短快拍条件下均匀矩形阵中的二维DOA估计

二维波达方向（Direction of Arrival,DOA）估计能获取比一维DOA估计更多的空间位置信息，但是二维多重信号分类(Multiple Signal Classification，MUSIC)、二维子空间旋转不变估计技术(Estimation Signal Parameter via Rotational Invariance Techniques,ESPRIT）等经典算法依赖于大量的快拍数据，当快拍数据不足时估计性能严重下降甚至失效。针对上述问题，将迭代自适应方法拓展到二维DOA估计，提出了一种适用于矩形面阵的二维DOA估计算法，首先利用加权最小二乘法估计出信号幅值，然后利用循环迭代技术对估计结果进行更新。由于每次估计结果均来自上一次迭代，而不依赖于快拍数据，因此该算法在短快拍条件下具有很高的估计精度和分辨率。仿真结果表明，在短快拍条件下，该算法具有优越的估计性能。     

基于自适应惯性权重粒子群优化的多跳频信号盲源分离

针对跳频通信中多跳频信号的盲源分离问题,提出了一种基于自适应惯性权重粒子群的盲源分离算法。该算法将分离信号的负熵作为目标函数,依据迭代前后每个粒子适应度值间差值自适应地调节惯性权重。把适应度值变差的粒子惯性权重设成零,以消除惯性分量不利影响,这样可以减少无效迭代次数,提高收敛速度。应用于盲源分离时,比经典算法分离效果好且克服了激活函数选取难题。实验结果表明该算法用于多跳频信号盲分离时性能稳定且收敛速度快,与经典算法比较优势明显,为智能算法在盲源分离方面的研究提供了一定的参考。     

基于自适应分割算法的多跳频信号盲检测

传统的观点大都将跳频信号盲检测问题视为能量域的门限阈值问题,而从统计域来看,实际接收到的跳频信号是在一些未知时刻突变而在这些时刻之间保持统计平稳性的分段平稳随机信号,那么基于非平稳时间序列的各种突变检测算法就可以引入其中。分析了当前跳频突变通信信号的统计特性,给出了其高阶分段平稳的模型。将Bemaola-Galan（BG）提出的自适应分割算法推导到高阶,并将其成功应用于多个跳频突发信号盲检测和自适应提取中。仿真结果表明,该算法不需要任何先验信息,能够有效检测和提取多个突发通信信号,且性能优于传统的能量检测法。     

基于时频分布迭代的跳频信号参数估计

提出了一种基于时频分布迭代的跳频信号参数估计新算法，利用时频平面最大值， 通过计算跳频信号与最优原子时频分布的残差逐次迭代获取匹配于跳频信号分量的时频参数 ，进而实现跳频信号参数估计。理论分析和仿真结果表明，与基于匹配追踪和粒子群优化的 跳频信号参数估计相比，基于时频分布迭代的参数估计算法在保证算法精度的情况下，有效 地降低了算法的计算复杂度，为跳频信号盲接收的实时实现提供了一种新方法。     

基于嵌套张量模型的MIMO中继系统组合接收算法

目前在单向双跳多输入多输出（MIMO）中继系统中，基于嵌套张量模型的接收算法主要采用单步交替最小二乘（ALS）和KRF（Khatri-Rao Factorization）算法。在时变信道且实时性要求较高场景下，计算复杂度高是制约其应用的主要因素。为此，在对单向双跳MIMO中继系统建模基础上，提出了基于嵌套张量模型的双步组合接收算法。该算法通过对接收的数据张量进行重建，将符号估计和信道估计分离，充分利用ALS和KRF的算法优势，有效降低了计算复杂度。同时，对算法的可辨识性进行了分析。仿真结果表明，该算法保持了与传统嵌套PARAFAC的最小二乘（Nested PARAFAC ALS）算法的相同估计性能，在源天线个数变化时，计算复杂度降低了80%以上；在中继天线个数变化时，计算复杂度降低了50%以上。     

基于总体最小二乘准则的OFDM系统时变信道估计

信道估计的准确程度直接影响正交频分复用系统的性能。为了提高时变信道估计算法的精度,基于总体最小二乘准则(TLS)提出了一种时变信道的估计方法。该方法用线性模型对时变信道进行建模,不仅考虑了信道噪声,同时也兼顾了模型误差。该方法能较好地跟踪信道的变化,显著消除模型误差。仿真结果表明所提算法的均方误差介于最小二乘算法与最小均方误差算法之间,在不同归一化多普勒频移下,该算法具有较好的稳健性。     

基于平行因子分解的大规模MIMO盲信道估计

针对单小区大规模多输入多输出（Multiple-Input Multiple-Output,MIMO）系统上行链路,提出了一种基于平行因子（Parallel Factor,PARAFAC）模型的信道估计方法。在基站端,将接收信号构造成PARAFAC模型,利用大规模MIMO系统中信道的渐近正交的性质,提出了一种基于约束二线性迭代最小二乘算法(Constrained Blinear Alternating Least Squares,CBALS),从而实现了盲信道估计。理论分析及仿真结果表明,所提方法与传统最小二乘方法相比,不仅提高了频带利用率而且具有更高的估计精度;与已有的二线性交替最小二乘方法(BALS)相比,所提算法有更快的收敛速度。     

UFMC系统在多径衰落信道中的干扰消除

通用滤波多载波(UFMC)是5G通信系统中的关键技术，能够降低带外泄露。但是在多径衰落信道下UFMC系统会受到符号间干扰（ISI）和多普勒效应产生的载波频率偏差的影响，从而使系统的性能下降。为了消除系统中的干扰，提出了一种迭代最大似然算法。该方法主要通过迭代最大似然算法（ML）计算出载波频率偏差，把估计出的结果作为初始值并运用迭代的方法得到最终的载波频率偏差，当达到收敛区间时，迭代结束；最后利用相位旋转的概念补偿载波频率偏差并运用最小二乘算法更新信道响应信息，减少该系统干扰。仿真结果表明，在信噪比大于10 dB时，随着信噪比的增大，算法能够有效地抑制系统中的干扰，提高UFMC系统的性能。     

一种新的自适应跳频通信系统

结合认知无线电中的频谱感知技术，提出了一种基于射频电磁环境检测改变跳频集的自适应跳频通信系统。该系统通过在发射端检测频谱空洞自适应调整跳频集使系统实时回避被干扰的频点。构建了系统的仿真模型，并在蓝牙、802．11和无绳电话共存的射频环境中对系统性能进行了仿真。结果表明：采用该文提议的技术，基于频谱空洞检测的自适应跳频系统在与802．11和无绳电话冲突时能更可靠有效地工作。这一研究结果对于通信系统共存有重要意义。     

采用STFT幅度值的长信号相位恢复算法

针对以往基于短时傅里叶变换(STFT)幅度值的相位恢复（STFTMPR）算法仅能处理一组较短的信号,并且信号的STFT幅度测量值的长度只能是质数的情况,提出了一种基于STFT幅度值的长信号相位恢复（LS-STFTMPR）算法。把一组长信号变化成几组较短的数组信号,通过改进的最小二乘（LS）法获取梯度下降（GD）法的迭代初始值,然后最小化各数组信号的非凸损失函数,并最终收敛到全局最小值。实验结果表明,在恢复一组较长信号的时候,所提算法的性能明显优于STFTMPR算法,并且具有较强的抗噪声能力。     

一种适用于稀疏多径信道的自适应均衡算法

针对传统的自适应均衡算法在稀疏多径信道下性能表现不佳的问题,提出了一种基于基追踪降噪的自适应均衡算法。该算法利用稀疏多径信道下均衡器权值的稀疏性,将自适应均衡器的训练过程看作压缩感知理论中稀疏信号对字典的加权求和,并利用重构算法直接对稀疏权值进行求解,解决了迭代参数设置和收敛慢的问题。采用基追踪降噪作为重构算法并选用变量分离近似稀疏重构对该最优化问题进行求解,既提高了权值的重构精度又降低了计算的复杂度。仿真结果表明,所提算法能够以较低的计算量和较少的训练序列达到更优性能,这对提升系统的通信性能具有参考价值。     

基于频域块LMS算法的实时虚拟暗室测试方法

针对电磁辐射现场测试被测设备信号和干扰未知的情况,提出了一种基于频域块最小均方算法的实时虚拟暗室测试方法。该方法采用双通道接收机,根据测试通道和背景通道中干扰信号的相关性设计自适应滤波器,在频域对背景通道信号滤波以趋近测试通道中的干扰分量,采用瞬时双通道信号迭代更新滤波器系数,滤波器系数收敛后系统输出中只有被测设备信号。仿真与分析表明,该方法在背景通道有无被测设备信号泄露的情况下都能有效抑制干扰,与基于时域最小均方算法的方法相比,在滤波器长度相同的情况下其计算复杂度更低,适用于实时现场测试。     

一种基于矩阵重组的功率倒置改进算法

针对功率倒置（Power Inversion,PI）算法信噪比恶化问题,推导了最小均方误差准则下最优权矢量组成,提出了处理增益更高、工作范围更广的改进算法。算法通过对接收信号协方差矩阵进行特征分解,根据特征值分布特点舍去噪声特征向量,组成新的协方差矩阵,得到具有指向性的最优权值矢量。仿真结果表明,与传统PI算法相比,改进算法在期望方向形成自适应波束,获得的信干噪比增益和信噪比增益高出约9.6 dB,较好地改善了信噪比恶化问题。     

一种提高恶劣环境中电台话音质量的方法

针对恶劣环境中电台话音质量差这一难题,提出了一种有效的解决方法。首先在最小值控制的递归平均Ⅱ型（MCRA-2）算法基础上,提出了一种改进的MCRA-2算法。该算法采用自适应平滑参数和双检测门限,能有效减小音乐噪声,提高噪声估计准确性;然后将该噪声估计算法与对数最小均方误差估计器相结合,实现话音降噪,提高恶劣环境下电台话音质量;最后利用噪声估计结果和降噪后的话音信号,采用信噪比判决算法,自适应估计静噪门限,实现自适应静噪,进一步提高话音舒适度。实验表明,采用该方法的电台在大噪声、强干扰等恶劣环境中使用时,能明显改善话音质量,有效减轻收听者听觉疲劳。     

卫星移动通信系统低信噪比抗干扰数字接收机设计

针对阵列天线卫星移动通信抗干扰能力差、传播损耗大等特性,设计了一种数字波束形成技术（DBF）和扩频技术相结合的数字接收机。其中,DBF算法采用基于递归最小均方算法（RLS）的解扩重扩盲自适应波束形成算法,使用VxWorks实现权值计算,FPGA实现波束形成;扩频方式采用直接序列扩频,在FPGA中实现。仿真分析与样机测试显示,通过两项技术联合使用,在信噪比低至-45 dB条件下仍可以实现可靠通信,同时有效加强了系统抗干扰能力。     

一种适用于强脉冲噪声下的对数型恒模盲均衡算法

针对脉冲噪声下恒模算法(Constant Modulus Algorithm,CMA)失败的问题,通过分析脉冲噪声的影响,提出了一种基于最小均方（Least Mean Square,LMS）准则的对数型恒模算法（Logarithmic-type CMA,LT-CMA）。LT-CMA利用对数函数的非线性变换特性自适应地抑制强脉冲噪声对误差函数的影响,并且利用l2-范数进行信号归一化处理以增强算法的稳健性。仿真结果表明,所提出的LT-CMA可以适应于高斯噪声环境和脉冲噪声环境;与经典自适应均衡算法相比,在收敛速度和稳健性两方面上,所提出的LT-CMA都有显著的提升。     

低信噪比下突发通信的同步检测

针对低信噪比下突发通信系统的同步检测问题,提出了一种利用接收信号平均信噪比和瞬时信噪比设置动态检测门限的同步方法,实现了信号检测门限的设置与信号脉冲出现时刻噪声能量的自适应匹配,提高了低信噪比下同步检测概率。计算机仿真表明在同步序列长度为63时,信号的有效检测工作信噪比可以降低到-5 dB。该方法适合于低信噪比下运动平台间的突发通信系统。     

Combining self-explicated priors with conjoint data using Bayesian regression

A Bayesian regression procedure (RBAYES) is proposed for the optimal combination of self-explicated data (priors) and conjoint judgments. The procedure does not require the design matrix for the conjoint judgments to be of full rank. The Bayesian regression procedure is similar to weighted least square in that it uses an information ratio to weight the priors. We provide empirical comparisons for the proposed method against (1) a Stein-type estimator (SBAYES) using one data set and (2) OLS applied to the data from an adaptive conjoint analysis using a second data set. In the second application we also use an alternating least squares procedure by itself and in combination with Bayesian regression (RBAYES+) to accommodate scale incompatibility as well as heteroscedasticity. In both applications we obtain superior results for the Bayesian regression procedure.     

TD-SCDMA系统中智能天线的重复迭代自适应算法

提出一种用于TD-SCDMA系统的重复迭代自适应智能天线算法。通过在自适应算法中把阵列输入信号和作为参考信号的训练序列重复使用,可以在短训练序列情况下实现较好的收敛,提高通信系统的传输效率。对LMS算法中全训练序列重复迭代和滑动窗口重复迭代算法进行了仿真,结果表明,在有限训练序列时本算法比传统LMS算法更好地逼近最佳解。