针对OFDM(正交频分复用)信号子载波调制方式识别的问题, 提出了一种将高阶矩和高阶累积量相结合的联合识别算法。该算法首先运用基于高阶矩的特征量把MPSK(多进制相移键控)调制(M=2、4)、64QAM(六阶正交幅度调制)和16QAM(四阶正交幅度调制)区分开, 然后再利用基于高阶累积量的特征量区分BPSK(二进制相移键控)调制和QPSK(四相相移键控)调制。从理论上进行了推导与分析, 该算法对多径衰落与噪声干扰不敏感。计算机仿真结果表明, 所提算法在多径信道条件下具有良好的识别性能。

为检测弱小红外运动目标,提出了一种基于高阶累积量投影的检测算法。红外图像序列经背景抑制后,首先计算时域数据的归一化三阶累积量,并将其投影到二维空间,然后在二维空间内对目标轨迹进行统计判决,以实现目标检测。推导出了目标和噪声在二维投影空间中的分布公式。通过与相关算法对比分析,该算法计算量小、检测率随目标信噪比增长较快。利用实际录制的图像序列进行了仿真实验,成功检测到了信噪比不小于2、像面运动速度为2帧/像素的目标,验证了算法的有效性。

强杂波背景下生命体运动低速目标的检测和识别是信号处理领域的难点.对采样数据的分析表明,生命体低速运动目标的回波信号可简化为正弦谐波过程,而墙体建筑物等固定物体杂波是高斯分布.因高斯分布杂波的高阶累积量为零,本文提出用高阶累积量方法抑制杂波,通过高阶谱分析和FFT积累,给出了目标检测和识别算法.实验结果表明,该方法构建的系统能穿透30 cm砖墙建筑物,探测出距离墙12 m远的人体低速运动目标信号.

针对红外预警与跟踪系统中的实时弱小运动目标检测问题,在分析红外灰度图像的非平稳高斯特性的基础上,提出了一种基于高阶统计判据的检测算法.先用一个空域的白化去均值滤波器进行空间背景抑制,为下一步时域高阶统计判据建立一个不相关的高斯背景,根据三阶以上的高阶累积量对于高斯随机过程"盲"的原理,用高阶累积量作二元统计判据检测红外图像背景中的运动弱小目标.算法全面考虑了红外灰度图像和目标在时域与空域方面的特性,大大增强了目标信噪比.通过实际获取的大地背景目标红外数据检测表明,此算法能有效地从复杂背景中检测低信噪比运动小目标,虚警率少,抗噪声干扰能力强.算法易于硬件实现,能够有效地应用于红外搜索与跟踪系统的实时目标检测中.