在这项研究中，我们介绍了两种基于分数低阶循环平稳性的鲁棒信号选择新算法，以解决在存在干扰和α稳定分布脉冲的情况下估计循环平稳信号到达时间差（TDOA）的问题噪音。 基于传统的信号选择和分数低阶统计量（FLOS）的TDOA方法在存在非高斯α稳定脉冲噪声和干扰信号干扰的情况下会导致性能下降。 通过利用分数低阶循环平稳性，我们能够开发一种新颖的多周期方法和广义分数阶低阶光谱相干方法。 所提出的方法抑制了α稳定脉冲噪声的影响，并更好地利用了循环平稳信号的循环平稳特性。 仿真结果表明，新方法对干扰和脉冲噪声具有较高的容忍度，并且比常规算法具有更高的估计精度。

基于深度神经网络的时域信道估计算法，张丁水，林家儒，本文介绍了一种基于深度神经网络（DNN）的无线信道估计算法，可应用于低信噪比下单载波频域均衡（SC-FDE）系统中对衰落信道的估计。

一种低复杂度线性调频信号参数估计算法

传播算子应用于DOA估计，MATLAB资源，可以作为雷达专业、阵列信号处理课程应用。

在合理布局井下无线网络基站的基础上,提出了一种基于多载波时频迭代的最大似然TOA(Time of Arrival)估计算法,通过将小数延时不断迭代来缩小估计误差,确定合适搜索步长,实现对信号的精确TOA估计。仿真结果表明:时频迭代的最大似然TOA估计算法具有更快的收敛速度;在信噪比较小时,采用时频迭代的最大似然TOA估计算法比经典TOA估计算法有效地提高了估计精度。

减法聚类的多分量线性调频信号检测与参数估计算法

在这项工作中，我们考虑了非线性/非高斯系统中的状态估计问题。 本文基于高阶无味卡尔曼滤波器（HUKF），开发了一种新的高斯和估计算法。 针对HUKF，提出了一种sigma点选择方法，高阶无味变换（HUT）技术，该方法可以更精确地近似高斯分布。 我们介绍了高斯滤波器的系统公式，并开发了最优滤波器的高效和准确的数值积分。 然后，我们继续将HUKF的使用扩展到具有加性（可能是非高斯）噪声的离散时间非线性系统。 所得的滤波算法称为高斯和高阶无味卡尔曼滤波器（GS-HUKF），将预测和后验密度近似为有限数量的高斯密度加权和。 在理论分析和仿真中证实了所提出的高斯和HUKF在非线性非高斯滤波问题的计算精度和时间复杂度方面具有综合优势。

相关信号源的三种DOA估计算法：修正music算法，空间平滑MUSIC算法，基于toeplitz矩阵重构的music算法的matlab代码程序。

基于运动矢量差中心偏离特性的运动估计算法

 基于合成孔径雷达（SAR）图像的海面风场估计已经得到广泛认可。多数风速反演算法是以估计的风向、校正的δvv为先验条件，应用海风模型计算而得的。在相同风向的情况下，应用不同的海风模型会得到不同的风速反演值，因此选择合适的模型是风场估计的关键。同时，风向数据的精确度也很重要，即使不大的误差也会给风速的反演结果带来明显偏差。为解决上述问题这里提出一种不需要预先已知风向数据的风场估计算法。该算法将基于海洋SAR图像中风浪的条纹信息，以及风浪条纹生成的自相关函数的周期性估计风速数据，同时由风浪条纹的最短周期方向估计风向数据，从而估计出完整的风场矢量。仿真结果显示，该算法对风速和风向数据有较高的估计精度。