累积和检测方法是根据声呐目标信号出现与消失时概率密度函数(Probability Distribution Function,PDF)的变化进行有效的瞬态信号检测。以非高斯模型t分布假设替代传统的高斯分布方差变化假设作为描述瞬态信号的PDF形式,推导了累积和检...累积和检测方法是根据声呐目标信号出现与消失时概率密度函数(Probability Distribution Function,PDF)的变化进行有效的瞬态信号检测。以非高斯模型t分布假设替代传统的高斯分布方差变化假设作为描述瞬态信号的PDF形式,推导了累积和检验统计量的表达、更新量PDF求取的数值方法,利用快速傅里叶变换法计算了门限和自由度等检测参数。利用仿真的落水信号、船体加速信号和消声水池实验数据进行检验。结果表明,基于t分布假设的累积和方法对瞬态脉冲信号的检测效果优于常规累积和方法,能更快地响应信号变化,更好地抑制背景干扰。展开更多
在正交频分多址接入(Orthogonal Frequency Division Multiple Access,OFDMA)蜂窝网络中,小区间干扰的统计特性与网络性能密切相关。下行小区间干扰的累积分布函数(Cumulative Distribution Function,CDF)还没有一个闭合表达式。该文提...在正交频分多址接入(Orthogonal Frequency Division Multiple Access,OFDMA)蜂窝网络中,小区间干扰的统计特性与网络性能密切相关。下行小区间干扰的累积分布函数(Cumulative Distribution Function,CDF)还没有一个闭合表达式。该文提出一种参数可显式计算的高斯混合模型对下行小区间干扰分布进行近似。进一步,利用高斯混合模型将下行小区间干扰的累积分布函数近似表示为若干个误差函数的加权和。仿真验证了高斯混合模型的准确性,并且表明基于高斯混合模型的累积分布函数能很好地近似下行小区间干扰的累积分布函数。展开更多
为满足复杂干扰场景和阵列误差因素影响下雷达微弱目标信号精确测向需求,提出一种基于均匀线阵构建虚拟波束,替代阵列接收信号进行四阶累积量(fourth-order cumulant,FOC)波达方向(direction of arrival,DOA)估计的算法。该算法包括两...为满足复杂干扰场景和阵列误差因素影响下雷达微弱目标信号精确测向需求,提出一种基于均匀线阵构建虚拟波束,替代阵列接收信号进行四阶累积量(fourth-order cumulant,FOC)波达方向(direction of arrival,DOA)估计的算法。该算法包括两个关键步骤:一是利用阵列接收信号特征分解的方法,对信号主信息分量进行提取,并以构建的虚拟波束为输入,计算FOC矩阵;二是针对主分量虚拟波束波瓣外的起伏,利用高斯窗修正波束方向图的方法,进一步提升空间谱函数的估计精度。仿真结果表明,该方法在存在阵列误差的非理想因素下,对复杂电磁干扰场景下的目标信号DOA估计精度较现有FOC方法提高150%以上,尤其对于场内同时存在多个非等功率源信号时,所提方法对低信噪比目标DOA估计精度提升效果优势明显,对复杂干扰环境下DOA估计精度更高、适应性更强。展开更多
文摘累积和检测方法是根据声呐目标信号出现与消失时概率密度函数(Probability Distribution Function,PDF)的变化进行有效的瞬态信号检测。以非高斯模型t分布假设替代传统的高斯分布方差变化假设作为描述瞬态信号的PDF形式,推导了累积和检验统计量的表达、更新量PDF求取的数值方法,利用快速傅里叶变换法计算了门限和自由度等检测参数。利用仿真的落水信号、船体加速信号和消声水池实验数据进行检验。结果表明,基于t分布假设的累积和方法对瞬态脉冲信号的检测效果优于常规累积和方法,能更快地响应信号变化,更好地抑制背景干扰。
文摘在正交频分多址接入(Orthogonal Frequency Division Multiple Access,OFDMA)蜂窝网络中,小区间干扰的统计特性与网络性能密切相关。下行小区间干扰的累积分布函数(Cumulative Distribution Function,CDF)还没有一个闭合表达式。该文提出一种参数可显式计算的高斯混合模型对下行小区间干扰分布进行近似。进一步,利用高斯混合模型将下行小区间干扰的累积分布函数近似表示为若干个误差函数的加权和。仿真验证了高斯混合模型的准确性,并且表明基于高斯混合模型的累积分布函数能很好地近似下行小区间干扰的累积分布函数。
文摘为满足复杂干扰场景和阵列误差因素影响下雷达微弱目标信号精确测向需求,提出一种基于均匀线阵构建虚拟波束,替代阵列接收信号进行四阶累积量(fourth-order cumulant,FOC)波达方向(direction of arrival,DOA)估计的算法。该算法包括两个关键步骤:一是利用阵列接收信号特征分解的方法,对信号主信息分量进行提取,并以构建的虚拟波束为输入,计算FOC矩阵;二是针对主分量虚拟波束波瓣外的起伏,利用高斯窗修正波束方向图的方法,进一步提升空间谱函数的估计精度。仿真结果表明,该方法在存在阵列误差的非理想因素下,对复杂电磁干扰场景下的目标信号DOA估计精度较现有FOC方法提高150%以上,尤其对于场内同时存在多个非等功率源信号时,所提方法对低信噪比目标DOA估计精度提升效果优势明显,对复杂干扰环境下DOA估计精度更高、适应性更强。
