【信号处理】基于高阶统计量特征的通信系统中微弱信号检测附matlab代码

1 内容介绍

高阶统计量被广泛地应用在雷达、通信,生物医学、故障诊断中。传统的信号检测方法在低信噪比高动态下的检测性能很差。而双谱对高斯白噪声是不敏感的、高动态和低信噪比都是不敏感的。使用高阶统计量用于检测高动态和低信噪比的微弱信号,在此条件下高阶统计量方法得到了的优良性能。在不同的动态和信噪比条件下的实验结果都显示了优良性能。​

2 仿真代码

% Bispectrum detectionclear allclose alln=100000;fs=n;t=0:1/fs:(fs-1)/fs;y=1*sin(2*pi*10000*t);yfft=abs(fftshift(fft(y)));f=(-length(yfft)/2:(length(yfft)-1)/2)*fs/length(yfft);% 噪声产生x1=normrnd(0,1,1,length(y));%散粒噪声lamdac=2;Tmaxc=2000;ic=1;Tc(1)=random('exponential',lamdac);while(Tc(ic)<Tmaxc)    Tc(ic+1)=Tc(ic)+random('exponential',lamdac);    ic=ic+1;endTc(ic)=Tmaxc;xc=0:1:ic;wc(1)=0;for pc=1:ic    wc(pc+1)=Tc(pc);endtc=(1/fs:1/fs:1)*Tmaxc;ac=0.1;Wc=fs/Tmaxc*wc;Wc=floor(Wc);yc=zeros(length(Wc)-1,fs);for k1c=2:1:length(Wc);    kc=Wc(k1c);    t1c=1:1:fs;    ypc=exp(-(t1c-kc)*ac);    for kpc=1:1:kc-1        ypc(kpc)=0;    end    yc(k1c-1,:)=ypc;endx2=zeros(1,fs);for k2c=1:1:fs    x2(1,k2c)=sum(yc(:,k2c));end% 高斯色噪声p=0.5;f0=0.05;a1=-2*p*cos(2*pi*f0);a2=p^2;x3=zeros(1,length(y));for i=3:1:length(y);    x3(i)=a1*x3(i-1)-a2*x3(i-2)+x1(i);endy1=x2+y*0;[Bspec,waxis]=bispeci(y1,21,200,50,'unbiased',256);% 三维双谱figure(2)surf(abs(Bspec))% 左视图figure(3)surfl(abs(Bspec))view(0,0)% 二维切片图B=abs(Bspec);B1=zeros(1,256);for i=1:1:255    B1(1,i)=max(B(i,:));endB1(1,256)=0;figure(4)plot(B1);% picturefigure(5)plot(t,y1)yfft=abs(fftshift(fft(y1)));figure(6)plot(f,yfft)% SNRsnr=0;ps=sum(sum((y-mean(mean(y))).^2));pn=sum(sum((y1-y).^2));snr=10*log10(ps/pn);

3 运行结果

4 参考文献

[1]翟逸群, 黄建国, 张群飞,等. 基于高阶统计量的高动态微弱信号检测[C]// 第七届全国信号和智能信息处理与应用学术会议会刊. 2013.

博主简介：擅长智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真，相关matlab代码问题可私信交流。

部分理论引用网络文献，若有侵权联系博主删除。