卷积交织器盲识别方法

交织技术通过对传输数据进行重排,克服通信过程中的突发错误,增强数据传输的可靠性,在数字通信系统中具有重要作用。该文针对非合作信号处理中卷积交织器的盲识别问题,提出一种基于交织序列一阶累积量的识别方法。该方法利用帧同步码和码字序列的一阶累积量检测数据序列中的交织周期。根据帧同步码累积量之间的分布关系实现交织宽度和交织深度的估计。仿真结果表明该方法能够在较高误码率条件下实现卷积交织器的识别和参数估计,且计算量小于已有的高斯三角化算法。     

关于信号傅里叶变换存在条件问题的探讨

对于一个任意给定的信号,判断其傅里叶变换是否存在一直是尚未解决的问题。由于此问题在信号分析类课程的教学或工程应用中常给人们带来困扰,该文对此进行了分析。从质疑斜坡信号的傅里叶变换入手,通过与常见能量信号和功率信号的傅里叶变换特征相对比,指出了斜坡信号傅里叶变换的一些问题。分析表明斜坡信号不满足傅里叶积分定理,并据此认为斜坡信号的傅里叶变换不成立。最后,通过仿真分析对所持观点进行了验证,并对一些常见信号傅里叶变换的一般规律进行了归纳总结。     

线性调频信号主瓣不展宽旁瓣抑制方法

以汉明窗为代表的加权方法在抑制线性调频信号的匹配滤波输出峰值旁瓣的同时展宽主瓣,致使距离分辨力下降。为兼顾旁瓣抑制和高距离分辨力的需求,该文提出一种新的主瓣不展宽旁瓣抑制方法。该方法首先将匹配滤波和加权处理的输出幅度进行归一化处理,然后逐点进行比较,再取各点对应的最小值作为最终的输出数据。该方法兼取了匹配滤波和加权处理的优点,其-3 dB主瓣展宽系数与匹配滤波相比仅为1,而旁瓣抑制性能和对应的加权处理相当。仿真结果和湖上试验验证了该方法的有效性。     

基于聚谱分析的多通道盲信号自适应分离算法

该文提出一种在多传感器中多种信号混叠的分离方法。该方法通过分析传感器数据的聚谱来提取未知信号,并利用线性方程基本算法估计有限脉冲响应的耦合系统,该方法对于多通道谱重叠的有色输入信号盲解卷积十分有效。作为该算法的扩展,可以应用于包括准周期信号等非平稳信号的分离。并将该算法应用于电磁辐射的测试,仿真结果证明了其有效性和快速性。     

基于单路定时准确的低复杂度成对载波复用多址信号盲分离算法

该文分析了传统逐幸存路径处理(Per-Survivor Processing, PSP)算法模型,给出了改进的前馈非二元码软输出维特比(Soft Output Viterbi Algorithm, SOVA)PSP算法。针对单路定时准确的情况,提出了针对成对载波复用多址(Paired Carrier Multiple Access, PCMA)信号的SOVA-PSP盲分离算法。该算法相对传统的PSP算法状态数由原来的M2(L-1)减少到M(L-1)(其中M为调制阶数,L为等效信道响应长度),从而大幅度地降低了算法复杂度。仿真结果表明,改进的算法在降低复杂度的同时与传统PSP算法相比性能几乎没有损失。     

基于隐变量贝叶斯模型的稀疏信号恢复

该文基于贝叶斯分析的视角,揭示了一类算法,包括使用隐变量模型的稀疏贝叶斯学习(SBL),正则化FOCUSS算法以及Log-Sum算法之间的内在关联。分析显示,作为隐变量贝叶斯模型的一种,稀疏贝叶斯学习使用第2类最大似然(Type II ML)在隐变量空间进行运算,可以视作一种更为广义和灵活的方法,并且为不适定反问题的稀疏求解提供了改进的途径。较之于目前基于第1类最大似然(Type I ML)的稀疏方法,仿真实验证实了稀疏贝叶斯学习的优越性能。     

一种低复杂度线性调频信号参数估计算法

为降低线性调频(LFM)信号参数估计的复杂度,该文提出一种二次估计算法。首先通过短时相干积分与非相干累加对频率斜升和起始频率进行预估计;然后以预估计结果为中心,利用多路并行部分匹配滤波快速傅里叶变换(PMF-FFT)和二次插值对参数进行精确估计;最后综合预估计和精确估计结果得到参数的最终估计值。仿真结果表明,该算法信噪比门限较低,估计精度接近克拉美罗下界,其计算复杂度和资源消耗均远低于频率斜升试探算法和插值联合估计算法。     

基于相关法的分布式全相参雷达相干参数估计及相参性能

针对一般结构的分布式全相参雷达,研究了基于相关法的时延差和相位差估计性能以及输出信噪比增益(oSNRg)。首先分别建立多输入多输出(MIMO)模式和全相参(FC)模式下的信号模型。然后重点分析估计相位差时的相位模糊问题,并提出一种有效的解模糊方法。数值实验结果表明：当输入信噪比足够高时,相关法能够获得稳健的相干参数估计,且oSNRg接近理想值。     

一类非线性信号去噪的奇异值分解有效迭代方法

对于一类非线性信号的去噪问题,该文提出一种基于奇异值分解(Singular Value Decomposition, SVD)的有效迭代方法。对现有奇异值差分谱方法在两类不同非线性信号上的去噪效果进行了对比,指出在信号不具有明显特征频率、非周期性变化时这一方法并不适用,并分析了现象产生的原因;然后针对该类信号的特点重新定义了Hankel矩阵结构,给出有效奇异值的确定方式,并通过SVD多次迭代过程实现对该类信号的有效去噪。对实际飞行数据去噪的实验结果表明,该方法对提出的一类信号对象不仅去噪效果良好,而且可提高运算效率。     

基于连续差联合阵列的非等距线阵无模糊波束形成方法

该文针对非等距线阵波束形成产生栅瓣的问题,提出一种基于连续差联合阵列的非等距线阵无模糊波束形成方法。该方法基于连续差联合阵列对非等距线阵进行阵形优化分析,利用连续差联合阵列与连续波程差一一对应的特性,扩展得到非等距线阵Toeplitz化的协方差矩阵。根据线性约束最小方差(LCMV)准则,可以直接利用该协方差矩阵得到稳健自适应波束形成。由于重构的协方差矩阵与相同孔径等距线阵的协方差矩阵相似,不会产生相位模糊,避免了波束形成栅瓣的影响。大量的仿真实验证明了该文方法的稳健性能。