尖峰脉冲噪声下基于分数低阶统计量和函数变换的时延估计新算法.pdf

《尖峰脉冲噪声下基于分数低阶统计量和函数变换的时延估计新算法.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第l5卷第20期2015年7月科学技术与工程V01．15No．20Ju1．2015l671—1815(2015)20—0058—08ScienceTechnologyandEngineering⑥2015Sci．Tech．Engrg．通信技术尖峰脉冲噪声下基于分数低阶统计量和函数变换的时延估计新算法唐利翰谢显中雷维嘉(重庆邮电大学个人通信研究所，重庆400065)摘要针对稳定分布噪声环境下的时延估计问题，对最大似然加权估计法进行改进，给出了三种高效实用的新算法。首先，以分数低阶统计量为基础，提出了一种基于分数低阶统计量的最大似然时延估计算法(FLO—ML算法)；其次，通过函数变换，提出

2、了两种不依赖于分数低阶统计量的新算法(Log—ML算法和UDE—ML算法)；进一步，本文还详细讨论了三种新算法的适用范围及计算复杂度。仿真分析表明，三种新算法均能在分数低阶稳定分布噪声环境下实现准确的时延估计，其性能优于同类算法，同时三种新算法都能在传统高斯噪声环境下保持良好的稳健性。关键词最大似然加权算法稳定分布噪声时延估计分数低阶统计量函数变换中图法分类号TN92；文献标志码A时延估计一直是通信信号处理领域中的一个重声环境中性能退化的缺陷¨；此外，文献[11]还给要研究内容，目前已经有多种时延估计方法¨一J，比出了一种脉冲噪声环境下的SCOT加权时间延迟估如相关法、广义相关法、相位

3、谱法等，在高斯噪声模计方法(FLO—SCOT算法)。型下，这些算法都有着良好的估计性能。但是，在无广义加权相关时延估计(GCC)是在基本时延线通信中有一类特殊的噪声，这类噪声拥有短时的估计算法上改进而来，GCC在作相关之前对接收信尖峰脉冲，不能用传统的高斯噪声模型进行对其进号进行预白化处理，增强了信号中信噪比较高的频行描述，稳定分布是描述这种噪声的最佳率成分，提高了信噪比，从而提高了时延估计精模型J。确度。研究表明，稳定分布过程不具有阶次大于特文献[7]中的PHAT算法和文献[10]中的征指数oc的统计量，所以上述几种基于二阶统计量ROTH算法都属于广义加权相关时延估计法，与这的方法在

4、分数低阶(<2)稳定分布噪声环境下两种算法类似，最大似然(ML)加权算法也是广会出现性能退化甚至失效。为此，一些文献针对这义加权相关时延估计法中的一种，是一类典型的二一点进行了研究’。，GeorgiouPG和TsakalidesP阶时延估计方法。在高斯白噪声环境中，它优于等描述了O／稳定分布噪声模型，并且将PHAT加权PHAT算法和ROTH算法，是一种可以达到Cramer—算法运用到了稳定分布噪声环境中；郭莹、邱Rao下界的最优估计法¨。然而，由于最大似然天爽等解决了EDTE算法和谱相干算法在分数低阶(ML)加权算法的二阶特性，导致其在分数低阶稳稳定分布噪声环境性能退化的问题；孙永梅、

5、定分布噪声环境下性能退化。目前，没有把最大似李桂林等提出了基于ROTH加权的韧性时延估计然加权时延估计算法运用到稳定分布噪声环境下方法，从而解决了ROTH加权算法在稳定分布噪的文献及研究。本文针对Ol稳定分布噪声环境下的时延估计问2015年3月24日收到国家自然科学基金(61271259，61301123)、题，对传统最大似然加权估计法进行改进，给出了三重庆市教委科学技术研究项目(KJ120501，KJ130536)、种高效实用的新算法。首先，以分数低阶统计量为重庆邮电大学科研基金项目(A2014—10)、基础，提出了一种基于分数低阶统计量的最大似然长江学者和创新团队发展计划(IRT1

6、299)、时延估计算法(FLO—ML算法)；其次，通过函数变重庆市科委重点实验室专项经费(CSTC)资助第一作者简介：唐利翰(1990一)，男，重庆永川人，硕士研究生。研换，提出了两种不依赖于分数低阶统计量的新算法究方向：数字信号处理。E-mail：tanglh—three@163．corn。(Log．ML算法和UDE．ML算法)；进一步，本文还详细讨论了三种新算法的适用范围及计算复杂度。仿20期唐利翰，等：尖峰脉冲噪声下基于分数低阶统计量和函数变换的时延估计新算法59G(-厂)=(_厂)G：((5)式(5)中，H(1厂)表示广义加权函数，不同的广义加权函数即对应不同的广义相关算法，最

7、大似然(ML)加权函数为：1严Ot稳定分布噪声下最大似然加权／-／(f)‘(6)算法分析式(6)中，(12称作幅度平方相干函数，其具：体结构为：l：(I=G(G(J3。：·(n)=s()+凡-(n)f从最大似然(ML)加权函数可以看出，最大似】)然加权依赖于幅度平方相干函数和接收信号的互相关谱，从实质上来说是这种方法是二阶估计法。(m)=E[x。(n)x(n+m—D)]=E{[s(n)+n(n)][s(+m—D)+n2(n+m—D)]I_E[s