重尾分布噪声中二维谐波参数估计的子空间迭代算法研究

The parameter estimation of two-dimensional (2-D) harmonic parameter estimation in heavy-tailed noise is a typical problem in multidimensional signal processing. The topic is relevant to numerous applications, including cellular communication, underwater acoustics, radar and so on. Recently, the subspace based iterative approach provides an efficient parametric approach which performs estimation in a fast and accurate manner. This project is focused on the subspace method based on robust M-estimator which will be put forward by deeply analyzing the character of 2-D harmonic model in heavy-tailed noise. The algorithm will be analyzed and evaluated by the convergence, unbiasedness and asymptotic distribution of the parameter estimation. The completion of this project can provide computationally efficient, stable and robust algorithm for the parameter estimation of 2-D harmonic signal. The algorithm has much significance for developing new theory of multidimensional signal processing and the further extension of the harmonic model in practical applications.

重尾分布噪声中二维谐波信号的参数估计是多维信号处理研究中的一个重要且典型的问题，它在蜂窝通信、水声学、雷达等众多领域有广泛的应用。对于重尾分布噪声中谐波信号的参数估计，传统的参数化估计方法往往存在计算量偏大以及估计精度不高等问题。最近研究表明基于观测样本矩阵的信号子空间迭代算法在无重尾分布噪声情形下具备计算量小、估计精度高且统计性能优良等优点。本项目将构造基于观测样本矩阵的信号子空间迭代算法，结合M-估计准则函数能检测和纠正重尾分布噪声的优势构造联合迭代算法估计重尾分布噪声中二维谐波参数，并从估计量的收敛性、无偏性和渐近分布三方面对所提算法进行分析与评价，以期得到计算量小、稳定、适应性强、统计性能优良的估计算法，为多维信号分析与处理的理论与应用领域增添新内容。

重尾分布噪声中二维谐波信号的参数估计是多维信号处理研究中的一个重要且典型的问题，它在蜂窝通信、水声学、雷达等众多领域有广泛的应用。对于重尾分布噪声中谐波信号的参数估计，传统的参数化估计方法往往存在计算量偏大以及估计精度不高等问题。最近研究表明基于观测样本矩阵的信号子空间迭代算法在无重尾分布噪声情形下具备计算量小、估计精度高且统计性能优良等优点。本项目利用观测样本矩阵的信号子空间与谐波频率参数的内在关系， M-估计准则函数能检测和纠正重尾分布噪声的优势构造基于信号子空间的联合迭代算法估计重尾分布噪声中二维谐波频率参数，已完成的主要工作包括：（1）提出了加性重尾分布噪声情形下二维谐波频率参数估计的信号子空间迭代算法；（2）提出了乘性和加性重尾分布噪声情形下二维谐波频率参数估计的信号子空间迭代算法；（3）对两种不同噪声分布情形下的信号子空间迭代算法，分析和评价了所得估计量的收敛性、无偏性和渐近分布。另外本项目对零均值乘性噪声情形下谐波模型提出了基于子空间联合分离算法，提出了乘性噪声情形下二维谐波参数的迭代频率算法，对时变振幅和加性情形下的线性调频信号的参数估计亦进行了研究，这些研究成果为重尾分布噪声情形以及各种复杂噪声情形下的谐波模型参数估计提供了参照与依据。本项目的完成对多维信号分析与处理的理论与应用领域提供了新的研究思路。