[发明专利]基于递归广义最大互熵的自适应多径估计方法

摘要

本发明涉及一种基于递归广义最大互熵的自适应数字信号估计方法，具体为基于递归广义最大互熵的自适应多径估计方法。在自适应多径估计方法基本原理是通过期望信号与自适应滤波器输出的估计信号比较得出误差信号，然后误差信号经过自适应滤波算法实时调节滤波器抽头系数，以此跟踪并估计信号和未知噪声的统计特性。当自适应多径信号估计算法收敛时，从滤波器抽头的权值系数以及滤波器抽头延迟时间，可以获得多径信号的参数信息。本发明解决了非高斯噪声环境下的多径估计器性能下降问题，用自适应滤波器对多径信号进行参数估计，通过自适应滤波算法实时调节滤波器系数，以此跟踪输入响应的时变特性,实现了一种基于RGMCC的自适应多径估计方法。

主权项

1.基于递归广义最大互熵的自适应多径估计方法，其特征在于包括以下步骤：(1)自适应滤波器的输入为期望信号和本地信号，其中期望信号为数字化后的接收信号r(n)，本地信号为接收机中本地伪码发生器所产生的伪码序列Xn；设置最大迭代次数n_max；(2)自适应滤波器输出为其中W_n＝[w₀(n),w₂(n),...,w_K(n)]^T为权重向量，初始化滤波器权重向量W₀＝zeros(1×(K+1))，T表示转置，X_n＝[x₀(n),x₂(n+1),...,x_K(n+K)]^T表示自适应滤波器的输入，即本地伪码序列；(3)计算先验误差信号r(n)为期望信号；(4)由步骤(3)误差信号求得过程参数式中α为描述估计样本概率密度函数的形状参数，λ为核参数；(5)由步骤(4)过程参数求得增益向量式中γ为遗忘因子，取值范围为[0,1)，过程参数Ω_n‑1的初始矩阵Ω₀为单位矩阵；(6)权重向量W_n递归估计的更新形式：(7)过程参数Ω_n递归估计的更新形式：(8)更新输入向量Xn+1＝[x0(n+1),x2(n+2),...,xK(n+K+1)]T；(9)判断n＞n_max是否成立，成立则退出循环，否则返回(3)继续执行。