一种改进的基于EMD分解的超宽带信号消噪算法

针对低信噪比超宽带信号的消噪问题，提出一种改进的基于经验模式分解（EMD）的 消噪算法。该算法首先对含噪信号进行EMD分解，得到多个固有模态函数（IMF）分量，然后 选取高阶IMF重构原信号，达到消噪的目的。针对对UWB信号的IMF重构过程中阶数阈值难以 确定的问题，通过数值仿真的方法，得到信号分量和噪声分量在不同阶IMF上的能量分布特 性；在对所得特性进行分析的基础上，设计了一种数据自适应的阶数阈值选取算法，解决了 EMD消噪中的阶数阈值选取问题。仿真结果表明，EMD消噪算法能够在较低信噪比下提供平均 10 dB的信噪比增益，可以有效地对超宽带信号进行消噪。     

利用频谱排序和筛选的突变噪声快速估计

针对最小值控制递归平均(Minima Controlled Recursive Averaging,MCRA)算法不能快速跟踪突变噪声的问题，提出了一种基于频谱排序和筛选的突变噪声快速估计方法。该方法在MCRA算法的基础上对带噪语音的功率谱进行排序，筛选出不含语音信号的频点来估计噪声的平均功率谱；当检测到噪声突变时，对当前的平滑参数和状态变量进行校正。仿真结果表明，该方法可以将突变噪声的跟踪时间缩短90%以上；用于语音降噪处理时，音质可以提升约0.4分。该方法具有一定的工程应用价值。     

基于宽窄带功率比值法的GNSS载噪比估计改进方法

为了降低载噪比估计算法的实现复杂度，提出了一种改进的宽窄带载噪比估计方法。该方法利用接收机良好跟踪信号时信号能量主要分布在I支路这一特点，将传统的宽窄带功率比值法中的宽带进行简化变为仅取I支路信号，而窄带保持不变来进行载噪比估计。在详细推导了改进后算法的载噪比估计的理论表达式后，通过仿真测试进行了验证与分析，最后对K值的选取进行了讨论。测试结果表明，改进后的算法与传统算法的性能基本相当，但相比传统的宽窄带功率比值法而言，在算法复杂度方面加法和乘法次数都减少了1000次左右，约为传统算法的60%，使算法复杂度得到了有效降低。     

基于改进阈值的低压电力线信道中的小波去噪方法

在电力线信道的小波去噪方法中,应用广泛的是小波变换阈值法.但传统的阈值法阈值单一,且在信号连续性较差的情况下,运用传统阈值法还会产生伪吉布斯现象.为了克服阈值法的不足,在平移不变量小波阈值去噪法的基础上,通过仿真低压电力线信道噪声,对阈值函数进一步改进,使阈值的变化与噪声的小波变换随尺度的变化特性相一致.仿真实验可以看出,该方法可以有效改善信号的信噪比,减小原始信号与估计信号之间的均方根误差,对含噪信号有更好的去噪效果.     

短波SC-FDE系统中改进的LS信道估计算法

针对短波单载波频域均衡(SC-FDE)系统中最小二乘(LS)信道估计算法受噪声影响大而导致的估计精度低的问题,提出了一种改进的基于小波去噪的LS信道估计算法。改进算法采用基于分块导频的帧结构,首先用LS算法对信道进行初步估计,然后根据小波多分辨率分析(Mallat)理论将LS估计的结果分解,并设置一个合理阈值对分解得到的小波系数处理,从而消除LS估计的残留噪声,提高估计精度。仿真结果表明,在短波信道下,改进算法不仅减小了系统开销,而且提高了LS估计的性能。     

双模噪声背景下自适应小波阈值去噪

在分析双模噪声模型统计特性的基础上提出自适应小波阈值算法。新算法中设计改进的阈值函数和控制函数,克服了传统硬、软阈值法的不足,并且自适应得到最佳控制因子。该算法对加入双模噪声的信号进行闭环反馈处理：小波分解、阈值量化处理、小波逆变换重构信号、控制函数寻优。Matlab 2012a仿真结果表明,该算法相对于传统硬、软阈值法,去噪图形曲线清晰、光滑、连续性好,信噪比分别提高9 dB和4 dB。在双模噪声背景下,自适应小波阈值去噪有效、可行,拓展了小波阈值算法的应用。     

最小能量框架的跟踪干扰识别和去噪算法

讨论了基于离散信号空间上的最小能量（小波）框架的跟踪干扰信号识别和去噪算法。利用一组框架对采用相位调制的接收信号进行分解，如果受到跟踪干扰，则未干扰区信号和干扰区信号的3个分解子信号将呈现明显不同的能量分布特征，据此提出了一种跟踪干扰信号识别和自适应阈值去噪算法。理论分析和仿真结果表明，识别算法具备低虚警率和漏警率性能，而去噪算法有效抑制了干扰信号能量，10-2 误包率时，BPSK+1/2 Turbo信号中1/16尾部信号受到干信比值10 dB的高斯噪声干扰后，去噪算法获得了约4 dB的增益；而QPSK+1/2 Turbo信号中1/8尾部信号受到干信比值10 dB的高斯噪声干扰后，去噪算法可以把误包率性能从1降低至约0.67的水平。     

一种用于自适应噪声抵消的变步长LMS算法

为了提高LMS自适应滤波算法的性能,在分析已有变步长算法的基础上进行了一些改 进。改进算法用误差信号的自相关来调节步长以实现对不相关噪声的更好抑制,且采 用先固定后变化的方法控制步长,兼顾了暂态和稳态性能。利用改进算法进行了自适应噪声 抵消的仿真实验,结果表明,基于改进变步长LMS算法的自适应噪声抵消器 能有效抵制噪声干扰,对含噪信号具有良好的消噪能力。     

基于相干对消的噪声子空间自适应估计

MUSIC算法的运算量主要集中在特征值分解和空间谱的搜索两部分,为避免进行特征 值分解,将相干信号自适应对消的思想用于噪声子空间的估计。由于阵元输出信号完全相干 ,视一个阵元输出为参考信号,其它阵元输出能够完全对其进行对消,得到的系数矩阵作为 噪声子空间的估计。基于LMS算法,给出了算法的矩阵形式,得到的噪声子空间估计算法的 运算量大大降低,且以迭代的方式进行,适合应用于运动信号源的跟踪,在阵元数较大时能 很好地逼近MUSIC算法性能。为减少空间谱搜索过程的计算量,对搜索过程先用系数矩阵的 一列进行搜索,然后采用其它列对搜索峰值进行验证。仿真结果显示算法具有很好的空间谱 估计性能和DOA跟踪性能。     

星载AIS的复值FastICA算法改进

针对星载船舶自动识别系统(AIS)的含噪复值信号盲分离算法分离效果不佳的问题,提出了改进的复值快速独立分量分析算法（FastICA）。该改进算法针对混合信号数目大于源信号数目的超定情况,对含噪混合信号的协方差矩阵进行特征值分解,利用其噪声对应的几个较小特征值估计噪声方差,修正白化矩阵,再应用Huber M估计函数优化该算法的目标函数。实验结果表明,运用该算法信号均方误差(SMSE)变小,信干比(SIR)变大,提高了信号的分离性能;同时,优化后的目标函数使算法具有良好的稳健性。     

一种基于滤波器组的自适应门限窄带干扰抑制方法

针对直接序列扩频(DSSS)通信中的强窄带干扰,提出了一种基于重叠变换滤波器组的自适应门限窄带干扰抑制技术.该技术根据接收信号经过滤波器组后的统计特性,确定窄带干扰与扩频信号之间的阈值.通过降低高于阈值的子带信号的强度,降低了处理后的信号中的干扰能量,使接收信号的信噪比大大提高.     

基于循环前缀频域自相关的OFDM信号频谱感知

针对无线通信频谱资源有限并且利用率非常低的问题,研究了认知无线电系统中基于信号典型特征的频谱感知策略,并进行动态频谱检测。提出了一种基于循环前缀频域自相关的频谱感知算法,利用正交频分复用（Orthogonal Frequency Division Multiplexing,OFDM）信号的循环前缀具有循环平稳特性,在信号频域进行自相关运算,设定判决门限,完成对信号频谱的检测,同时具备较好的抑制平稳噪声和干扰的能力。在低信噪比或者噪声不确定度大的应用场景下,能够获得比能量检测方法更优、更稳定的频谱感知效果,增强了噪声鲁棒性。在算法中采用双门限检测,进一步减弱了噪声不确定度对检测性能的影响,提高了频谱感知性能。     

基于累积和的改进超宽带循环平稳检测算法

针对超宽带循环平稳检测存在的门限难以设定、低信噪比下检测延迟较大的问题，提出了基于累积和的改进超宽带循环平稳检测算法。首先将信号整个三维循环谱归一化为二维灰度图，与噪声对应的灰度图比较差异，再将两类图像放入卷积神经网络（Convolutional Neural Network,CNN）自行训练提取特征，解决门限难以确定的问题。若分析三维循环谱的时间块长过短，将导致信号灰度图特征在有无噪声情况下区别不大；若块长过长会导致检测延迟较大。为此，采用累积和算法提取网络全连接层输出的信号概率作为累积和的观测统计量，自适应检测所需采样时间长度。将所提算法与传统循环平稳检测以及结合了CNN的循环平稳检测进行对比，仿真表明所提算法在低信噪比下性能最优。     

线性调频-伪码调相复合信号的伪码盲估计新算法

针对线性调频-伪码调相复合信号的伪码估计问题,提出一种基于离散多项式相位变 换和频谱搬移的伪码盲估计新算法。首先采用平方法消去伪码的相位突变,然后利用离散多 项式相位变换估计调频斜率,利用估计的高精度调频斜率重构二阶指数项,对原复合信号进 行解线调,再对解线调后的信号取实部从而可得正弦载波与伪码调相的复合信号,采用频谱 搬移的方法可恢复出原伪码序列。仿真结果表明,该算法在信噪比大于等于3 dB时可正 确估计出伪码,且性能随子脉冲个数的增加而改善,与FM-AM时频分析方法相比具有更好的 估计效果。     

拥挤干扰环境下的一种多载波扩频信号接收波束成形方法

针对拥挤干扰环境中的多载波扩频通信系统,提出了一种基于期望信号波达方向估计和干扰功率空间谱分析的波束成形方法。该方法首先利用多载波扩频调制信号的频率分集特性估计期望信号的波达方向,然后利用空间谱分析估计干扰信号的空间功率分布,在此基础上完成波束成形。该方法能够在拥挤强干扰环境下精确估计信号的波达方向,从而保证了干扰信号空间谱估计的有效性。仿真结果表明,即使干扰信号的功率显著强于期望信号,本算法仍然能够精确地估计出期望信号的波达方向,从而保证算法的有效性。     

同频段混合信号中的无人机信号盲检测识别

无人机信号的探测识别技术是应对无人机黑飞滥用的关键技术之一。在实际信号监测环境中,经常会接收到多个信号的混合信号,它们在时域和频域上混叠且各信号分量调制样式相同。为解决在同频段混合信号中检测识别出无人机信号的问题,提出了一种通过谱特征分析判断无人机信号存在性的方法。分别采用基于二次方谱特征的无人机图传和WiFi混合信号检测识别算法以及基于频谱带宽特征的多无人机混合信号检测识别算法,通过对射频电路采集的信号进行仿真验证,实现了从同频段混合信号中检测识别出无人机信号分量。理论分析和实验测试结果证实了所提检测识别算法的有效性。     

基于噪声分布特性的脉冲信号自适应门限检测

通过分析数字脉冲信号幅度差分的概率分布模型，得到噪声的分布特性，并推导出用于脉冲信号检测的时域自适应门限。该门限可通过计算信号幅度差分绝对值的均值直接得到。该门限算法的第一个优点是门限值仅与噪声统计特性相关，与信号无关，可避免传统自适应算法中检测门限被强信号拉高，造成强信号附近的弱信号漏检问题;第二个优点是计算复杂度低，非常适合于实时性要求高而资源不足的现场可编程逻辑门阵列（FPGA）等硬件平台实现，为脉冲信号的实时捕获和后续的侦察处理提供支撑。     

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。