基于分?jǐn)?shù)低階統(tǒng)計(jì)量的時(shí)延估計(jì)算法性能分析-論文.pdf

《基于分?jǐn)?shù)低階統(tǒng)計(jì)量的時(shí)延估計(jì)算法性能分析-論文.pdf》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在應(yīng)用文檔-天天文庫(kù)。

1、第27卷第4期9)3l理工學(xué)院學(xué)報(bào)(自然科學(xué)版)Vo1．27Nn42014年8月JournalofSichuanUniversityofScience&Engineering(NaturalScienceEdition)Aug．2014文章編號(hào)：1673-1549(2014)04-0038-05DOI：10．11863／j．suse．2014．04．10基于分?jǐn)?shù)低階統(tǒng)計(jì)量的時(shí)延估計(jì)算法性能分析湯勇，熊興中(四川理工學(xué)院自動(dòng)化與電子信息學(xué)院，四川自貢643000)摘要：傳統(tǒng)的時(shí)延估計(jì)算法大多建立在高斯模型的基礎(chǔ)上，利用信號(hào)的二階、高階估計(jì)量，可以得到理想的結(jié)果。然而，現(xiàn)實(shí)

2、中的信號(hào)往往都處在非高斯環(huán)境下，如通信線路瞬間尖峰和環(huán)境噪聲等，這一類信號(hào)的時(shí)域波形中存在一個(gè)明顯的峰值，這時(shí)利用穩(wěn)定分布模型可以較好地表述非高斯脈沖信號(hào)和噪聲。因此有必要對(duì)O／穩(wěn)定分布模型下的，基于分?jǐn)?shù)低階統(tǒng)計(jì)量(FLOS)的時(shí)延估計(jì)算法進(jìn)行研究。通過調(diào)整參數(shù)取值得到的仿真結(jié)果，證明了在非高斯情況下，基于FLOS的時(shí)延估計(jì)算法相對(duì)于傳統(tǒng)算法估計(jì)效果更好。關(guān)鍵詞：時(shí)延估計(jì)；分?jǐn)?shù)低階；非高斯噪聲；Ot穩(wěn)定分布中圖分類號(hào)：TN911文獻(xiàn)標(biāo)志碼：A這種采用相關(guān)法進(jìn)行估計(jì)的算法。相關(guān)分析，是在時(shí)間引言域上，比較兩個(gè)信號(hào)相似程度的基本方法。傳統(tǒng)的時(shí)延時(shí)間延遲，是指由于同源帶噪信號(hào)

3、到達(dá)各個(gè)接收端估計(jì)，很多情況下都是基于高斯模型假設(shè)的，也即是假之間的傳輸距離不同而產(chǎn)生的時(shí)間差。時(shí)延估計(jì)則是定信號(hào)和噪聲，都是服從高斯分布的。在這種假定前提指采用信號(hào)處理或者參數(shù)估計(jì)等方法，準(zhǔn)確地測(cè)量和估下，利用接收信號(hào)的二階或者高階累積量，通常就能得算時(shí)間延遲，從而確定信號(hào)來源的速度、方位、距離和運(yùn)到更佳好的結(jié)果。然而，在實(shí)際情況中，往往是非高動(dòng)的方向等參數(shù)。因此，時(shí)延估計(jì)技術(shù)廣泛應(yīng)用于各種斯噪聲，如水聲信號(hào)、環(huán)境噪聲、通信線路瞬間尖峰、大定位系統(tǒng)中。氣低頻雷電噪聲等。這一類信號(hào)的時(shí)域波形，有一個(gè)明時(shí)延估計(jì)首先要處理的問題，是如何快速準(zhǔn)確地將顯的峰值，這時(shí)由穩(wěn)定分布模

4、型能較好地描述非高斯接收到的同源信號(hào)間的時(shí)間延遲測(cè)定出來。由于接收脈沖信號(hào)和噪聲。因此傳統(tǒng)的基于二階統(tǒng)計(jì)量及基于裝置有噪聲干擾，因而接收到的目標(biāo)信號(hào)，往往湮沒在高階累積量的方法都不再適用，因而近年來出現(xiàn)了描述噪聲、干擾之中。因此，在信號(hào)的時(shí)延估計(jì)中，必須首先非高斯噪聲的基于分?jǐn)?shù)低階統(tǒng)計(jì)量FLOS的時(shí)延估計(jì)算去除噪聲、干擾的影響。法，以及穩(wěn)定分布模型。在眾多時(shí)延估計(jì)算法中，相關(guān)性方法是應(yīng)用最廣、10[穩(wěn)定分布和分?jǐn)?shù)低階統(tǒng)計(jì)量最為經(jīng)典的估計(jì)法之一，它通過計(jì)算信號(hào)的自相關(guān)函數(shù)，然后比較它們峰值的滯后情況，從而估計(jì)信號(hào)之間1．1穩(wěn)定分布延遲的時(shí)間差。這種方法既簡(jiǎn)單易懂，又容易實(shí)

5、現(xiàn)，因高斯分布中，模型建立是依據(jù)中心極限定理，同樣而被廣泛應(yīng)用于時(shí)延估計(jì)中。本文主要討論的，正是地，n穩(wěn)定分布也是依據(jù)中心極限定理。根據(jù)中心極限收稿日期：2014-02-25基金項(xiàng)目：四川省杰出青年基金項(xiàng)目(2011JQ0034)；四川省省屬高?？蒲袆?chuàng)新團(tuán)隊(duì)建設(shè)計(jì)劃基金項(xiàng)目(13TD0017)；人工智能四川省重點(diǎn)實(shí)驗(yàn)室基金項(xiàng)目(2012RYJ05)作者簡(jiǎn)介：湯勇(1988-)，男，四川自-i-A．，碩士生，主要從事現(xiàn)代信號(hào)處理方面的研究，(E-mm1)346965751@qq．com第27卷第4期湯勇等：基于分?jǐn)?shù)低階統(tǒng)計(jì)量的時(shí)延估計(jì)算法性能分析39定理，當(dāng)一個(gè)隨機(jī)現(xiàn)象由

6、無窮多個(gè)、存在有限方差的獨(dú)、特征指數(shù)為、對(duì)稱參數(shù)為JB的穩(wěn)定分布而言，立分量構(gòu)成，那么這種現(xiàn)象就近似看成服從高斯分布。有：相對(duì)于中心極限定理，存在瞢一個(gè)更加一般性的定理，y=(3)即廣義中心極限定理。根據(jù)廣義中心極限定理可以知道，對(duì)于任意具有相同分布的獨(dú)立的隨機(jī)變量，無論各任意的對(duì)稱穩(wěn)定分布均能通過式(3)進(jìn)行標(biāo)準(zhǔn)化。因個(gè)隨機(jī)變量存在有限方差與否，只要變量的數(shù)目無限增此，本文均假定盧：0，。=0，y=1，即對(duì)稱標(biāo)準(zhǔn)穩(wěn)定加，那么變量之和必將收斂于穩(wěn)定分布簇。這樣，與分布情況。高斯分布的形成相同，非高斯穩(wěn)定分布同樣是來源于作為建模工具，穩(wěn)定分布具有很高的變通性，這多個(gè)隨機(jī)變

7、量之和。因此，如果對(duì)觀測(cè)信號(hào)或噪聲信號(hào)主要是由它的特征指數(shù)決定的，在0