奇异值分解的HB加权广义互相关时延估计

摘要：

传统广义互相关时延估计技术是直接基于测量数据,其精度受环境噪声及异常值波动影响显著下降.针对上述问题,提出了一种新的时延估计算法,即奇异值分解的HB (Hassab-Boucher)加权广义互相关法.首先,将接收到的信号进行奇异值分解处理,抑制环境噪声的影响并提高信号的信噪比;其次,采用降噪后的信号进行互功率谱计算时引入HB加权函数,达到锐化互相关函数峰值的目的;最后,在时延初值未知的情况下,提出了一种基于中位数与平均数结合的时延后处理方案,去除时延估计结果中的异常值波动,得到最优时延估计值.仿真实验结果表明,在低信噪比条件下,与传统的广义互相关和基于奇异值分解的广义互相关参考方法相比,本文提出方法的异常点百分比和均方根误差更低,时延估计正确率更高.

关键词：时延估计、奇异值分解、HB加权、广义互相关、时延后处理

所属期刊栏目：34

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金项目61572435,61472305,61473222;复杂电子系统仿真重点实验室基础研究基金资助DXZT-JC-ZZ-2015-015;宁波市自然科学基金项目2016A610035,2017A610119

在线出版日期：2018-12-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：1160-1168