非高斯环境下分数低阶统计量时延估计算法研究

"该文章是2014年发表于《四川理工学院学报(自然科学版)》第27卷第4期的一篇自然科学论文，主要研究基于分数低阶统计量（FLOS）的时延估计算法在非高斯环境下的性能。作者通过对传统高斯模型和α稳定分布模型的对比分析，探讨了在非高斯噪声环境下时延估计的优化方法。该研究得到了四川省杰出青年基金项目、四川省省属高校科研创新团队建设计划基金项目以及人工智能四川省重点实验室基金项目的资助。" 文章详细介绍了时延估计的重要性，它在确定信号源的速度、方位、距离和运动方向等参数方面起到关键作用，尤其在各类定位系统中应用广泛。传统的时延估计算法通常基于高斯模型，利用信号的二阶和高阶统计量，但在实际环境中，信号常常受到非高斯噪声的影响，例如通信线路的瞬时尖峰和环境噪声，这些因素会导致信号时域波形出现明显峰值。 针对这种情况，文章提出采用α稳定分布模型来更好地描述非高斯脉冲信号和噪声。分数低阶统计量（FLOS）被引入作为新的估计工具，因为它们对于非高斯分布具有更强的鲁棒性。通过调整模型参数并进行仿真实验，研究发现，在非高斯环境下，基于FLOS的时延估计算法相对于传统的高斯模型方法，其性能表现更优，能更准确地估计时延。 此外，文章还提及时延估计的一个关键挑战是噪声和干扰的消除。相关性方法作为一种经典时延估计算法，通过计算信号的相关性来测定时间延迟，但在噪声环境下，这种方法可能会受到影响。因此，使用FLOS的方法在噪声抑制方面可能具有更大的潜力。 这篇论文深入研究了非高斯环境下的时延估计问题，提出了基于α稳定分布和FLOS的新方法，并通过仿真验证了其优越性，为时延估计技术在复杂环境中的应用提供了新的思路。这一研究对于提高通信、雷达和导航系统等领域的信号处理性能具有重要意义。