脉冲噪声下TDE和DOA估计算法研究

论文摘要

时间延迟和波达方向是无线信号传播的两个基本参量,从中还可以得到信号的其他重要相关信息。长期以来,两者一直都是信号处理领域中的热门研究课题,具有重要的理论意义和应用价值。对时间和波达方向估计的传统研究方法大多是基于二阶统计量或高阶统计量的,即采用高斯信号模型,这种假设在许多情况下是合理的、便于研究的。然而,在实际应用中还存在着大量非高斯信号,例如雷达回波、低频大气噪声、水声信号和人造信号,它们具有显著的尖峰脉冲特性。倘若在脉冲噪声环境下还使用基于高斯模型的传统方法,算法性能将显著下降。而α稳定分布能很好地描述这类具有显著尖峰脉冲的随机信号,并且高斯分布是a稳定分布的特例。因此,a稳定分布噪声模型具有更好的适用性。为此,本文首先分析了α稳定分布以及相关的分数低阶矩的性质,讨论了传统时延估计方法失效的原因,研究了基于分数低阶矩的单径时延估计方法。结合非线性变换、加权技术和自适应处理技术,研究了Sigmoid非线性变换的自适应SCOT加权时延估计有效方法。计算机仿真结果表明,此方法不依赖输入信号和噪声的统计先验知识,同样能给出准确的估计结果。其次,在多径时延的模型基础上,本文分析研究了加权分数低阶协方差时延估计方法和基于加权非线性变换的时延估计方法。计算机仿真结果表明,估计值的准确度显著提高。最后,考虑到在相干信源下,基于分数低阶矩的DOA估计算法性能退化严重,本文提出了一种利用前后向空间平滑技术和矩阵重构技术结合分数低阶矩和MUSIC的改进算法—FLOM-SMD-MUSIC算法。计算机仿真结果表明,本文所提算法在相干信源下的性能优越性十分显著,算法具有稳定性好、准确性高以及在低信噪比情况下也能进行有效估计等优点。

论文目录

• 摘要
• Abstract
• 目录
• 第1章 绪论
• 1.1 课题研究背景和意义
• 1.2 国内外研究现状
• 1.2.1 TDE估计研究现状
• 1.2.2 DOA估计研究现状
• 1.3 论文研究内容与组织结构
• 第2章 α稳定分布及分数低阶统计量
• 2.1 α稳定分布
• 2.1.1 α稳定分布的定义
• 2.1.2 对称α稳定分布的概率密度函数
• 2.2 α稳定分布随机变量的产生
• 2.3 分数低阶统计量
• 2.3.1 分数低阶矩
• 2.3.2 零阶矩
• 2.4 共变、共变谱的概念及性质
• 2.4.1 共变的概念及性质
• 2.4.2 共变谱的概念及性质
• 2.5 分数低阶协方差及分数低阶协方差谱
• 2.6 广义信噪比
• 2.7 本章小结
• 第3章 基于分数低阶统计量的单径时延估计算法
• 3.1 基本模型
• 3.2 传统时延估计方法
• 3.2.1 基本相关法
• 3.2.2 广义相关法
• 3.2.3 自适应法
• 3.3 基于分数低阶统计量的时延估计方法
• 3.3.1 基于共变的时延估计法
• 3.3.2 基于分数低阶协方差的时延估计法
• 3.3.3 基于非线性变换的时延估计法
• 3.3.4 最小平均p范数时延估计法
• 3.3.5 Sigmoid自适应加权时延估计法
• 3.3.6 仿真与性能分析
• 3.4 本章小结
• 第4章 基于分数低阶统计量的多径时延估计算法
• 4.1 基本模型
• 4.2 基于分数低阶统计量的时延估计方法
• 4.2.1 基于分数协方差的多径时延估计方法
• 4.2.2 基于非线性变换的多径时延估计方法
• 4.2.3 仿真与性能分析
• 4.3 本章小结
• 第5章 基于分数低阶统计量的DOA估计算法
• 5.1 基本模型
• 5.2 传统的DOA估计方法
• 5.3 基于分数低阶统计量的DOA估计方法
• 5.3.1 基于FLOM-MUSIC的DOA估计方法
• 5.3.2 基于FLOM-SMD-MUSIC的DOA估计方法
• 5.3.3 仿真与性能分析
• 5.4 本章小结
• 结论
• 致谢
• 参考文献
• 攻读硕士期间发表的论文