改进的α稳定脉冲噪声下循环平稳信号TDOA估计：新算法与性能提升

本研究聚焦于在α稳定分布脉冲噪声和干扰背景下，循环平稳信号到达时间差（TDOA）的精确估计。传统的基于信号选择和分数低阶统计（FLOS）的TDOA方法在处理这类非高斯噪声条件下往往表现出性能下降的问题。为了提升算法的鲁棒性和准确性，作者提出了一种创新的方法，利用了分数低阶循环平稳性理论。 首先，研究人员开发了一种多周期策略，这种方法通过对循环平稳信号的多个周期进行分析，提高了对信号特征的捕捉能力，从而更好地抑制了α稳定脉冲噪声的影响。这种方法的优势在于它能够有效地识别和滤除噪声中的周期性模式，使得信号的循环平稳特性得以更充分地利用。 其次，他们还引入了广义分数阶低阶光谱相干方法，这是一种更为精细的分析工具，能够深入挖掘信号的分数阶循环统计特性。通过这种方法，即使在复杂的噪声环境中，也能提取出信号的内在结构，从而提高了TDOA估计的精度。 实验结果显示，新提出的算法在处理α稳定脉冲噪声和干扰信号时展现出显著的优势，其估计精度相较于传统方法有了显著提升。这主要归功于算法对循环平稳信号的高效利用和对噪声干扰的有效抑制。因此，该研究不仅扩展了TDOA估计技术的应用范围，也为在实际通信系统中处理复杂噪声环境提供了新的解决方案。 总结来说，这项工作的重要贡献在于： 1. 提出了基于分数低阶循环平稳性的信号选择算法，有效抵抗了α稳定分布脉冲噪声。 2. 利用多周期策略和广义分数阶低阶光谱相干方法，提升了信号检测和TDOA估计的鲁棒性。 3. 实验证明了新方法在实际应用中的优越性能，特别是在高噪声和干扰环境下。 这对于信号处理领域的研究者和工程师而言，是一篇重要的参考资料，有助于改进在通信、雷达和信号同步等领域的TDOA估计技术。