基于粒子濾波的多分量調(diào)頻定距偵察信號(hào)分離與參數(shù)提取.pdf

1、單通道信號(hào)分離問題廣泛存在于無線電偵測、語音信號(hào)分離、生理電信號(hào)去噪聲等領(lǐng)域,由于接收傳感器只有一個(gè),獨(dú)立分量分析等傳統(tǒng)多通道信號(hào)分離算法并不適用。粒子濾波算法作為基于蒙特卡羅方法的貝葉斯濾波,適用于非線性系統(tǒng)以及非高斯噪聲環(huán)境,且濾波方法簡單,可較好的解決多參數(shù)估計(jì)中存在的非線性和復(fù)雜性問題。因此研究粒子濾波算法在單通道混合信號(hào)分離問題中的應(yīng)用具有重大的意義。
　　 本文首先介紹了粒子濾波基礎(chǔ)理論,并詳細(xì)分析了粒子濾波算法在混

2、合信號(hào)分離中存在的問題和解決思路。隨后介紹了單通道多分量正弦調(diào)頻定距信號(hào)的參數(shù)估計(jì)方法,提出了一種基于相位差的狀態(tài)空間降維思路,通過正交信號(hào)恢復(fù)信源信號(hào)相位差,使用粒子濾波算法估計(jì)相位差相關(guān)部分參數(shù),從而完成狀態(tài)空間降維,解決了本課題中高維狀態(tài)空間下粒子濾波問題。提出了一種高維空間下粒子濾波似然函數(shù)模型,比較固定長度粒子估計(jì)值和真實(shí)值誤差,進(jìn)而準(zhǔn)確衡量粒子權(quán)重。通過在重采樣后引入MCMC轉(zhuǎn)移,解決了靜止參數(shù)下粒子多樣性降低問題,有效提高

3、粒子濾波迭代收斂速度。在相位差估計(jì)參數(shù)基礎(chǔ)上,由時(shí)域波形粒子濾波估計(jì)剩余參數(shù),從而完成多分量正弦調(diào)頻信號(hào)所有參數(shù)提取。隨后介紹了單通道多分量線性調(diào)頻混合信號(hào)參數(shù)估計(jì)方法,以及線性調(diào)頻和正弦調(diào)頻混合信號(hào)參數(shù)估計(jì)方法,解決了線性調(diào)頻和正弦調(diào)頻混合信號(hào)相位差粒子濾波狀態(tài)空間降維問題,并分析了相位差恢復(fù)符號(hào)模糊對(duì)參數(shù)估計(jì)的影響及其解決辦法。最后建立了單通道混合信號(hào)參數(shù)估計(jì)算法的硬件仿真平臺(tái),介紹了仿真平臺(tái)各模塊設(shè)計(jì)思路及其功能,實(shí)現(xiàn)了粒子濾波參