Print

非高斯混响背景下的信号检测

论文摘要

混响作为水声学中的基本物理现象之一,它的研究由来已久。传统的主动声纳利用多普勒和时间增益控制进行抗混响处理,但因受限于高斯假设,还没有真正意义上的最优检测器。论文从主动声纳背景干扰的非白非高斯假设出发,构建能适应背景统计性质的渐进最佳检测器,以期获取更好的回波检测性能。围绕这一目标,开展了以下几方面的工作:首先,考察了混合高斯模型(GM)和K分布模型的概率密度函数(PDF),并应用了一系列非高斯PDF参数估计的方法。GM参数估计由期望最大化算法(EM)获得:K分布的参数估计由最大似然算法和矩估计算法获得。基于PDF函数及其导数构建起来的U滤波,可以实现非高斯混响的高斯化。其次,研究了非高斯混响的功率谱密度(PSD)估计方法,论文采用AR模型拟合非高斯混响的PSD,模型的参数由最大似然估计(MLE)和加权最小二乘估计(WLSE)获得。基于非高斯AR参数估计建立AR滤波器,可以对非高斯混响数据进行预白化处理。最后,应用PDF和PSD的参数估计,融合预白化和高斯化模块,设计完成了非高斯混响背景下信号检测的渐近最佳检测器(CPWG)。并分析研究了它与Rao有效绩检验(REST)之间的关系。

论文目录

  • 摘要
  • ABSTRACT
  • 第1章 绪论
  • 1.1 研究背景
  • 1.2 国内外研究现状
  • 1.3 研究目的及意义
  • 1.4 论文工作内容介绍
  • 第2章 非高斯混响的建模及非白功率谱估计
  • 2.1 两种典型的非高斯混响概率密度模型
  • 2.1.1 非高斯混响信号建模的理论基础
  • 2.1.2 混合高斯模型
  • 2.1.3 K分布模型
  • 2.2 模型参数估计问题
  • 2.2.1 混合高斯模型参数的EM估计
  • 2.2.2 K分布模型参数估计
  • 2.3 高斯化
  • 2.3.1 定义和评价
  • 2.3.2 U滤波
  • 2.4 非高斯混响的非白功率谱估计
  • 2.4.1 AR参数的最大似然估计
  • 2.4.2 AR参数的加权最小二乘估计
  • 2.5 预白化滤波
  • 2.6 本章小结
  • 第3章 发射信号及检测器设计
  • 3.1 发射信号设计
  • 3.1.1 最优波形设计
  • 3.1.2 性能分析
  • 3.1.3 最优波形设计小结
  • 3.2 检测问题描述
  • 3.2.1 统计检测理论
  • 3.2.2 检测问题
  • 3.3 基于预白化和高斯化的检测器
  • 3.3.1 检测器的构建
  • 3.3.2 检测器框图
  • 3.3.3 性能分析和算法简化
  • 3.4 本章小结
  • 第4章 试验数据后置处理
  • 4.1 试验情况介绍
  • 4.2 海试数据的非高斯混响特性分析
  • 4.2.1 海试数据预处理
  • 4.2.2 海试数据的 GM验模
  • 4.2.3 海试数据的 K分布模型验模
  • 4.3 海试数据的检测分析
  • 4.3.1 滑动检测的实现
  • 4.3.2 数据检测
  • 4.3.3 检测性能分析
  • 4.4 本章小结
  • 结论
  • 参考文献
  • 攻读硕士学位期间发表的论文和取得的科研成果
  • 致谢

    • 相关论文文献

    本文来源: https://www.lw50.cn/article/94bdf41397eac54597461096.html