【技术实现步骤摘要】
一种基于互相关函数的协方差矩阵稀疏迭代时延估计方法
本专利技术涉及信号处理
，尤其是涉及一种基于互相关函数的协方差矩阵稀疏迭代时延估计方法。
技术介绍
随着通信技术的不断发展，精确的时延估计被广泛应用于通信网络、雷达搜寻、声纳定位、车联网等领域，基于互相关的匹配滤波方法是求解时延估计的常用算法之一，该类时延估计方法优点在于计算复杂度较低且在一定条件下能够从观测信号中准确地得到时延参数，但随着信息技术的不断前进以及对时延精度的不断提高，传统的利用信号相关性的时延估计算法在实际应用中容易受到传输环境以及快拍数的影响而无法满足高精度的估计要求，虽然在此类算法的基础上提出了大量的改进相关算法增强了算法的环境适应能力，但由于各时延之间的时间间隔较小，该类相关方法由于受到分辨率的限制，在估计过程中容易发生各处峰值重叠的现象从而无法准确地估计出时延参数，因此此类相关方法不再能满足时延估计的高精度要求。随着自适应算法的兴起，其动态跟踪时延、无需事先辨别噪声类别且高效、准确地迭代性能逐步引起研究人员的兴趣，越来越多的研究者开始将自适应思...
【技术保护点】
1.一种基于互相关函数的协方差矩阵稀疏迭代时延估计方法，其特征在于，包括以下步骤：/n步骤S1：获取样本的观测信号和原始输入信号，根据所述观测信号和原始输入信号，获得样本的互相关函数；/n步骤S2：所述样本的互相关函数根据输入信号的时频变换性质，转换为由输入信号的频域信息表示的互相关函数；/n步骤S3：将所述由输入信号的频域信息表示的互相关函数进行逆傅里叶变换，得到由输入信号的频域信息组成的时延参数模型，并构建所述时延参数模型的协方差矩阵；/n步骤S4：根据协方差拟合准则，对所述协方差矩阵采用稀疏迭代算法进行时延参数估计。/n
【技术特征摘要】
1.一种基于互相关函数的协方差矩阵稀疏迭代时延估计方法，其特征在于，包括以下步骤：
步骤S1：获取样本的观测信号和原始输入信号，根据所述观测信号和原始输入信号，获得样本的互相关函数；
步骤S2：所述样本的互相关函数根据输入信号的时频变换性质，转换为由输入信号的频域信息表示的互相关函数；
步骤S3：将所述由输入信号的频域信息表示的互相关函数进行逆傅里叶变换，得到由输入信号的频域信息组成的时延参数模型，并构建所述时延参数模型的协方差矩阵；
步骤S4：根据协方差拟合准则，对所述协方差矩阵采用稀疏迭代算法进行时延参数估计。
2.根据权利要求1所述的一种基于互相关函数的协方差矩阵稀疏迭代时延估计方法，其特征在于，所述样本的观测信号具体为：
其中，r(nTsp)为观测信号，D为原始发射信号的多径数目，λi为第i路信号的振幅向量，s(nTsp)为输入信号，τi为第i条路径的时间延迟，i的取值范围为1到D之间的整数，w(nTsp)为高斯白噪声，Tsp为采样周期，n为时域采样序列号且数值大小在0到Kr-1之间，Kr为样本数目。
3.根据权利要求2所述的一种基于互相关函数的协方差矩阵稀疏迭代时延估计方法，其特征在于，所述样本的观测信号和原始输入信号的互相关函数具体为：
其中，RA(τ)为互相关函数，s(nTsp-τ)为时间延迟后的输入信号。
4.根据权利要求3所述的一种基于互相关函数的协方差矩阵稀疏迭代时延估计方法，其特征在于，所述由输入信号的频域信息表示的互相关函数具体为：
其中，S(k)为输入信号的傅里叶变换式，k为频域序列号，k的取值范围为0到KA-1，KA为Ks与Kr-1之和，Ks为原始输入信号的长度，j为复数符号，r为接收到的观测信号，γ(k)具体为：
其中，WA(k)为S(k)与W(k)的乘积，W(k)为高斯白噪声的傅里叶变换式。
5.根据权利要求4所述的一种基于互相关函数的协方差矩阵稀疏迭代时延估计方法，其特征在于，所述由输入信号的频域信息组成的时延参数模型具体为：
其中，xA(k)为互相关函数RA(τ)的逆傅里叶变换式。
6.根据权利要求5所述的一种基于互相关函数的协方差矩阵稀疏迭代时延估计方法，其特征在于，所述时延参数模型的向量形式具体为：
其中，λA为信号振幅向量的转置矩阵，
XA为xA(k)的转置矩阵，...
【专利技术属性】
技术研发人员：魏爽，徐朋，杨璟安，刘睿，李文瑶，
申请(专利权)人：上海师范大学，
类型：发明
国别省市：上海;31
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。