复杂电磁环境下的信号检测与估计关键技术

非线性随机共振论文 复杂电磁环境论文 微弱信号检测论文 非高斯信号接收论文
论文详情
随着无线通信技术的飞速发展,通信信号的体制和调制样式复杂多样,频谱日益拥挤和重叠,导致背景噪声与干扰显著提高,电磁环境极其复杂。这种复杂的电磁环境对于无论军事领域还是民用领域的无线通信系统都会形成严重的电磁噪声干扰,甚至会使通信联络中断,因而对于无线通信系统尤其是对于接收端的信号检测与估计提出了更高的要求和更严峻的挑战。由于非线性随机共振处理技术对于滤除干扰噪声和检测微弱信号具有较好效果,甚至可以利用噪声来增强有用信号,使得这一非线性现象在生物、化学、电子、图像处理等领域得到广泛应用。尽管如此,将随机共振理论应用于无线通信系统,仍然面临模型设计、复杂信号处理、参数优化与自适应控制等诸多关键问题。因此,针对当前无线通信面临的迫切需求和严峻挑战,本文将非线性科学领域的随机共振技术引入到复杂电磁环境下的信号检测与估计当中,在深入研究典型随机共振系统原理及其特性,并解决随机共振相关瓶颈问题的基础上,提出基于非线性随机共振系统的微弱信号检测、非高斯信号接收和信号参数估计等关键技术,进一步提升无线通信系统的接收性能。首先,对典型非线性系统中的随机共振现象及其原理进行详细描述和深入研究,为后续随机共振的实际应用提供了理论基础。将周期信号和噪声输入双稳态模型和单阈值模型这两种典型随机共振系统,研究和分析了因非线性系统、信号和噪声之间的协同效应而产生的随机共振现象及其机理。提出了基于线性变换的系统参数调整策略,并解决了SR系统参数最优化和复杂信号处理等问题,获得了最佳的随机共振处理性能。接下来,提出了复杂电磁环境下基于双稳态SR系统的能量检测算法,证明了随机共振处理能够实现噪声能量向信号能量转移,从而有效削弱了噪声不确定度的影响,进而改善1-2dB检测性能。并且,提出了基于双稳态SR系统的截尾序贯检验算法,推导了最佳截尾门限,进一步缩短了50%的检测时间。此外,提出了基于广义SR系统的能量检测算法,推导了最佳SR噪声的概率密度解析式,仅通过增加SR噪声就能改善检测性能。其次,将随机共振系统应用到广义高斯噪声情况下的信号最佳接收中,从而降低了误码率和改善接收性能。复杂环境下背景噪声的非高斯分布特性会导致线性最佳接收算法性能的急剧恶化,因此在分析了阵列阈值随机共振系统输出信号特征基础上,提出了基于阵列阈值系统的非线性接收算法。采用基于直接搜索法的阈值噪声自适应调整策略,实现了输出信噪比和误码率的最优化。理论推导和仿真结果表明在拉普拉斯型等非高斯分布噪声下,所提算法的接收性能优于基于匹配滤波的线性最佳接收算法1-3dB,从而保障了非高斯噪声下无线通信系统的接收性能。最后,针对复杂环境下的直接扩频信号估计需求,提出了基于广义随机共振系统和特征分解技术的信号参数估计算法。发现了电平通过率估计算法中的随机共振现象,并提出了基于该SR模型的最大多普勒频移估计算法,通过实现背景噪声与多普勒估计器之间的匹配,改善多普勒估计性能达1.5dB以上。与此同时,根据直接扩频信号相似性和特征分解原理,提出了一种基于平均互相关和特征分解的伪码序列估计算法,性能分析和仿真结果表明所提算法有效克服了部分反码问题和提高了2dB以上的抗噪声性能。
作者简介第4-6页
摘要第6-8页
Abstract第8-9页
第一章 绪论第13-25页
    1.1 研究背景及意义第13-22页
        1.1.1 复杂电磁环境与需求分析第13-16页
        1.1.2 信号检测与估计研究现状第16-19页
        1.1.3 随机共振发展与应用第19-21页
        1.1.4 随机共振存在的问题第21-22页
    1.2 本文主要工作和创新性第22-23页
    1.3 本文各章内容安排第23-25页
第二章 随机共振理论基础与模型第25-53页
    2.1 随机共振系统分类与度量第25-28页
        2.1.1 随机共振系统分类第25-27页
        2.1.2 随机共振度量方法第27-28页
    2.2 稳态随机共振系统原理与性能分析第28-41页
        2.2.1 双稳态系统中的随机共振现象第29-31页
        2.2.2 基于绝热近似理论的随机共振原理第31-34页
        2.2.3 双稳态系统的信噪比处理增益推导第34-37页
        2.2.4 基于线性变换的系统参数调整方法第37-38页
        2.2.5 双稳态系统的数值求解与稳定性分析第38-40页
        2.2.6 系统仿真与结果分析第40-41页
    2.3 阈值随机共振系统原理与性能分析第41-51页
        2.3.1 输入输出信号特征分析第43-44页
        2.3.2 单阈值系统的信号增益第44-45页
        2.3.3 单阈值系统的噪声增益第45-46页
        2.3.4 单阈值系统的信噪比增益第46-48页
        2.3.5 单阈值系统参数最优化第48-50页
        2.2.6 系统仿真与结果分析第50-51页
    2.4 本章小结第51-53页
第三章 基于随机共振的微弱信号检测第53-85页
    3.1 引言第53-55页
    3.2 基于双稳态随机共振系统的能量检测算法第55-66页
        3.2.1 能量检测算法原理第55-56页
        3.2.2 BSR-ED算法结构和计算过程第56-58页
        3.2.3 检测概率推导与比较第58-59页
        3.2.4 噪声不确定度的影响第59-61页
        3.2.5 BSR-ED算法参数最优化第61-62页
        3.2.6 算法仿真与结果分析第62-66页
    3.3 基于双稳态随机共振系统的序贯概率比检验算法第66-77页
        3.3.1 序贯概率比检验算法原理第66-68页
        3.3.2 BSR-SPRT算法结构与计算过程第68-69页
        3.3.3 平均样本数推导第69-71页
        3.3.4 最佳截尾门限确定第71-72页
        3.3.5 计算复杂度比较第72-73页
        3.3.6 算法仿真与结果分析第73-77页
    3.4 基于广义随机共振系统的能量检测算法第77-84页
        3.4.1 GSR-ED算法理论推导第77-79页
        3.4.2 最佳噪声参数确定第79-81页
        3.4.3 算法仿真与结果分析第81-84页
    3.5 本章小节第84-85页
第四章 基于随机共振的非高斯信号接收第85-103页
    4.1 引言第85-87页
    4.2 信号最佳接收模型与理论基础第87-89页
    4.3 基于阵列阈值随机共振系统的非线性接收算法第89-101页
        4.3.1 阵列阈值系统处理过程第89-92页
        4.3.2 SSR接收算法误码率分析第92-95页
        4.3.3 SSR系统输出信噪比推导第95-96页
        4.3.4 SSR系统参数最优化第96-98页
        4.3.5 算法仿真与结果分析第98-101页
    4.4 本章小结第101-103页
第五章 基于随机共振的直接扩频信号估计第103-131页
    5.1 引言第103-105页
    5.2 基于广义随机共振系统的最大多普勒频移估计第105-119页
        5.2.1 多径衰落信道模型第105-107页
        5.2.2 莱斯信道下的电平通过率推导第107-108页
        5.2.3 多普勒估计算法中的随机共振现象第108-111页
        5.2.4 GSR-LCR算法原理与计算过程第111-113页
        5.2.5 算法仿真与结果分析第113-119页
    5.3 基于平均互相关和特征分解的扩频伪码估计算法第119-130页
        5.3.1 基于平均互相关的伪码起始位置确定第120-121页
        5.3.2 基于特征分解的伪码序列估计第121-123页
        5.3.3 估计性能分析第123-126页
        5.3.4 计算复杂度比较第126-127页
        5.3.5 算法仿真与结果分析第127-130页
    5.4 本章小结第130-131页
第六章 总结与展望第131-133页
    6.1 主要工作与贡献第131-132页
    6.2 有待于进一步研究的问题第132-133页
参考文献第133-145页
缩略词第145-147页
致谢第147-149页
攻读博士学位期间的研究成果第149-150页
    发表学术论文第149-150页
    撰写申请专利第150页
    参加科研项目第150页
论文购买
论文编号ABS540295,这篇论文共150页
会员购买按0.30元/页下载,共需支付45
不是会员,注册会员
会员更优惠充值送钱
直接购买按0.5元/页下载,共需要支付75
只需这篇论文,无需注册!
直接网上支付,方便快捷!
相关论文

点击收藏 | 在线购卡 | 站内搜索 | 网站地图
版权所有 艾博士论文 Copyright(C) All Rights Reserved
版权申明:本文摘要目录由会员***投稿,艾博士论文编辑,如作者需要删除论文目录请通过QQ告知我们,承诺24小时内删除。
联系方式: QQ:277865656