论文部分内容阅读
当信噪比(signal—to—noiseratio,SNR)较低时基于数据处理的多径估计算法的估计性能显著降低。提出了基于Kalman滤波和Teager-Kaiser(TK)算子/最小二乘(1eastsquare,LS)相结合的多径估计算法,简称KTK/KLS算法。该算法通过Kalman滤波消除低SNR的高斯噪声对相关输出的影响,然后将滤波后的相关输出用于TK算子/LS估计直接信号时间延迟或多径参数。KTK/KLS算法有效解决了仅使用TK算子和Ls算法进行参数估计时对噪声比较敏感的问题,保留了二者对多径比