利用分数抽头均衡器快速定时同步

建立了分数抽头均衡器(FSE)与定时同步相结合的信号模型,分析了定时误差对于均衡性能的影响,提出了一种新的基于FSE的快速定时同步算法。在未知参考序列相位的情况下,利用循环均衡快速收敛并建立同步。在相位跟踪阶段,利用抽头增益跟踪定时相位误差,通过对采样数据进行抽取或插值以及均衡器抽头的移位操作控制相位误差。仿真表明,该算法能在长度为均衡器抽头数的符号周期内快速建立同步,通过采样率的选择可以精确地控制定时相位误差。     

具有全局收敛性的盲均衡算法

为了解决传统的自适应均衡技术需发送训练序列的问题,采用盲均衡技术,利用接收信号本身的特征使均衡器收敛。提出了一种新的盲均衡算法(C&D算法),该算法将CRIMNO算法和判决引导(Decision Directed,DD)算法相结合,利用信号序列间的互不相关特性,从而使其具有全局收敛性能。实验结果表明:与CRIMNO算法相比,在相同的信噪比下,该算法具有收敛快速、运算量少和残留误差小的特点。     

异速跳频互扰下跳频信号的参数估计

针对在跳频互扰情况下对多跳频信号参数盲估计困难的问题,提出了一种异速跳频互扰下跳频信号的参数估计方法。该方法利用异速跳频信号周期的差异,通过二值连通域标记处理、连通域时长聚类,将互扰跳频信号从时频谱上分离后分别进行估计参数。仿真结果表明,该方法能够实现在异速跳频信号互扰下对分量跳频参数的估计,且在高信噪比下能保证高的跳周期估计成功率与低的跳周期估计相对误差和起跳时刻估计相对均方误差。但互扰存在时的整体估计性能比仅单一跳频信号存在时会有所降低,同时该方法在SNR过低时会失效。     

基于双PN周期的短码DS-SS信号扩频波形及信息序列盲估计方法

针对短码DS-SS信号盲解扩,研究了DS-SS信号的扩频波形及信息序列盲估计问题,提出一种基于双PN周期分解的扩频波形与信息序列联合盲估计算法,该算法在低信噪比条件下同时完成扩频波形和信息序列的估计,计算量小,且避免传统方法利用单PN周期分解时扩频序列连接的相位模糊等问题,提高了肓估计的正确率.最后仿真验证了算法的有效...     

通信侦察中的伪码序列盲估计算法

针对卫星通信侦察与对抗,提出了一种DS-SS通信信号的伪码序列盲估计算法.首先采用循环自相关方法估计信号载频,对截获的中频信号进行解调,得到基带信号,再采用循环自相关估计PN码周期.然后利用分段互相关方法估计信息码与PN码同步调制起始点.在此基础上,完成对伪码码序列的识别.仿真实验结果表明,该方法在极低信噪比条件下可以得到准确的伪码序列估计.     

基于正态分布曲线的分段式变步长LMS算法

针对传统最小均方误差(Least Mean Square, LMS)自适应滤波算法由于步长固定,在解决稳态误差与收敛性之间的关系时,始终处于矛盾状态的问题,在对传统的固定步长LMS自适应滤波算法分析的基础上,根据变步长LMS自适应滤波算法的步长调整原则,通过构造步长因子与误差信号的非线性函数,提出了一种基于正态分布曲线的分段式变步长LMS自适应滤波算法,并分析了参数取值对算法性能的影响。针对实际信号处理过程中参考信号难以选取的问题,提出了一种基于分裂阵的参考信号选取方法。理论和海试数据分析结果表明:该算法的收敛速度和稳态误差明显优于固定步长的LMS自适应滤波算法和基于Sigmoid函数的变步长LMS自适应滤波算法。     

因果维纳滤波器均方误差计算公式的简化

从将时间序列的Z变换分解成物理可实现与物理不可实现两部分之和入手 ,通过严密的数学推导 ,简化了噪声与信号不相关时因果维纳滤波器的均方误差计算公式 ,证明因果维纳滤波器与非因果维纳滤波器的均方误差计算公式总是具有完全相同的形式 ,有助于对维纳滤波器的学习和掌握。     

一种机载多通道SAR-GMTI自适应通道均衡方法

提出了一种适用于机载多通道SAR-GMTI系统的通道均衡方法。采用功率挑选准则剔除强运动目标污染,从参考通道和待均衡通道中选取一组高相关回波作为均衡器输入,在用N阶FIR滤波器拟合均衡器时采用对角加载技术解决病态矩阵影响。理论分析表明,在杂噪比很低的条件下,该均衡器响应也能逼近于实际通道间失配误差,且将接收机和馈线失配一起均衡,无需改装现有系统。仿真实验进一步验证了该方法的有效性。     

自适应旁瓣对消在单脉冲跟踪雷达中的应用

跟踪雷达应用自适应旁瓣对消时辅助天线中的期望信号会引起测角误差,若不采取应对措施,雷达无法对目标进行有效跟踪。为解决此问题,提出了一种能消除由辅助天线期望信号引起的测角误差的方法。理论分析和计算机仿真结果表明此方法是有效的。     

基于子空间投影波束形成技术的导航接收机抗干扰算法研究

阵列天线空时自适应处理通过联合空域和时域的自适应滤波处理技术能够有效提高导航接收机的窄带和宽带干扰抑制性能。利用导航信号淹没在干扰信号和热噪声的特点,本文提出先将天线阵列接收的空时信号矢量向干扰子空间的正交子空间投影以实现干扰抑制,当接收机对投影后的参考阵元数据捕获成功后,利用捕获估计的本地扩频码相位作为参考信号依据最小均方误差准则进行波束形成。仿真结果表明该抗干扰算法在零陷强干扰的同时使主波束指向导航信号来波方向,有效提高了阵列输出信干噪比,并降低了空时自适应处理对导航信号伪码相关峰形状和载波跟踪性能的影响。     

用于目标跟踪的自适应广义调频波形设计算法

提出了一种用于雷达目标跟踪的自适应广义调频波形设计算法。该算法根据跟踪器的动态需求,以广义调频信号为样板波形自适应设计下一时刻的发射波形,其目的是使预测的目标跟踪均方误差最小化,并假定高信噪比条件,且目标跟踪运动模型和观测模型均为线性。利用与某一波形相对应的克拉美-罗下限(CRLB)以及卡尔曼滤波器,通过最小化预测的跟踪均方误差来实现广义调频波形的自适应设计。仿真结果表明:在信噪比相同的情况下,与使用固定参数、自适应参数的线性调频波形设计算法相比,所提出的算法能够获得更低的目标跟踪均方误差。     

基于自适应滤波的4FTSK信号解调方法及DSP实现

针对某型通信设备中无线数传机的信号解调问题,研究了一种基于自适应滤波算法的解调4FTSK信号的方法.采用常用的最小均方误差(LMS)自适应算法,跟踪信号的单一频率,分析输出信号的包络,实现4FTSK信号的解调.详细介绍了此种解调方法的基本原理及实现过程.研究了用DSP技术来实现自适应解调算法,并给出了对4FTSK信号的解调结果.     

顾及噪声影响的GNSS高程序列预测Prophet方法

全球导航卫星系统(global navigation satellite system, GNSS)高程时间序列具有非平稳、非线性、含噪声等特点,在深入研究Prophet预测模型的基础上,针对Prophet预测模型对于趋势信号和周期信号有良好预测效果这一特性,提出一种引入经验模态分解(empirical mode decomposition, EMD)的“降噪—分解—预测”组合GNSS高程时间序列预测方法。该方法先将原始时间序列进行EMD降噪,再对降噪后的序列进行分解预测,最后重构各分量预测信号为最终预测序列。通过对实测高程数据进行研究,实验结果表明：降噪后信号的平均信噪比为10.30dB,能量百分比平均为88.75%;利用所构建的短期预测方法,GNSS高程时间序列预测结果的均方根误差分别平均提升26.41%和14.88%;平均百分比误差分别平均提升18.92%和7.91%,验证了组合预测方法的有效性及实用性。     

基于ICEEMDAN和小波阈值的Φ-OTDR信号去噪算法

针对分布式光纤声波传感系统信号信噪比较低的问题,提出了一种改进的自适应噪声完全集成经验模态分解方法。改进方法利用样本熵和小波阈值去噪算法,从高噪声分量中提取有效成分。通过改进的自适应噪声完全集成经验模态分解(ICEEMDAN,Intrinsic Computing Expressive Empirical Mode Decomposition With Adaptive Noise)对实际采集的信号进行分解,计算样本熵,将其中的含噪分量进行小波阈值去噪,最后与未处理的信号分量进行重构。实验结果表明,对实采的信号进行降噪处理后,信噪比提高了5.34 dB,均方误差降低了0.014 8,波形互相关系数提高了5.7%。与其他常用的去噪方法相比,该方法不仅在信噪比方面表现更优秀,而且在均方误差和波形互相关系数方面也具有更好的性能,能够更好地保留有用信号。     

多指数连续相位调制信号的早迟环定时同步

针对多指数连续相位调制信号提出基于序列检测的早迟环定时同步,利用维特比算法的幸存度量构造定时误差估计器。根据误差估计的S曲线和方差,优化定时误差捕获范围和估计精度、消除环路假锁点,同时利用多指数连续相位调制的脉冲幅度调制分解对定时误差估计器进行简化。仿真结果表明,优化后的早迟环定时误差捕获范围最大可达±0.5个符号周期,估计精度在中低信噪比下能够接近修正的克拉美罗界,在高信噪比下也有较好的估计性能;当早迟环定时支路的分支度量简化至最大似然序列检测的1/8时,对多进制、部分响应的多指数连续相位调制信号,造成的解调性能损失小于0.5 d B。     

通信侦察中基于神经网络的伪码序列估计

针对直接序列扩频通信信号伪噪声(PN)码的干扰侦察问题,在已知信号伪码参数的前提下对直扩信号进行特征分析,用基于变步长的PCA神经网络方法来实现伪码序列的盲估计。该方法利用基于Hebb学习规则的无监督多主分量神经网络,结合自适应变步长学习算法,在估计在线特征值的基础上来控制步长的变化,以使神经网络最终达到较好的稳态收敛。理论分析和仿真结果表明,本方法能在较低信噪比的情况下对较长伪码进行准确的估计。     

双变因子LMS自适应滤波算法

为提高最小均方(LMS)自适应滤波算法的性能,在步长因子与误差信号满足一种改进的Sigmoid函数关系式的基础上,提出了一种双变因子控制下的变步长LMS自适应滤波算法。该算法具有初始状态收敛速度快、稳定状态均方误差小、抗噪声性能好、适应系统跃变能力强的优点。计算机仿真结果验证了该算法的优越性。     

子空间投影后波束形成的导航接收机抗干扰性能分析

利用导航信号淹没于干扰信号和热噪声的特点,将天线阵列接收的空时信号矢量向干扰子空间的正交子空间投影以实现干扰抑制。当接收机对投影后的单阵元数据捕获成功后,利用捕获估计的本地扩频码相位作为参考信号,依据最小均方误差准则进行波束形成。仿真结果表明该抗干扰算法在零陷强干扰的同时使主波束指向导航信号来波方向,有效提高了阵列输出信干噪比,并降低了空时自适应处理对导航信号伪码相关峰形状和载波跟踪性能的影响。     

引入STF算法的自适应SICKF及其在目标跟踪中的应用

针对容积卡尔曼滤波在系统状态突变时滤波精度下降的问题,结合均方根嵌入式容积卡尔曼滤波(SICKF)和强跟踪滤波(STF)算法,提出了一种自适应均方根嵌入式容积卡尔曼滤波(ASICKF)方法。采用嵌入式容积准则和均方根滤波方法,以提高算法的滤波精度和稳定性。引入强跟踪滤波,利用渐消因子在线修正预测误差协方差阵,强迫残差序列正交,以增强算法应对系统状态突变等不确定因素的能力。为了解决状态突变未知的目标跟踪问题,采用自适应均方根嵌入式容积卡尔曼滤波算法进行数值仿真,仿真结果表明,ASICKF在系统状态突变时能保证较高的滤波精度,具有较强的鲁棒性和系统自适应能力。     

干扰条件下基于MMSE准则的弹载雷达认知波形优化

针对杂波、噪声和干扰环境中弹载雷达扩展目标检测识别问题,结合认知理论,在频域基于最小均方误差(minimum mean-square error,MMSE)准则提出一种新的雷达发射波形优化算法,用以抑制杂波和对抗干扰。建立雷达信号时频模型,通过目标参数贝叶斯估计构造以均方误差为代价的功率受限目标函数,利用拉格朗日乘子法得出最小代价发射信号频域能量最优波形表达式。仿真结果表明,算法能够针对目标频率响应和杂波、干扰的相对强度合理分配发射信号的频域能量,提高目标估计精确度,优化雷达检测识别性能;仿真条件下,最小均方误差准则优化波形目标识别性能优于互信息量准则。