CN107517100A - 基于对数矩的时间差检测方法 - Google Patents
基于对数矩的时间差检测方法 Download PDFInfo
- Publication number
- CN107517100A CN107517100A CN201710649179.7A CN201710649179A CN107517100A CN 107517100 A CN107517100 A CN 107517100A CN 201710649179 A CN201710649179 A CN 201710649179A CN 107517100 A CN107517100 A CN 107517100A
- Authority
- CN
- China
- Prior art keywords
- mrow
- msub
- log
- signal
- mtr
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L7/00—Arrangements for synchronising receiver with transmitter
- H04L7/0054—Detection of the synchronisation error by features other than the received signal transition
Abstract
本发明提供了一种基于对数矩的时间差检测方法,其特征在于,包括以下步骤:步骤1、接收到两路信号x1(n)和x2(n),设信号x1(n)为先到信号,信号x2(n)为后到达信号;步骤2、将信号x1(n)和x2(n)变换到对数域,再用MA移动平均自适应滤波器模拟信道对后到达信号的延迟效应,从而检测出两路信号到达的时间差。本发明提出的方法可以用于强脉冲噪声环境下的信号时间差的检测,在实际应用中有较好的鲁棒性和方便性。
Description
技术领域
本发明属于电子信息领域里的信号处理技术,用于风速测定、汽车倒车雷达、无线电定位、生理信号信息检测等,可以广泛应用于工业、导航和医学等领域。
背景技术
工业、导航和医学等诸多领域,都需要信号处理技术。时间差指的是同源信号经过不同路径到达不同接收器之间的时刻之差,或同时发出的不同源信号经过不同路径到达同一接收器的时刻之差。时间差是信号的一个重要参数,由此可进一步确定距离、方位、速度、信道的结构特点、温度等其他有关参数。
传统的时间差检测方法是基于高斯分布模型,如相关法和最小均方误差自适应方法。这些基于二阶统计量的算法,对大的异常值比较敏感,在实际使用时缺乏鲁棒性。夹杂在信号中的噪声是不可避免的,实际采集的信号常常含有脉冲噪声,如机器噪声、环境噪声、大气噪声、医学噪声。近年,基于一种广义高斯分布——α稳定分布模型和分数低阶统计量的算法已经得到重视和发展,如共变方法和最小平均p范数自适应方法。采用这些方法对含有脉冲噪声信号的时间差进行检测时,在脉冲性很强时,鲁棒性也变弱。此外,Alpha稳定分布只存在小于α阶的分数低阶统计量,即E|X|p<∞,p<α。p阶矩的选取需要有α的先验知识或对α值进行估计,在使用时受到一定的限制。
发明内容
本发明的目的是基于对数矩概念和理论,结合自适应滤波的原理,提出一种具有较强鲁棒性且方便使用的自适应时间差检测方法。
为了达到上述目的,本发明的技术方案是提供了一种基于对数矩的时间差检测方法,其特征在于,包括以下步骤:
步骤1、接收到两路信号x1(n)和x2(n),设信号x1(n)为先到信号,信号x2(n)为后到达信号,且有:
x1(n)=s(n-d1)+v1(n)
x2(n)=λs(n-d2)+v2(n)
式中,d1及d2分别为信号x1(n)和x2(n)到达两个传感器的时间延迟;λ为衰减因子;v1(n)和v2(n)分别为两传感器接收到的背景噪声;
步骤2、将信号x1(n)和x2(n)变换到对数域,再用MA移动平均自适应滤波器模拟信道对后到达信号的延迟效应,从而检测出两路信号到达的时间差,有:
式中,e(n)为模型误差;w(i),i=0,…,Q为MA滤波器的权矢量;
MA移动平均自适应滤波器收敛时,在i=D处权矢量有最大值,D=d2-d1为信号x1(n)和x2(n)的到达时间差真值,即i≠D时|w(i)|<|w(D)|,MA滤波器权矢量最大值对应的时间序号就是两路信号到达的时间差。
优选地,信号x1(n)和x2(n)变换到对数域的信号为y1(n)和y2(n):
y1(n)=log|x1(n)|
y2(n)=log|x2(n)|
则有,
优选地,采用最小均方误差优化准则自适应得到MA滤波器权矢量的收敛值,代价函数J为:
式中,ε是为了避免信号为零时对数操作无意义而取的一个小的正数;
用最速下降法来搜索代价函数J的最小值:
MA滤波器的迭代方程如下:
式中,μ为(麻烦补充);
在对数域的最小均方误差准则下,实际上就是对数域的二阶矩,优化MA滤波器权矢量,时间差的检测值为:
本发明提出的方法可以用于强脉冲噪声环境下的信号时间差的检测,在实际应用中有较好的鲁棒性和方便性。
附图说明
图1为基于对数矩的时间差检测方法的系统结构框图;
图2(a)至图2(d)为最小平均p范数自适应算法和对数域的最小均方误差算法的估计效果比较,其中:
图2(a)中,α=1.6,最小平均p范数自适应算法;
图2(b)中,α=1.6,对数域的最小均方误差算法;
图2(c)中,α=1.0,最小平均p范数自适应算法;
图2(d)中,α=1.0,对数域的最小均方误差算法。
具体实施方式
为使本发明更明显易懂,兹以优选实施例,并配合附图作详细说明如下。
本发明提供的一种基于对数矩的时间差检测方法首先对带噪信号进行对数映射,使其各阶矩存在,再利用自适应滤波器检测两路信号到达的时间差信息。
对于随机变量X,定义E(Y)=E(log|X|)为其对数矩(或称为对数域一阶矩),有如下定理。
定理:若随机变量X的分布具有代数型拖尾(或拖尾较厚),则:
E(log| X|)<∞ (1)
该定理表明不具有二阶矩的随机变量X具有有限的对数矩。
E(|X|p)=E(eplog|X|)=C(p,α)γp/α (2)
式(2)中,γ为(麻烦补充)。
定义Y=log|X|,则E(epY)为Y的矩生成函数,且:
式(3)、(4)中,k为(麻烦补充)。
Y的各阶矩总是存在的,即随机变量X对数域的各阶矩总是存在的。
在时间差的检测中,可以假定两路接收信号x1(n)和x2(n)满足如下的模型:
式(5)中,d1及d2分别为信号x1(n)和x2(n)到达两个传感器的时间延迟;λ为衰减因子;v1(n)和v2(n)分别为两传感器接收到的背景噪声。可以用α稳定分布来描述,α值指示脉冲的强度,α值越小脉冲性越强。假设信号与噪声、噪声与噪声是统计独立的。需要检测的两路接收信号的到达时间差真值为D=d2-d1,假设d1<d2,即观测信号x1(n)为先到达信号、x2(n)为后到达信号。
首先将它们变换到对数域,再用MA移动平均自适应滤波器模拟信道对后到达信号的延迟效应,从而检测出两路信号到达的时间差,其系统结构框图,如图1所示。
式(6)中,e(n)为模型误差;w(i),i=0,…,Q为MA滤波器的权矢量。MA移动平均自适应滤波器收敛时,在i=D处权矢量有最大值,即i≠D时|w(i)|<|w(D)|,MA滤波器权矢量最大值对应的时间序号就是两路信号到达的时间差。
MA滤波器权矢量表示为信号x1(n)和x2(n)变换到对数域的信号为y1(n)和y2(n),y1(n)=log|x1(n)|,y2(n)=log|x2(n)|,则对数域误差信号为:
在对数域,信号的二阶矩存在。因此,可以采用最小均方误差优化准则自适应得到MA滤波器权矢量的收敛值,从而获得时间差的信息。代价函数如式(8)所示:
式(8)中,ε是为了避免信号为零时对数操作无意义而取的一个小的正数。
用最速下降法来搜索代价函数J的最小值:
MA滤波器的迭代方程如下:
式中,μ为(麻烦补充);
在对数域的最小均方误差准则下,实际上就是对数域的二阶矩,优化MA滤波器权矢量,时间差的检测值为:
下面用计算机仿真实验来验证本发明提出方法的鲁棒性和方便性。仿真中与最小平均p范数自适应方法进行了对比。
按照式(1)产生两路输入信号,源信号s(n)为零均值的白高斯过程,脉冲噪声v1(n)和v2(n)是零均值α稳定过程,信号与噪声、噪声与噪声之间是独立的。设定混合信噪比MSNR=0dB,时间差真值D=20Ts(Ts为采样周期)。MA滤波器权矢量的初始值设定为w(0)=0,取小的正数ε=1×10-4。最小平均p范数自适应方法算法中取p≤α。
在α=1.6及α=1.0两种条件下,测试最小平均p范数自适应算法和本发明提出的对数域的最小均方误差算法的估计效果。迭代到10000点时MA滤波器收敛,权矢量曲线(均为独立运行50次的平均),如图2(a)至图2(d)所示。
从图2(a)至图2(d)中可以看出,最小平均p范数自适应算法仅仅在噪声的特征指数α=1.6时可以由权矢量峰值的序号得到准确的时间差估计值在α=1.0时不能获得时间差的估计值信息。而对数域的最小均方误差算法在噪声的特征指数α=1.6及α=1.0两种条件下均可以由权矢量峰值的序号准确地得到时间延迟的估计值
Claims (3)
1.一种基于对数矩的时间差检测方法,其特征在于,包括以下步骤:
步骤1、接收到两路信号x1(n)和x2(n),设信号x1(n)为先到信号,信号x2(n)为后到达信号,且有:
x1(n)=s(n-d1)+v1(n)
x2(n)=λs(n-d2)+v2(n)
式中,d1及d2分别为信号x1(n)和x2(n)到达两个传感器的时间延迟;λ为衰减因子;v1(n)和v2(n)分别为两传感器接收到的背景噪声;
步骤2、将信号x1(n)和x2(n)变换到对数域,再用MA移动平均自适应滤波器模拟信道对后到达信号的延迟效应,从而检测出两路信号到达的时间差,有:
<mrow>
<mi>l</mi>
<mi>o</mi>
<mi>g</mi>
<mo>|</mo>
<msub>
<mi>x</mi>
<mn>2</mn>
</msub>
<mrow>
<mo>(</mo>
<mi>n</mi>
<mo>)</mo>
</mrow>
<mo>|</mo>
<mo>=</mo>
<munderover>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>0</mn>
</mrow>
<mi>Q</mi>
</munderover>
<mi>w</mi>
<mo>(</mo>
<mi>i</mi>
<mo>)</mo>
<mi>log</mi>
<mo>|</mo>
<msub>
<mi>x</mi>
<mn>1</mn>
</msub>
<mrow>
<mo>(</mo>
<mi>n</mi>
<mo>-</mo>
<mi>i</mi>
<mo>)</mo>
</mrow>
<mo>|</mo>
<mo>+</mo>
<mi>e</mi>
<mrow>
<mo>(</mo>
<mi>n</mi>
<mo>)</mo>
</mrow>
</mrow>
式中,e(n)为模型误差;w(i),i=0,…,Q为MA滤波器的权矢量;
MA移动平均自适应滤波器收敛时,在i=D处权矢量有最大值,D=d2-d1为信号x1(n)和x2(n)的到达时间差真值,即i≠D时|w(i)|<|w(D)|,MA滤波器权矢量最大值对应的时间序号就是两路信号到达的时间差。
2.如权利要求1所述的一种基于对数矩的时间差检测方法,其特征在于,信号x1(n)和x2(n)变换到对数域的信号为y1(n)和y2(n):
y1(n)=log|x1(n)|
y2(n)=log|x2(n)|
则有,
3.如权利要求2所述的一种基于对数矩的时间差检测方法,其特征在于,采用最小均方误差优化准则自适应得到MA滤波器权矢量的收敛值,代价函数J为:
<mfenced open = "" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mi>J</mi>
<mover>
<mo>=</mo>
<mi>&Delta;</mi>
</mover>
<mi>E</mi>
<mrow>
<mo>&lsqb;</mo>
<mrow>
<mo>|</mo>
<mi>e</mi>
<mrow>
<mo>(</mo>
<mi>n</mi>
<mo>)</mo>
</mrow>
<msup>
<mo>|</mo>
<mn>2</mn>
</msup>
</mrow>
<mo>&rsqb;</mo>
</mrow>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mo>=</mo>
<mi>E</mi>
<mrow>
<mo>&lsqb;</mo>
<mrow>
<mo>|</mo>
<msub>
<mi>y</mi>
<mn>2</mn>
</msub>
<mrow>
<mo>(</mo>
<mi>n</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<munderover>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>0</mn>
</mrow>
<mi>Q</mi>
</munderover>
<mi>w</mi>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>)</mo>
</mrow>
<msub>
<mi>y</mi>
<mn>1</mn>
</msub>
<mrow>
<mo>(</mo>
<mrow>
<mi>n</mi>
<mo>-</mo>
<mi>i</mi>
</mrow>
<mo>)</mo>
</mrow>
<msup>
<mo>|</mo>
<mn>2</mn>
</msup>
</mrow>
<mo>&rsqb;</mo>
</mrow>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mo>=</mo>
<mi>E</mi>
<mrow>
<mo>&lsqb;</mo>
<mrow>
<mo>|</mo>
<mi>log</mi>
<mrow>
<mo>(</mo>
<mrow>
<mo>|</mo>
<msub>
<mi>x</mi>
<mn>2</mn>
</msub>
<mrow>
<mo>(</mo>
<mi>n</mi>
<mo>)</mo>
</mrow>
<mo>|</mo>
<mo>+</mo>
<mi>&epsiv;</mi>
</mrow>
<mo>)</mo>
</mrow>
<mo>-</mo>
<munderover>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>0</mn>
</mrow>
<mi>Q</mi>
</munderover>
<mi>w</mi>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>)</mo>
</mrow>
<mi>log</mi>
<mrow>
<mo>(</mo>
<mrow>
<mo>|</mo>
<msub>
<mi>x</mi>
<mn>1</mn>
</msub>
<mrow>
<mo>(</mo>
<mrow>
<mi>n</mi>
<mo>-</mo>
<mi>i</mi>
</mrow>
<mo>)</mo>
</mrow>
<mo>|</mo>
<mo>+</mo>
<mi>&epsiv;</mi>
</mrow>
<mo>)</mo>
</mrow>
<msup>
<mo>|</mo>
<mn>2</mn>
</msup>
</mrow>
<mo>&rsqb;</mo>
</mrow>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
式中,ε是为了避免信号为零时对数操作无意义而取的一个小的正数;
用最速下降法来搜索代价函数J的最小值:
<mrow>
<msub>
<mover>
<mo>&dtri;</mo>
<mo>^</mo>
</mover>
<mi>w</mi>
</msub>
<mi>J</mi>
<mo>=</mo>
<mfrac>
<mrow>
<mo>&part;</mo>
<msup>
<mi>e</mi>
<mn>2</mn>
</msup>
<mrow>
<mo>(</mo>
<mi>n</mi>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mo>&part;</mo>
<mi>w</mi>
<mrow>
<mo>(</mo>
<mi>n</mi>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
</mrow>
MA滤波器的迭代方程如下:
<mfenced open = "" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mi>w</mi>
<mrow>
<mo>(</mo>
<mi>n</mi>
<mo>+</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mi>w</mi>
<mrow>
<mo>(</mo>
<mi>n</mi>
<mo>)</mo>
</mrow>
<mo>+</mo>
<mi>&mu;</mi>
<mo>&lsqb;</mo>
<mo>-</mo>
<msub>
<mover>
<mo>&dtri;</mo>
<mo>^</mo>
</mover>
<mi>w</mi>
</msub>
<mi>J</mi>
<mo>&rsqb;</mo>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mo>=</mo>
<mi>w</mi>
<mrow>
<mo>(</mo>
<mi>n</mi>
<mo>)</mo>
</mrow>
<mo>+</mo>
<mi>&mu;</mi>
<mrow>
<mo>&lsqb;</mo>
<mrow>
<mi>log</mi>
<mrow>
<mo>(</mo>
<mrow>
<mo>|</mo>
<msub>
<mi>x</mi>
<mn>2</mn>
</msub>
<mrow>
<mo>(</mo>
<mi>n</mi>
<mo>)</mo>
</mrow>
<mo>|</mo>
<mo>+</mo>
<mi>&epsiv;</mi>
</mrow>
<mo>)</mo>
</mrow>
<mo>-</mo>
<msup>
<mi>w</mi>
<mi>T</mi>
</msup>
<mi>log</mi>
<mrow>
<mo>(</mo>
<mrow>
<mo>|</mo>
<msub>
<mi>x</mi>
<mn>1</mn>
</msub>
<mrow>
<mo>(</mo>
<mi>n</mi>
<mo>)</mo>
</mrow>
<mo>|</mo>
<mo>+</mo>
<mi>&epsiv;</mi>
</mrow>
<mo>)</mo>
</mrow>
</mrow>
<mo>&rsqb;</mo>
</mrow>
<mi>log</mi>
<mrow>
<mo>(</mo>
<mrow>
<mo>|</mo>
<msub>
<mi>x</mi>
<mn>1</mn>
</msub>
<mrow>
<mo>(</mo>
<mi>n</mi>
<mo>)</mo>
</mrow>
<mo>|</mo>
<mo>+</mo>
<mi>&epsiv;</mi>
</mrow>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mo>=</mo>
<mi>w</mi>
<mrow>
<mo>(</mo>
<mi>n</mi>
<mo>)</mo>
</mrow>
<mo>+</mo>
<mi>&mu;</mi>
<mi>e</mi>
<mrow>
<mo>(</mo>
<mi>n</mi>
<mo>)</mo>
</mrow>
<mi>log</mi>
<mrow>
<mo>(</mo>
<mrow>
<mo>|</mo>
<msub>
<mi>x</mi>
<mn>1</mn>
</msub>
<mrow>
<mo>(</mo>
<mi>n</mi>
<mo>)</mo>
</mrow>
<mo>|</mo>
<mo>+</mo>
<mi>&epsiv;</mi>
</mrow>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
式中,μ为(麻烦补充);
在对数域的最小均方误差准则下,实际上就是对数域的二阶矩,优化MA滤波器权矢量,时间差的检测值为:
<mrow>
<mover>
<mi>D</mi>
<mo>^</mo>
</mover>
<mo>=</mo>
<mi>arg</mi>
<munder>
<mrow>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
</mrow>
<mi>i</mi>
</munder>
<munder>
<mi>min</mi>
<mi>w</mi>
</munder>
<mi>J</mi>
<mo>.</mo>
</mrow>
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710649179.7A CN107517100A (zh) | 2017-08-01 | 2017-08-01 | 基于对数矩的时间差检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710649179.7A CN107517100A (zh) | 2017-08-01 | 2017-08-01 | 基于对数矩的时间差检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107517100A true CN107517100A (zh) | 2017-12-26 |
Family
ID=60723048
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710649179.7A Pending CN107517100A (zh) | 2017-08-01 | 2017-08-01 | 基于对数矩的时间差检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107517100A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109902570A (zh) * | 2019-01-23 | 2019-06-18 | 东南大学 | 一种基于对数矩的时间差检测方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0675664A2 (en) * | 1994-03-31 | 1995-10-04 | CSELT Centro Studi e Laboratori Telecomunicazioni S.p.A. | Device for the phase realignment of ATM cells in optical ATM nodes |
CN1753550A (zh) * | 2004-09-20 | 2006-03-29 | 北京三星通信技术研究有限公司 | 利用波束成形增强定位信号发送的方法及设备 |
CN102512165A (zh) * | 2011-12-20 | 2012-06-27 | 上海电机学院 | 一种信号传导速率的检测方法及装置 |
CN105391538A (zh) * | 2015-10-28 | 2016-03-09 | 上海电机学院 | 一种鲁棒性的时间延迟估计方法 |
-
2017
- 2017-08-01 CN CN201710649179.7A patent/CN107517100A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0675664A2 (en) * | 1994-03-31 | 1995-10-04 | CSELT Centro Studi e Laboratori Telecomunicazioni S.p.A. | Device for the phase realignment of ATM cells in optical ATM nodes |
CN1753550A (zh) * | 2004-09-20 | 2006-03-29 | 北京三星通信技术研究有限公司 | 利用波束成形增强定位信号发送的方法及设备 |
CN102512165A (zh) * | 2011-12-20 | 2012-06-27 | 上海电机学院 | 一种信号传导速率的检测方法及装置 |
CN105391538A (zh) * | 2015-10-28 | 2016-03-09 | 上海电机学院 | 一种鲁棒性的时间延迟估计方法 |
Non-Patent Citations (1)
Title |
---|
刘文红 等: ""基于非线性变换的自适应时间延迟估计"", 《上海电机学院学报》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109902570A (zh) * | 2019-01-23 | 2019-06-18 | 东南大学 | 一种基于对数矩的时间差检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106468770B (zh) | K分布杂波加噪声下的近最优雷达目标检测方法 | |
CN107167785B (zh) | 一种稳健的大阵列mimo雷达目标收发角联合估计方法 | |
Savic et al. | Kernel methods for accurate UWB-based ranging with reduced complexity | |
CN106646344B (zh) | 一种利用互质阵的波达方向估计方法 | |
CN107015205B (zh) | 一种分布式mimo雷达检测的虚假目标消除方法 | |
CN111965632B (zh) | 一种基于黎曼流形降维的雷达目标检测方法 | |
CN108038419B (zh) | 基于Wi-Fi的室内人员被动检测方法 | |
CN108872932B (zh) | 基于神经网络的超视距目标直接定位结果纠偏方法 | |
CN106909779A (zh) | 基于分布式处理的mimo雷达克拉美罗界计算方法 | |
CN104156929B (zh) | 基于全局滤波的红外弱小目标背景抑制方法及其装置 | |
CN109117747A (zh) | 基于循环平稳与深度卷积神经网络的雷达信号分类方法 | |
CN107202989A (zh) | 一种适用于被动拖曳线列阵声呐的复杂弱目标检测和跟踪方法 | |
CN106353743B (zh) | 匹配于等效形状参数的近最优雷达目标检测方法 | |
CN106154242A (zh) | 基于分数低阶类相关熵的目标参数联合估计新算法 | |
CN107517100A (zh) | 基于对数矩的时间差检测方法 | |
Hinteregger et al. | Bandwidth dependence of the ranging error variance in dense multipath | |
CN110706208A (zh) | 一种基于张量均方最小误差的红外弱小目标检测方法 | |
CN108761384B (zh) | 一种抗差的传感器网络目标定位方法 | |
CN103871422A (zh) | 基于三因子迭代联合块对角化的时域混叠盲信号分离方法 | |
CN104410388A (zh) | 基于非线性变换的自适应时间延迟估计方法 | |
CN108387879B (zh) | 基于自适应归一化匹配滤波的杂波图单元中值检测方法 | |
Mostofi et al. | Compressive cooperative obstacle mapping in mobile networks | |
CN109902570A (zh) | 一种基于对数矩的时间差检测方法 | |
CN108957394A (zh) | 一种应用于罗兰系统的天地波时延估计方法 | |
Wang et al. | Parameter estimation using quantized cloud MIMO radar measurements |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20171226 |