基于分数低阶矩的非整数时间延迟估计方法

依据信号的噪声特性和分数低阶矩理论,提出一种基于最小平均p范数的非整数时间延迟估计方法(称为LMPFTDE算法)。该算法是对直接估计非整数采样间隔的时间延迟估计算法(ETDGE)的广义化,运用最小分散系数准则,通过使误差的p阶矩最小得到非整数时间延迟估计值。理论分析和计算机仿真结果都表明该方法不仅可以在高斯噪声环境下工作,而且在脉冲噪声下也具有良好的健壮性。     

一种基于分数低阶协方差矩阵的波束形成新方法

利用稳定分布对具有脉冲特性的噪声进行建模，提出了一种新的分数低阶协方差概念，推导了一种基于分数低阶协方差矩阵的波束形成方法，并分析了其旁瓣特性。模拟表明新方法具有更高的信号干扰噪声比及更强的波束形成与旁瓣抑制能力。新算法在高斯和分数低阶稳定分布环境下比传统的算法具有更好的韧性。     

基于粒子群优化的偏斜α稳定分布参数估计

基于粒子群优化算法,结合偏斜α稳定分布的分数低阶矩性质,提出了一种新的α稳定分布参数估计方法.针对已有方法无法实现多个参数同时估计的不足,结合α稳定分布分数低阶矩的特点,首先判断出对称参数的符号以及分数低阶矩阶数的取值范围,进而确定目标函数.仿真试验结果表明：所提方法可以同时给出3个参数的估值,验证了该方法的有效性,同时与Kuru-FLOM相比在精度上有所提高或相当.     

一种基于非线性变换的EP潜伏期变化自适应检测方法

该文依据分数低阶矩理论和诱发电位（EP）信号及噪声的低阶α稳定分布特性，提出了一种自适应检测EP潜伏期变化的新方法。这种方法基于sigmoid函数对误差信号en(k)进行连续的非线性变换，即抑制了EP信号中的低阶α稳定分布噪声，又有效保留了信号成分，在高斯和低阶α稳定分布噪声条件下具有很好的韧性，且无须动态估计信号噪声的α参数。利用这种方法动态检测EP潜伏期的变化，比以往的DLMS，DLMP和SDA等算法具有较高的估计精度和较快的收敛速度，是一种具有较高韧性的性能优良的EP潜伏期变化动态检测方法。     

基于FLOC的ARMA SαS模型α谱估计方法

分析了基于分数低阶矩（FLOM）估计ARMA SαS模型参数的不足,根据分数低阶协方差（FLOC）的概念,提出了一种基于分数低阶协方差系数估计ARMA SαS模型参数的方法。在此基础上,给出了ARMA SαS模型的α谱估计。通过对给定ARMA SαS模型的α谱估计、α稳定分布噪声中正弦信号的估计与分辨进行仿真,详细比较了基于FLOM的ARMA SαS模型α谱估计和基于FLOC的ARMA SαS模型α谱估计的性能。结果表明,α值较小时,基于FLOC的ARMA SαS模型α谱估计的性能明显优于基于FLOM的ARMA SαS模型α谱估计。     

低阶α稳定分布噪声下诱发电位潜伏期变化估计的一种新方法

本文提出了一种低阶α稳定分布噪声下诱发电位潜伏期变化估计的新算法.新算法克服了原有算法需估计伴随噪声的特征指数α的缺点,并且将现有算法的适用范围加以扩展到伴随噪声的特征指数为0＜α≤2的场合.本文在理论上对新算法的收敛性进行了证明,计算机仿真也表明新算法对于原有算法具有更好的鲁棒性.     

基于分数低阶协方差的AR SαS模型α谱估计

根据自回归(AR) SαS模型的α谱,分析了基于分数低阶矩(FLOM)法估计AR SαS模型参数的不足.提出了一种基于分数低阶协方差(FLOC)的AR SαS模型参数估计方法,并给出了基于FLOC的AR SαS模型α谱方法.分别对AR SαS模型参数的估计、α稳定分布噪声中单一正弦信号的估计和两个正弦信号的分辨进行了仿真.仿真结果表明,基于FLOC的AR SαS模型α谱估计方法对于不同的α值均具有较好的韧性.特别是在α值较小,即α稳定分布噪声概率密度函数(PDF)拖尾比较严重时,本文所提出的基于FLOC的AR SαS模型α谱估计方法,其性能明显优于基于FLOM的AR SαS模型α谱估计方法.     

基于滑动窗与韧性函数的递归最小p范数滤波方法

稳定分布可以更好地描述实际应用中所遇到的具有显著脉冲特性的随机信号和噪声。与其它统计模型不同, 稳定分布没有统一闭式的概率密度函数,其二阶及二阶以上统计量均不存在。针对系统中存在独立SS噪声与高斯噪声,该文基于SSG分布模型,提出了一种混合噪声环境下基于滑动窗与韧性函数自适应广义递归最小p范数滤波算法,并对算法进行了分析。计算机模拟和分析表明,这种算法是一种在SSG分布背景噪声条件下具有良好鲁棒性的方法。     

冲击噪声背景下基于最小均方归一化误差的波束形成算法

 本文提出一种适用于任意未知统计特性的代数拖尾冲击噪声环境下的MMSNE波束形成算法。算法利用输出信号和参考信号之间的“归一化误差”最小化来求解最优权向量。“归一化误差”定义为接收信号的瞬时自适应无穷范数归一化的形式。与基于最小分数低阶误差波束形成算法相比,MMSNE波束形成算法计算更为简单;不需要噪声特征指数的先验信息或估计;适用于更广的冲击噪声环境;具有更小的估计误差;具有更强的干扰抑制能力。     

基于SαSG分布噪声模型的自适应混合矩滤波方法

α-稳定分布可以更好地描述实际应用中所遇到的具有显著脉冲特性的随机信号和噪声.与其他统计模型不同,α-稳定分布没有统一闭式的概率密度函数,其二阶及二阶以上统计量均不存在.针对系统中存在独立SαS噪声与高斯噪声,基于SαSG分布模型,提出了一种稳定分布与高斯混合噪声环境下的自适应混合矩滤波的修正RMN（混合参数）算法,并对算法进行了步长归一化改进.计算机模拟和分析表明,这种算法是一种在SαSG分布背景噪声条件下具有良好韧性的滤波方法.     

基于相位校正的时差估计算法研究

针对运动目标的时差测量问题,分析了主辅站之间的信号相位差随时间的变化规律,讨论了变化的相位差对相关峰值检测和时差测量精度的影响,给出了积分时间、多普勒频差和相关值衰减之间关系的理论曲线。在此基础上,提出了一种相位校正算法,克服了周期性变化的相位差对相关峰值的抑制效应。理论分析和仿真结果均表明,相位校正后时差估计精度显著提高,与无多普勒频差的情况非常接近。     

基于时差最小测量误差的任意站定位算法

研究了基于时差最小测量误差的任意站定位算法,从理论上推导了定位模型,阐述了该算法的优缺点,提出了实际工程中应用该算法的基本思路。根据工程应用需求,给出相应的仿真结果,并提出了该算法下一步发展方向的建议。     

基于累积量的时差频差联合估计算法

介绍了无源定位中二阶累积量和高阶累积量的时差频差联合估计（TDOA/FDOA）算法,分析了噪声相关性对二阶累积量和四阶累积量的时差频差联合估计算法的影响。仿真结果表明,这一方法是切实可行的。     

利用约束加权最小二乘的单站外辐射源时差定位算法

针对利用单个观测接收站接收数个外辐射源信号进行目标定位过程中,传统解析定位算法估计精度不够理想的问题,提出了一种利用约束加权最小二乘（CWLS）到达时差的定位算法。首先将目标到观测接收站的距离作为冗余参量,实现时差观测方程的线性化,然后根据目标到观测接收站的距离与目标位置之间的函数关系,建立为CWLS定位模型,并采用拉格朗日乘子式(Lagrange multiplier)求解该类带约束条件的CWLS问题。同时,还推导了相应的克拉美罗界(CRLB)和理论误差。通过仿真实验和分析可以表明,在存在测量误差的情况下,本文提出的新算法仍然能够逼近CRLB,且与解析方法相比,具有较好的定位精度。      

一种新的基于LMP准则的自适应正弦波频率估计算法

自适应IIR陷波器在许多不同的信号处理场合,尤其在估计淹没在噪声中的正弦波频率方面得到广泛应用。本文在研究了多种自适应IIR陷波器算法的基础上,提出了一种基于LMP准则的修正LMP-MNG算法,仿真结果验证了算法的有效性。     

基于最小二乘的时差定位算法

时差测量方程是非线性双曲线方程,可以通过引入中间变量将其转化为线性方程,对近年来国内外学者关于这种方法的时差定位算法进行了总结。当已知测量误差的先验信息时,可以采用两步加权最小二乘法和约束加权最小二乘法,当测量误差的先验信息未知时,还可以采用约束总体最小二乘的方法。在求解约束最小二乘问题时,采用常规的拉格朗日法计算复杂、运算量大,而采用高斯一牛顿法不仅可以大为降低运算量,还能提高解的精度和稳定性。此外,对约束加权最小二乘法和约束总体最小二乘法之间的关系进行了探讨,得到了它们等价性的条件。     

基于线性最小方差估计的航迹融合算法

航迹融合是一种重要的数据融合方法.由于其具有众多优良特性,使得它在实际融合系统中被广泛采用.文中首先给出了远端传感器输出的目标状态估计以及状态估计误差协方差矩阵到融合中心的转换公式,其次给出了融合算法的相关波门,接着推导出了线性无偏最小均方误差估计的航迹融合公式,最后给出了仿真结果.     

基于约束总体最小二乘方法的到达时差到达频差无源定位算法

两步加权最小二乘方法(two-stage WLS)是求解TDOA/FDOA无源定位问题的经典线性方法,但也存在着定位偏差和均方误差对测量噪声的适应能力较差的缺点。该文根据TDOA/FDOA的伪线性定位方程组特点,将其建立为一种带约束条件的约束总体最小二乘(CTLS)模型,并采用拉格朗日乘子法求解带约束条件的CTLS问题,建立了几种最小二乘类定位方法的统一解,从而将约束加权最小二乘(CWLS)定位解和约束最小二乘(CLS)定位解变为该文CTLS定位解的特例。仿真表明,该文方法比两步加权最小二乘方法具有更低的均方误差,并能够有效减小定位偏差,因而具有更好的测量噪声适应能力。     

脉冲噪声环境下基于相关熵的多径TDOA估计算法

为了实现脉冲噪声环境下不受相关法分辨极限限制的高分辨率多径到达时差(TDOA)估计,该文利用相关熵理论中的最大相关熵准则(MCC),结合将多维优化问题转化为多个1维优化问题的期望最大化方法,提出一种相关熵期望最大化(CEM)高分辨率多径TDOA估计算法.仿真实验结果表明该文所提出的算法在强脉冲噪声和低信噪比的环境下都具有很好的估计性能,并且算法中参数的选取不依赖于脉冲噪声的先验信息.