随机共振在方位估计中的应用

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (11): 142-144.

• 数据库、信号与信息处理 • 上一篇下一篇

随机共振在方位估计中的应用

王明明，刘庆华

桂林电子科技大学信息与通信学院，广西桂林 541004

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-04-11 发布日期:2011-04-11

Application of stochastic resonance in detection estimation of signals

WANG Mingming，LIU Qinghua

School of Information and Communication，Guilin University of Electronic Technology，Guilin，Guangxi 541004，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-04-11 Published:2011-04-11

摘要/Abstract

摘要： 单独的方位估计，在低信噪比下，会出现偏差。为了准确估计，提出了基于随机共振的微弱信号方位估计方法。。首先经随机共振后得到信噪比提高的信号，然后再由方位估计算法来估计出目标方位。利用方位估计中的CBF、MVDR、MUSIC算法，结合常用的微弱正弦信号和BPSK信号进行了仿真研究。结果表明：把随机共振应用到微弱信号方位估计符合理论分析，提高了目标方位估计的准确性。

关键词: 信噪比, 随机共振, 常规波束形成（CBF）, 最小方差无失真响应（MVDR）, 多重信号分类（MUSIC）

Abstract: Under low signal-to-noise condition，the weak signal estimation will deviate.In order to estimate accurately，stochastic resonance is used in the algorithm of direction estimation.The signal is obtained after stochastic resonance whose signal-
to-noise is enhanced.The algorithm of direction estimation is used to estimate the direction.CBF，MVDR and MUSIC is used in simulation research with the weak sine wave and BPSK.The experiment results show that applying stochastic resonance to directe estimation conforms to the theoretical analysis and the accuracy of the direction estimation of targes is increased.

Key words: signal-to-noise, stochastic resonance, Conventiona Beam Former（CBF）, Minimum Variance Distortionless Response（MVDR）, Multiple Signal Classification（MUSIC）

王明明，刘庆华. 随机共振在方位估计中的应用[J]. 计算机工程与应用, 2011, 47(11): 142-144.

WANG Mingming，LIU Qinghua. Application of stochastic resonance in detection estimation of signals[J]. Computer Engineering and Applications, 2011, 47(11): 142-144.

[1]	刘剑锋，李瑞华，刘垚圻，苏泳涛，胡金龙. 无线通信中的信噪比估计算法研究[J]. 计算机工程与应用, 2020, 56(18): 82-89.
[2]	吉慧芳，贾海蓉，王雁. 改进相位谱补偿的语音增强方法[J]. 计算机工程与应用, 2019, 55(8): 48-52.
[3]	王杰1，杨程程1，莫嘉永2，王敦泽1，王谢谢1. 谐波重构先验信噪比估计算法[J]. 计算机工程与应用, 2018, 54(7): 44-48.
[4]	张志禹1，李向月1，李向阳2. 同步挤压小波变换对随机噪声抑制的研究[J]. 计算机工程与应用, 2018, 54(5): 57-60.
[5]	王磊，孙玮，陈奕博，李鹏，赵凌霄. 基于自适应小波阈值的心电信号降噪方法[J]. 计算机工程与应用, 2018, 54(15): 29-33.
[6]	张红霞，王灿，刘鑫，申楷赟，付秀娟，王学华. 图像边缘检测算法研究新进展[J]. 计算机工程与应用, 2018, 54(14): 11-18.
[7]	张小恒1，2，李勇明2，朱斌2. 范数正则化解相关集成学习基音频率检测[J]. 计算机工程与应用, 2017, 53(11): 155-160.
[8]	江巨浪1，章瀚2，朱柱1，詹文法1. 高密度椒盐噪声的多方向加权均值滤波[J]. 计算机工程与应用, 2016, 52(6): 204-208.
[9]	薛俊韬，金志刚，杨正瓴，张军. 基于向量相似度的水印模型分析[J]. 计算机工程与应用, 2016, 52(24): 116-120.
[10]	尹海明，王金明，李欢欢. 基于数据驱动缺失特征检测与重建的声纹识别[J]. 计算机工程与应用, 2016, 52(22): 159-163.
[11]	胡雨1，谢凯1，阮宁君1，伍鹏2，3，贺建飚4，刘从浩1. 基于三维曲波变换的弱信号恢复方法研究[J]. 计算机工程与应用, 2016, 52(18): 199-202.
[12]	蔡伟华，何选森. 基于UWT和独立分量分析的含噪盲源分离[J]. 计算机工程与应用, 2016, 52(16): 180-185.
[13]	陈昌龙，孙克辉. 基于图像特征分块的分数阶微分图像增强算法[J]. 计算机工程与应用, 2016, 52(14): 186-191.
[14]	何易德1，秦小林1，罗国涛2，陈帅1. 基于R-滤子的多帧图像重建算法[J]. 计算机工程与应用, 2015, 51(17): 194-198.
[15]	潘峥嵘，谯自健，张宁，戴芮. 基于互相关的有效奇异值消噪方法[J]. 计算机工程与应用, 2015, 51(15): 221-224.

随机共振在方位估计中的应用

Application of stochastic resonance in detection estimation of signals

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics