采用二阶特征窗的语音盲分离方法

利用语音信号的短时平稳特性,提出了一种二阶特征窗语音盲分离方法。该方法采用新的联合差分相关矩阵白化算法去除有色噪声影响;用长度等于语音信号基音周期的等距特征窗连续分割预白化观测数据,在每个加窗的数据帧计算不同的时滞协方差矩阵。利用联合近似对角化时滞协方差矩阵集合得到旋转参数,最终达到语音信号的盲分离。该方法消除了有色噪声的影响,只需用到二阶信息就能很好地分离语音信号。仿真实验验证了该方法的有效性。     

可对称化矩阵特征值的任意扰动

针对可对称化矩阵,研究了可对称化矩阵特征值的任意扰动和实任意扰动。从Schur分解入手,利用矩阵可对角化的性质,通过矩阵等式的恒等变形,得到了可对角化矩阵关于F-范数和Q-范数的任意扰动界。     

行(列)对称矩阵的满秩分解和正交对角分解

提出了行(列)转置矩阵与行(列)对称矩阵的概念,研究了其性质,给出了行(列)对称矩阵的满秩分解和正交对角分解公式,极大地减少了行(列)对称矩阵的满秩分解和正交对角分解的计算量与存储量,且没有降低数值精度.     

累量域二维波达方向估计方法

提出了一种新的适合任意高斯噪声环境的高分辨二维波达方向(DOA)估计方法——联合对角化4阶累积量-DOA矩阵方法。该方法以阵列的特殊结构为基础,利用四阶累积量构建3个子阵,采用联合对角化技术获得信号的二维角估计,适用于存在一维角度兼并的情况,且无需二维谱峰搜索和参数配对,从而避免了配对算法在低信噪比、小角间距或者复杂的信号传播环境下所带来的弊端。仿真结果证明了该方法的有效性。     

基于LD分解的空间谱估计技术

提出了一种基于对阵列协方差矩阵进行 LD 分解的空间谱估计算法。对一大类阵列来说,该算法对空间谱估计方法的工程实现问题具有十分重要的实际意义。文中证明了特殊Hernitian 矩阵 LD 分解的原理,给出了求分解因式的递推公式,然后,由 LD 分解找出的信号子空间,得出了估计信号源方向的空间谱计算公式。理论分析和模拟结果表明,LD 分解和原有的特征分解法相比,更易于用专用数字信号处理片实现,有更小的计算量,需更少的存储单元。     

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。     

基于二阶、四阶累积量的盲解卷积准则

以ＳＷ理论为基础，研究了一般的非最小相位系统的盲解卷积问题；基于二阶、四阶累积量，定义了一个新的概念──归一化累积量，形成了归一化累积量匹配的盲解卷积准则；并导出了一种新的盲均衡算法，计算机模拟验证了该算法，获得了可用结果。     

基于相关熵的盲源分离算法

提出了基于相关熵的盲源分离算法。与传统独立成分分析(ICA)方法利用四阶统计量或时间结构的盲源分离不同,该算法从信息理论学习中的相关熵概念出发,利用相关熵中蕴涵的各偶数阶统计信息,通过参数化中心相关熵与独立性测度的关系,建立代价函数,并通过优化算法对其进行寻优,从而得到解混矩阵并分离出源信号。仿真结果表明,在分离超高斯混合源和次高斯混合源时,分离性能优于传统的ICA方法。     

对称不定线性系统的不定预处理技术

研究求解对称不定线性系统Ax=b的不定不完全分解预处理算法,其中A为稀疏的对称不定矩阵。合适的选主元算法是成功分解不定矩阵的关键,为了加快选主元的速度,给出了松弛的有界Bunch-Kaufman(RBBK)对称选主元算法,并分析了该选主元算法的稳定性以及参数的选择范围。将RBBK算法与不完全Cholesky分解相结合,得到了一类稳定性较高的修改的不完全Cholesky分解预处理技术。MATLAB下的数值例子表明,将提出的预处理技术用于SQMR迭代算法时,得到较快的收敛速度。     

一种DS/SS信号盲同步算法

提出了一种DS/SS信号盲同步算法,在此基础上利用特征分析法可解决相位不确定性的缺陷。该算法简单有效、计算量小,利于硬件实时处理。理论分析及计算机仿真结果表明,该算法在低信噪比条件下可实现DS/SS信号的盲同步及PN码序列的精确估计。     

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。     

实对称矩阵半定性及不定性的判别

实对称矩阵的半正定性常用的判别法是“所有主子式皆大于或等于零”,但用此判据计算量太大,不适用。本文给出一个统一降阶的判别法,以减少计算量。     

基于Gabor变换和EMD的轴承故障诊断

基于振动信号处理的轴承故障诊断方法应用非常广泛。由于在实际采集的振动信号中往往混合着干扰信号,因此提出了一种基于Gabor变换的盲源分离和基于经验模态分解(EMD)的Hilbert包络谱分析相结合的故障诊断方法。首先采用基于Gabor变换的盲源分离方法对振动信号进行盲源分离,然后利用EMD方法进行分解获得本征模式函数(IMF)分量,再通过局部细化Hilbert包络谱方法分析判断轴承故障的特征。研究结果表明,通过对轴承振动信号进行盲源分离和EMD分解,可以使信号的故障特征更加明显,从而提高故障诊断的准确性。     

高效的可证安全的部分盲签名(英文)

部分盲签名通过在最终的签名数据中包含签名者和用户协商一致的公用信息(签名发布日期,电子货币的金额)来扩展了盲签名的概念。该文在随机预言机模型下提出了一个高效的可证安全的部分盲签名方案,该方案利用一个公开可行的算法提前计算出将要在随后的部分盲签名协议中用到的公钥和私钥,因此该方案Okamoto-Schnorr盲签名方案具有相同的安全性,并且不会造成额外的系统开销。     

一种改进的联合概率数据关联算法

针对联合概率数据关联算法在跟踪多机动目标时跟踪精度不高、计算量较大等问题,提出了一种新的联合概率数据关联算法。引入"当前"统计模型,并针对"当前"统计模型中机动频率和加速度方差不能自适应调整的问题进行了改进,实现了机动频率和加速度方差自适应。针对联合概率数据关联算法在跟踪多机动目标时,随着目标数的增多,算法计算量急剧增大的问题,提出了改进算法。改进算法避开了联合概率数据关联算法中由确认矩阵计算关联矩阵的过程,直接从确认矩阵计算关联概率。仿真实验结果表明:所提算法有效提高了多目标的跟踪精度,降低了算法计算量。     

矩阵分解的多步修正算法

讨论了基于矩阵分解的多步修正算法。特别对由Jacobi矩阵的LU分解、QR分解的修正矩阵所构成的多步Newton型方法作了详细讨论。数值实验表明,这些算法的计算结果是令人满意的。     

关于两类循环矩阵求逆的一种快速算法

给出了r-循环矩阵和对称r-循环矩阵求逆的一种快速算法,当循环矩阵非奇异时,该算法求循环矩阵的逆;当r-循环矩阵奇异时,该算法求r-循环矩阵的群逆;当对称r-循环矩阵奇异时,该算法求对称r-循环矩阵的{1,2}—逆。     

噪声对复值ICA算法盲源分离性能影响

语音信号进行短时傅立叶变换后,所得频域分量是复值数据。因此,频域盲分离算法需要在复数域中实现。理论上,复值ICA算法只是实值ICA算法的一种扩展,但在针对实测信号数据进行处理时,不同类型的复值ICA算法在盲分离性能方面都存在较大的差别。针对这一具体问题,利用合理的评价标准,对基于高阶统计量(HOS)的Jade算法、基于极大非高斯性盲分离方法的峭度极大不动点算法和基于信息论的infomax算法,比较不同环境下的抗噪性能和分离性能,给出了有一定参考价值和实际意义的结论。     

几何精度因子改进算法研究

提出了一种快速计算几何精度因子(GDOP)的改进算法。该算法基于矩阵的QR分解,避免了由于传统算法在计算量和存储量较大导致定位解算实时性降低的问题;进一步分析了水平精度因子(HDOP)以及高程精度因子(VDOP)之间的关系,得出它们的数学表达式和新的计算方法。通过与传统方法比较,本文提出的改进算法在计算GDOP值时,数值稳定性更好、计算复杂度更低、计算效率更高。     

对合矩阵与对角矩阵相似的一种证法

我们利用向量组的线性相关性以及分块矩阵的运算性质给出了下列命题的另一种有趣的证法:若n阶对合矩阵A满足条件秩(A In)=r,则A相似于对角矩阵diag{Ir,-In-r}.这种证法连同Schmidt标准正交化方法一起,还可以用来证明:当上述矩阵A是实对称(Hermite)矩阵时,A正交(酉)相似于对角矩阵diag{Ir,-n-r}.