对混有复白噪声的正弦信号的频率估计

本文通过用MATLAB软件，用最大似然法，修正协方差AR谱估计法，信号子空间频率估计，Pisarenko谐波分解（PHD）法，多信号分类（MUSC,Multiple Signal Classification)算法这5种方法来实现对混有复白噪声的正弦信号的频率估计。     

非圆信号多级维纳滤波DOA估计求根算法

针对非圆信号DOA估计的计算量问题,运用多级维纳滤波和信号子空间的多项式求根方法,提出了一种快速算法。首先利用非圆信号特性构造出扩展阵列输出矩阵,然后不需进行协方差矩阵的生成和分解,利用多级维纳滤波求出信号子空间,针对均匀线阵推导出信号子空间多项式求根方法,得出目标的DOA估计值。新算法的均方根误差性能与非圆信号求根MUSIC算法、非圆信号ESPRIT算法、非圆信号扩展传播算子算法等快速算法相仿,但是计算量小于已有的算法,特别是在阵元数较多的情况下算法的实时性优势更加明显。     

基于FrFT和子空间正交的LFM信号参数估计

基于分数阶Fourier变换和子空间正交性,提出了一种低信噪比下线性调频信号检测与参数估计方法。讨论过程中将线性调频信号通过适当的分数阶Fourier变换得到一个单频复正弦信号,在此基础上,利用信号子空间与噪声子空间的正交性处理其正弦信号,再对线性调频信号的检测和参数估计转化为函数极值求解;最后,利用计算机模拟证实了方法的有效性。     

麦克风阵列二维方向估计聚焦算法研究

聚焦算法是解决宽带信号方向(DOA)估计问题的重要算法。常规的宽带聚焦算法需要进行预估计和多次迭代,算法的计算复杂度较高。该文根据宽带聚焦算法的思想,结合语音信号的特点,以各频率点的频域相关矩阵和聚焦点的相关矩阵的均方误差最小为最优化准则,提出了一种不需要预估计和迭代的二维宽带聚焦算法。该算法实时性好、计算复杂度低。采用八元均匀圆环麦克风阵列,仿真验证了该算法的良好二维DOA估计性能。     

加权信号张量子空间拟合算法

提出了一种基于三阶张量高阶奇异值分解的声矢量阵列加权信号张量子空间拟合算法。首先对声矢量阵接收信号进行三阶张量建模,并通过高阶奇异值分解得到信号张量子空间,从而结合加权信号子空间拟合算法进行空间方位谱估计。由于基于高阶奇异值分解得到的信号张量子空间相比于传统的矩阵奇异值分解得到的信号子空间能够更好地抑制噪声,并且体现了多维数据之间的关联关系,因此具有更高的方位估计精度。理论和仿真结果表明:该方法在低信噪比、等强度不相关信号和强相关信号条件下仍具有良好的目标分辩能力和稳定性,工程应用价值较高。     

噪声子空间法的宽频段分析

分析了均匀线阵噪声子空间法在宽频段多信号环境下存在的主要问题:不能保证频率和空间方向矩阵的列矢量线性独立、使用方向矢量搜索方法时不能同时正确估计多个信号到达方向两个问题。分析所得结论对于探索利用一维(1—D)方法实现宽频段多信号同时测向具有有益的参考价值,计算机模拟结果证明了本文分析的正确性。     

基于矩阵奇异值分解的空间谱估计算法

本文提出了一种利用矩阵奇异值分解来作空间谱估计的方法,即对由天线阵获取的数据所构成的数据矩阵作奇异值分解、删除来自噪声的贡献的诸最小奇异值以改善信噪比,并利用噪声奇异向量和天线阵的方向向量正交的性质来计算空间谱。除了奇异值分解算法本身给计算稳定性带来好处外,本方法的谱估计性能和计算量均优于近几年来国外广泛关注的一种谱估计算法——MUSIC算法。本方法可用于高分辨的测向系统中。     

广义特征子空间

本文对广义特征向量和广义特征子空间进行刻划，得到ｎ维线性空间的一组基构成过渡矩阵，使任一ｎ级复数矩阵相似于它的约旦（Ｊｏｒｄａｎ）形矩阵．     

回复式离散神经网络的特征子空间估值(英文)

提出了用两种回复式离散神经网络模型研究正定对称矩阵的特征子空间估值问题:第1种模型是非线性神经网络,用于计算最大特征值及其特征向量;第2种模型属于线性神经网络,用于计算相应于最大特征值的特征子空间。详细研究了两种离散神经回路网络模型的动力学性质并用于特征子空间估值。     

基于E-PASTd的盲扩频码序列估计算法

针对直接序列扩频信号的扩频码盲估计问题,改进了特征分解的方法,提出了一种基于压缩投影近似子空间跟踪的PN码恢复算法。该算法由两个主特征向量估计非同步延迟值,结合利用压缩投影近似子空间跟踪技术的快速收敛特性提取主分量,避免了对自相关矩阵的直接特征分解运算。计算机仿真表明该算法降低了数据的存储量,易于硬件实现,具有良好的收敛特性,性能优于已有的梯度算法和神经网络算法。     

伪协方差函数的宽带信号源个数估计法

提出了一种计算简单且有效的宽带信号源个数估计估计算法。该方法利用不同频率互协方差函数所构造的矩阵,从理论上证明了对窄带盖氏圆盘法改进可以用于对该矩阵求解,从而获得宽带信号个数的估计值。分析了该方法在相关和不相关宽带信号下的表现,证明了在CSSM类方法失效的情况下该方法能很好地应用。仿真结果证实了所提方法不仅可以用于估计大于阵元数目的宽带信号个数,而且计算负担更小,便于实际应用。     

短波通信中的宽带信道建模方法与比较

基于对短波宽带信道的建模是研究短波宽带通信系统的关键和难点等问题。介绍了Volger决定性模型、子带并行—宽带窄带化模型、Watterson的两种改进模型和伪决定性模型4种典型的短波宽带信道模型,并进行比较和性能分析。经分析表明,作为决定性模型,Volger模型较为全面地反映了短波宽带信道的特性,但有不完善之处,同时也提出了进一步改进该模型的方向。     

采用循环前缀的OFDM信道盲估计算法

在无线OFDM通信系统中,信道参数估计一直备受关注。该文基于最大似然估计原理,提出了一种改进的盲信道估计算法,利用并根据循环前缀的周期平稳性来进行信道盲估计。该算法是在接收端DFT之前进行信道估计和均衡。研究和仿真表明,该算法不仅显著地减少了运算的复杂度,而且使系统性能也得到了一定程度的改善。     

OFDM系统中新的同步与信道联合估计算法

提出了一种新的基于判决反馈的OFDM同步与信道联合跟踪算法。该算法提取出信道估计结果中包含的同步信息用于实现同步估计,并利用同步估计结果对信道估计结果进行修正,使其尽量逼近真实信道。仿真结果表明该算法在信噪比较大时可以获得较高的估计性能,具有计算量小和实现简单的优点。适当增加块长具有更强的抑制噪声的能力,但却减弱了信道的时变跟踪能力,因此块长的选择必须权衡考虑。     

基于多参数的群决策方法

研究了多指标决策问题中，指标随着时间的变化，增加了一个时间维度，以进行更合理的综合排序，有效克服群决策方法中只考虑指标、方案二维排序问题的弊端．给出了三维标度下的群决策方法及具体步骤，并通过实例得出，把时间考虑进去能更有效地把近几年的数据进行分析，从而为决策者提供更全面的决策依据．     

一种基于小波变换和PCA的人脸识别改进方法

针对主成分分析PCA算法中存在的问题,提出了利用小波变换对人脸图像进行预处理,PCA提取图像特征,最近邻法分类的人脸识别改进方法.基于ORL、YALE数据库的相关实验表明,这样的系统能够降低数据维数和克服角度、位移变化对算法的影响,能够取得比传统PCA更好的识别性能。     

信号相关性与DOA估计

窄带波达方向(DOA)估计模型中,相干信号的问题很容易引起混淆。一些文献简单地认为频率不同的信号是不相干的,而频率相同的信号就是相干信号。因此,在建立不相干信号的DOA估计模型时,采用不同中心频率的信号,而使用的方向矩阵却采用同一个信号频率,该文提出,当信号中心频率不同时,应采用各自相应的频率来建立方向矩阵。其DOA估计应采用宽带信号的DOA估计方法,也就是应该对不同的频率进行聚焦。而采用同一个频率来建立的方向矩阵恰好同聚焦后的信号模型相同,因此,其估计结果也就是正确的。但这样的信号模型与事实并不相符。该文严格按照相干信号的定义证明了只有频率和初始相位都相同的窄带信号才是相干信号,最后通过计算机仿真验证了这一点。     

导频符号调制方式对OFDM信道估计的影响(英文)

引入了基于线性变换的正交频分复用信道的频域估计方法,通过对接收信号的线性变换达到数据的有效恢复。首先推导了关于推广后旋转矩阵的两个性质定理;然后根据所得的旋转矩阵的性质,给出了导频符号分别基于BPSK和QPSK调制的两种OFDM信道估计算法。在假设信道为瑞利衰落并且在一帧内保持不变的情况下,对基于这两种信道估计算法的系统进行了仿真比较。仿真结果显示,当各子载波的同相信道和正交相位信道同时插入信道估计符号时,OFDM系统的误码率和误包率都可以得到明显的改善。