多循环频率韧性强干扰时延与多普勒频移估计算法

"一种基于多循环频率的韧性时延与多普勒频移联合估计算法，由刘洋和邱天爽提出，结合分数低阶循环模糊函数，适用于SαS脉冲噪声环境，具有优异的抗干扰能力和稳定性。" 本文介绍了一种创新的联合时延与多普勒频移估计算法，特别针对在SαS（对称α稳定）脉冲噪声条件下的信号处理。传统的估计方法在面对这种复杂噪声环境时，其性能往往受到影响，而该算法通过引入分数低阶循环模糊函数，有效提升了在恶劣环境中的估计准确性和鲁棒性。 循环平稳特性是信号分析中的一个重要概念，它描述了信号在经过循环移位后保持的统计特性。在本文中，分数低阶循环模糊函数被用来检测和利用信号的这一特性。通过结合分数低阶矩，即信号的非整数次幂的矩，该算法能够更精确地捕捉到信号的循环频率信息，这对于在脉冲噪声和干扰中识别和分离信号至关重要。 多普勒频移是移动目标或接收器导致的信号频率变化，通常在雷达、无线通信和卫星导航等领域有重要应用。时间延迟则是信号从发射到接收所需的时间，对于定位和同步等任务是必不可少的参数。本文提出的联合估计算法旨在同时准确估计这两个参数，从而提高系统性能。 在实际的仿真测试中，该算法表现出优于基于二阶循环模糊函数和p阶循环模糊函数的算法的性能。即使在强烈的脉冲噪声和干扰环境下，也能保持稳定的工作状态，体现了其卓越的韧性。这表明，该算法在实际应用中具有广泛的应用潜力，特别是在需要高精度时延和多普勒频移估计的场景，如雷达系统、卫星通信和移动通信网络中。 这项研究为时延和多普勒频移的估计提供了一个新的视角和方法，通过利用信号的循环频率信息，增强了在非高斯噪声环境下的估计能力。这一成果不仅有助于理论研究的进步，也为实际系统的改进提供了有价值的工具。