论文部分内容阅读
传统的跳频信号参数估计中,一般将背景噪声建模为高斯过程。但很多研究表明,无线通信信道中的噪声常常伴有显著的短时大幅度脉冲,比如多用户干扰、大气雷暴噪声、电磁干扰等。这些现实世界的噪声实际上是具有突出尖峰脉冲特性的非高斯分布,诸多文献证实了alpha稳定分布是描述这类脉冲噪声的有效模型。在扩频通信的信号处理中,对于具有显著脉冲特性的噪声,常规算法会失去稳健性从而导致性能退化。本文针对这一问题,研究了alpha稳定分布噪声下跳频信号参数估计的稳健方法。跳频是扩频通信的扩频方式之一,其抗干扰能力强、频谱利用率高,具有优秀组网能力。在非协作情况下,对跳频信号进行参数盲估计是跳频通信研究的难点。由于跳频信号瞬时频率随机跳变,因此常采用时频分析方法进行参数估计。常规时频分析方法中,短时傅里叶变换原理简单、实时性好,但因为窗函数时宽固定导致时频分辨率单一;WVD可以同时得到较高的时频分辨率但交叉项干扰严重;SPWVD的参数估计性能非常好,但是计算复杂度高,无法满足实时性;S变换可以看作是短时傅里叶变换的扩展形式,具有与频率成反比的多分辨率特性。然而对于alpha稳定分布噪声下的跳频信号,常规时频分析方法性能下降甚至失效。针对这一问题,本文提出了两种稳健时频分析方法。其中一种改进方法基于分数低阶统计量,称为分数低阶时频分析方法;另一种则是以极小极大化Huber稳健统计理论为依据,通过迭代过程来降低常规方法对脉冲噪声的敏感度。本文采用这两种稳健方法来改进传统的时频分析方法以增强其稳健性,然后应用得到的稳健时频分析方法处理alpha稳定分布噪声下的跳频信号并进行参数估计。仿真实验表明本文提出的两种稳健方法可以有效地估计出脉冲噪声下跳频信号的参数,且上述两种改进的参数估计方法的性能明显优于常规方法。