相位调制信号的小波参数估计方法及其Cramer-Rao界

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (28): 146-149.

• 数据库、信号与信息处理 • 上一篇下一篇

相位调制信号的小波参数估计方法及其Cramer-Rao界

杨东风1，胡建伟2

1.延安大学计算中心，陕西延安 716000
2.西安电子科技大学电子工程学院，西安 710071

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-10-01 发布日期:2011-10-01

Wavelet transform-based phase parameters estimates and its Cramer-Rao lower bounds

YANG Dongfeng1，HU Jianwei2

1.Computer Center，Yan’an University，Yan’an，Shaanxi 716000，China
2.School of Electronic Engineering，Xidian University，Xi’an 710071，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-10-01 Published:2011-10-01

摘要/Abstract

摘要： 现代雷达广泛使用相位调制信号，相位参数的有效估计对辐射源的识别和分类具有重要意义。运用小波变换方法对多项式相位信号的相位系数进行了估计，给出了小波变换方法下的估计多项式相位调制信号相位系数的Cramer-Rao下限，并提出了一种新的相位系数估计算法。理论分析和仿真结果表明利用小波变换方法估计相位调制信号的相位系数参数估值更精确，可以得到更低的Cramer-Rao下限。

关键词: Cramer-Rao下限, 相位估计, 多项式相位调制信号, 小波变换

Abstract: Polynomial phase modulated signals are widely used in modern radar.The estimate of the phase parameters has practical importance in emitter identification and classification.Cramer-Rao lower bound for wavelet transform-based polynomial phase coefficient estimates is derived，and a new estimation algorithm is also presented.The theoretical analysis and computer simulation results show that this kind of approach can reach much lower Cramer-Rao bound being compared with the existing techniques.

Key words: Cramer-Rao lower bound, phase estimate, polynomial phase modulated signal, wavelet transform

杨东风1，胡建伟2. 相位调制信号的小波参数估计方法及其Cramer-Rao界[J]. 计算机工程与应用, 2011, 47(28): 146-149.

YANG Dongfeng1，HU Jianwei2. Wavelet transform-based phase parameters estimates and its Cramer-Rao lower bounds[J]. Computer Engineering and Applications, 2011, 47(28): 146-149.

[1]	杜秀丽，马振倩，邱少明，吕亚娜. 基于卷积注意力机制的运动想象脑电信号识别[J]. 计算机工程与应用, 2021, 57(18): 181-185.
[2]	范文兵，孙志远. 基于小波域广义高斯分布的SAR图像分割算法[J]. 计算机工程与应用, 2020, 56(5): 222-226.
[3]	曹军，陈鹤，张佳薇. 基于超分辨率的多聚焦图像融合算法研究[J]. 计算机工程与应用, 2020, 56(3): 180-186.
[4]	宫睿，王小春. 基于可协调经验小波变换的多聚焦图像融合[J]. 计算机工程与应用, 2020, 56(2): 201-210.
[5]	顾婷婷，刘新会，桑庆兵，李朝锋. 基于双树复小波的无参考立体图像质量评价[J]. 计算机工程与应用, 2019, 55(2): 154-161.
[6]	杨霞，朱晓冬，刘元宁，冯家凯，刘帅. 分块小波特征结合BP神经网络的虹膜识别方法[J]. 计算机工程与应用, 2019, 55(18): 132-139.
[7]	肖文卿1,3，汪鸿浩2，詹长安1. 基于小波系数特征融合的小鼠癫痫脑电分类[J]. 计算机工程与应用, 2019, 55(14): 155-161.
[8]	谢国波，吴震禹. 基于小波变换和重力模型的混沌图像加密算法[J]. 计算机工程与应用, 2019, 55(13): 100-105.
[9]	颜宏文，卢格宇. CEEMD-WT和CNN在短期风速预测中的应用研究[J]. 计算机工程与应用, 2018, 54(9): 224-230.
[10]	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.
[11]	陈波1，刘厚泉1，赵志凯2. 时间序列多尺度异常检测方法[J]. 计算机工程与应用, 2018, 54(20): 122-127.
[12]	贾澎涛，贾伟. 煤矿井下视频多目标轨迹跟踪算法研究[J]. 计算机工程与应用, 2018, 54(2): 222-227.
[13]	崔金鸽1，陈炳权1，2，徐庆1. 基于Dual-Tree CWT和自适应双边滤波器的图像去噪算法[J]. 计算机工程与应用, 2018, 54(18): 223-228.
[14]	张艺超，袁贞明，孙晓燕. 基于心冲击信号的睡姿识别[J]. 计算机工程与应用, 2018, 54(17): 135-140.
[15]	黄亚飞，王国富，张法全，叶金才. 基于蜂群算法和带参阈值函数的图像去噪方法[J]. 计算机工程与应用, 2018, 54(17): 164-168.

相位调制信号的小波参数估计方法及其Cramer-Rao界

Wavelet transform-based phase parameters estimates and its Cramer-Rao lower bounds

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