面向非平稳海杂波的信号处理方法研究进展

root 提交于 周四, 12/12/2024 - 19:06
在海杂波背景的信号检测问题中,由于海杂波具有明显的非平稳特性,其统计特性随时间改变,传统的统计信号处理方法无法取得最优效果。现有的非平稳信号处理方法主要包括基于统计模型的方法和基于时间序列分析的方法。从统计模型的角度出发,目前最常用的是使用复合高斯(Compound Gaussian, CG)分布对海杂波进行建模。从时间序列分析的角度出发,目前有使用时变自回归(Time-varying autoregressive, TVAR)模型、广义自回归条件异方差(Generalized autoregressive conditional heteroskedasticity, GARCH)模型、随机波动(Stochastic volatility, SV)模型等对非平稳信号进行建模的方法。本文对上述非平稳信号处理方法进行对比研究,并通过仿真实验验证其运用在海杂波背景下信号检测问题中的可行性。上述方法均可以一定程度上准确描述海杂波的部分特性,但是难以通过这些方法设计易于实现的检测器,还需进一步研究面向海杂波背景下检测问题的非平稳信号建模表征方法。

相关内容

发布日期 08/04/2020 - 01:35
发布日期 08/04/2020 - 01:35
发布日期 10/17/2023 - 23:16
发布日期 02/18/2025 - 20:47
发布日期 01/18/2025 - 20:37
发布日期 01/31/2024 - 13:01
发布日期 02/29/2024 - 16:35