Die Detektion zyklostationärer Signale ist in vielen Feldern der Wissenschaft und den Ingenieurswissenschaften von Interesse, darunter Meteorologie und Klimatologie, Ökonomie, Maschinenbau und Kommunikationstechnik. In dieser Arbeit begegnen wir Zyklostationarität als inärente Eigenschaft von Kommunikationssignalen im Kontext von passivem Radar und Cognitive Radio. Die Kernidee passiven Radars ist das Ausnutzen von nicht-kooperativen Sendern, die als "illuminator of opportunity" (IO) bezeichnet werden. Die Detektion ohne Einflussnahme auf das Sendesignal ist allerdings deutlich herausfordernder. Aufgrunddessen wird in dieser Arbeit ausgenutzt, dass das Sendesignal des IO zyklostationär ist.Ziel ist die Detektion eines zyklostationären Signals an einem Überwachungs-Array unter Berücksichtigung der Beobachtungen von dem Überwachungs-Array und einem Referenz-Array. Für dieses zwei-kanalige passive Detektionsproblem wird ein asymptotischer "generalized likelihood ratio test" (GLRT) hergeleitet. Darüber hinaus wird die Existenz optimaler invarianter Tests untersucht wobei gezeigt wird, dass weder der "uniformly most powerful invariant test" (UMPIT) noch der "locally most powerful invariant test" (LMPIT) für dieses Problem existieren. Basierend auf der aufschlussreichen Interpretation der Test Statistik und Monte Carlo Simulationen, kann ein vom LMPIT inspirierter Detektor vorgeschlagen werden.Außerdem werden die GLRTs für verschiedene Annahmen der räumlichen und zeitlichen Struktur des Rauschens und deren Einfluss auf die Detektionsleistung untersucht. Zusätzlich wird das zwei-kanalige Detektionsproblem verallgemeinert für eine beliebige Anzahl der Überwachungs- und Referenz-Arrays. Für dieses Problem wird der asymptotische GLRT hergeleitet und die Existenz des UMPIT und LMPIT analysiert. Um die Schwellwerte der GLRT ...

The detection of cyclostationary signals is of interest in various fields of science and engineering such as meteorology and climatology, economics, mechanics, and communications. In this thesis cyclostationarity is encountered as an inherent property of communication signals, specifically in the context of passive radar and cognitive radio.The key of passive radar is that the system uses a non-cooperative transmitter, also known as illuminator of opportunity (IO). However, without control of the transmitted signal, the detection task of a passive radar is more challenging than in active radar. For this reason, in this thesis it is exploited that an IO typically emits signals that are cyclostationary. The goal is to detect the presence of cyclostationarity at a surveillance array given observations from two arrays, the surveillance array and a reference array. For this two-channel passive detection problem the asymptotic generalized likelihood ratio test (GLRT) is derived. Furthermore, the existence of optimal invariant tests is studied and it is shown that neither the uniformly most powerful invariant test (UMPIT) nor the locally most powerful invariant test (LMPIT) exist for this problem. Based on an insightful interpretation of the test statistics and Monte Carlo simulations, it is possible to propose an LMPIT-inspired detector. Additionally, GLRTs are derived for different assumptions on the noise's spatio-temporal structure and its influence on the detection performance is investigated.Furthermore, the two-channel problem is generalized to multiple surveillance and reference channels for which an asymptotic GLRT is derived and the existence of UMPIT and LMPIT is also analyzed.In order to select the thresholds of the GLRT statistics to guarantee a constant false alarm rate, it is shown that under the null hypothesis the GLRT ...