩阵列满秩展开研究。根据最优化理论,提出了一种适用于通信信号盲源分离的分离条件数学建模方法。首先,介绍了盲源分离的分离模型与基本假设;其次,选择矩阵条件数来衡量混合矩阵的正定性,并结合阵列天线接收模型,以矩阵条件数为目标函数,建立最优化模型,寻找最优天线间距;最后,以两个信号源、两个接收天线为例进行仿真。仿真结果表明：所建立的优化模型可以有效找到最优天线间距,通过设计合适的天线间距可以有效满足混合矩阵列满秩条件。最优天线间距与载波频率成反比。该建模方法有效将抽象的数学假设转化为具体的天线间距设计,加强了盲源分离技术的可实施性,为大规模的盲源分离天线阵列设计提供技术支撑。     

一种PCM/DQPSK信号的软件解调算法

由于计算机技术的飞速发展,通过软件的方法实现对信号解调已成为可能,大大拓宽了信号接收和处理的途径,为信号事后处理提供了有效的手段。提出了一种DQPSK信号的软件解调算法,通过估计信号的瞬时相位来提取调制相位信息,恢复出原始的调制码。计算机仿真表明,这种算法能够正确实现对信号的解调,并且解调性能良好,运行效率较高。     

基于FFDiag算法的变步长盲信号分离

基于快速Frobenius联合近似对角化（FFDiag）算法,提出了一种步长根据代价函数值大小变化的更新规则,使对角化的更新幅度随信号分离状态自适应变化。算法步长与信号分离状态相结合,具有收敛速度快和稳态误差小双重优点,仿真结果证实了算法的有效性。     

深空测控通信中GMSK体制非相干解调算法研究

针对深空测控通信中GMSK体制非相干解调损失较大的难点,提出了一种改进的GMSK信号非相干维特比解调算法。通过分析相位状态网格图中相位转移规律,建立理论仿真模型。通过原理样机的研制和测试,实测数据表明：该算法具有解调损失低、实现复杂度适中的优点;相比于理论的最佳相干解调算法,在误码率1×10 -4 量级下,实测仅损失0.6 dB。目前该算法已应用于国内某深空测控通信系统GMSK体制基带设备中,并成功解调出欧空局Herschel–Planck卫星数据。