载机偏航下基于广义相邻多波束自适应处理的低空风切变风速估计

该文提出一种载机偏航下基于广义相邻多波束(GMB)自适应处理的低空风切变风速估计的方法,该方法首先利用基于回波数据的杂波距离依赖性补偿方法对杂波进行距离依赖性矫正,估计出杂波协方差矩阵。然后同时组合空域的相邻多个波束与时域的相邻多个多普勒通道来计算降维变换矩阵,并对待测距离单元内的雷达回波数据进行降维处理,进而构造GMB自适应处理器的最优自适应权矢量对降维后的回波数据实现自适应滤波。最后完成载机偏航下风场速度的准确估计。仿真结果验证了该方法能够在载机偏航情况下,获得风场速度的有效估计。     

基于四阶累积量的空域矩阵滤波DOA估计算法

空域矩阵滤波器通过保持空域通带内的信号,抑制空域阻带内的干扰与噪声来提高DOA(Direction Of Arrival)估计的精度.本文使用二阶锥规划(Second-order Cone Programming)方法设计空域矩阵滤波器,利用滤波后数据的四阶累积量进行信号源到达角估计,以消除空域矩阵滤波作用时产生的色噪声的影响,从而提高信号源DOA估计的性能.此外,通过滑动空域矩阵滤波器的通带,还使得阵列具有估计多于阵元数目信号源到达角的能力.计算机仿真结果验证了算法的有效性.     

基于空域滤波的雷达目标二维散射中心快速提取

针对几何绕射(GTD)模型,该文提出一种基于空域滤波的2维散射中心参数快速提取方法。该方法利用空域滤波过程将2维散射中心参数提取问题分解为多个1维散射中心提取问题,并利用1维旋转不变技术(1D-ESPRIT)来估计散射中心各维参数,最后利用最小欧氏距离实现2维参数的配对。与基于2维旋转不变技术(2D-ESPRIT)的方法相比,该方法避免了高维数的特征值分解,因而可以显著地降低计算的复杂度。仿真实验表明,与2D-ESPRIT高分辨算法相比,该方法不仅能够显著降低计算量,并且还能获得较好的估计精度,可以有效地用于提取目标散射中心参数信息。     

基于远近场声传播特性的拖线阵声纳平台辐射噪声空域矩阵滤波技术

针对拖线阵声纳平台噪声构成近场强干扰影响声纳弱目标探测的问题,利用近场平台噪声的多途传播特性及远场目标信号的平面波传播特性,将匹配场定位技术和平面波目标方位估计技术结合,利用平台噪声到达接收阵的拷贝向量以及平面波方向向量共同设计具有强干扰抑制功能的空域矩阵滤波器,实现了近场平台噪声抑制.设计两种最优化问题,获得不同的噪声抑制效果,给出它们的最优解,验证了解的正确性,找出解之间的关联.解释了平台辐射噪声在阵列端首方位附近构成强干扰的原因,同时解释了空域矩阵滤波后存在探测盲区的原因.由仿真可知,空域矩阵滤波处理可获得更小的探测盲区,同时获得盲区外更高的探测能力.     

最小二乘与加权最小二乘空域矩阵滤波器设计

空域矩阵滤波器是一种新的信号处理技术,通过一个滤波矩阵与接收到的阵列数据相乘,可实现保留通带目标信号,抑制阻带干扰的目的.本文主要研究了最小二乘和加权最小二乘两类的空域矩阵滤波器.给出了空域滤波器设计基本原理,通过最优化问题得出了最优解.最小二乘空域矩阵滤波器是加权系数为1的加权加权最小二乘空域矩阵滤波器的特列.由加权最小二乘迭代仿真结果可以看出,迭代次数的增加使滤波器阻带响应极大值逐渐变小,可实现恒定阻带抑制效果,设计效率较高.     

最小误差空域预滤波矩阵求解及误差分析

建立了空域矩阵滤波器设计最优化问题,利用两种方法给出该最优化问题的最优解。第一种方法是通过将最优化问题转化为以向量为未知数的另一个最优化问题,并求解稳定点,重排获得原问题的最优解。第二种方法是利用对原最优化问题求偏导数的方式,直接获得最优解。利用广义奇异值分解,给出了最优解的简化形式。通过仿真,给出了不同阵元数情况下,预滤波的响应效果,通过对比可知,与恒定阻带抑制滤波器相比,最小误差空域预滤波矩阵有更小的归一化响应误差。     

基于非正交基的空时可分离滤波器设计

文利用最优空时二维处理器权矩阵的低秩特性,将空时最优滤波器分解为多对空域滤波器与时域滤波器组,从而提出了一种基于非正交基的降维自适应算法以抑制机载雷达所面临的地杂波。与最优空时二维处理器相比,本文所提方法通过降维处理有效避免了高维协方差矩阵的估计与求逆运算,大大降低了系统的计算复杂度和训练样本需求,有利于工程实现。     

GPS抗干扰接收机性能分析

在GPS接收机的抗干扰领域,空域滤波算法(自适应调零)是目前应用最广泛的方法,空一时二维自适应滤波算法是目前最先进的方法;而在抗干扰接收机的天线阵型中,线形阵和圆形阵是比较常用的2种阵型.介绍空域滤波和空-时二维自适应滤波这2种算法的基本原理,用对2种算法做了仿真,并做性能分析;同时对空域滤波应用线形天线阵和圆形天线阵进行仿真,并做出性能分析,最后得出结论.     

幅相误差下基于CMCAP-JDL的低空风切变风速估计

针对机载气象雷达存在幅相误差的情况下，导致杂波抑制性能下降，低空风切变风速估计结果不准确的问题，本文提出了一种基于组合空时主通道-局域联合空时自适应处理（Combined Space-time Main Channel Adaptive Processing, CMCAP-JDL）低空风切变风速估计方法。该方法首先对雷达回波数据进行距离依赖性矫正及杂波协方差矩阵估计；然后对空域和时域加权，形成空域主波束和时域主通道，同时增加多个局域处理区域参与联合处理的方式来构造自适应降维处理器；最后使用权矢量对降维后的回波数据实现自适应滤波，完成幅相误差情况下风场速度的准确估计。仿真结果表明，该方法能够在幅相误差的情况下，实现低空风切变风速的准确估计。      

基于图像分割和LSSVM的高光谱图像分类

提出一种基于图像分割和LSSVM的高光谱图像分类方法,将空谱信息结合起来进行高光谱图像的分类。首先利用均值漂移算法对高光谱图像进行分割,然后对每一块分割区域数据进行降维并且对降维后的数据LSSVM分类,最后用最大投票方法融合分割图和分类得到最终的分类结果。该文分类方法先对分割后的区域求出相似性矩阵并训练新样本集求出低秩系数矩阵,由相似性矩阵和低秩系数矩阵构造特征值方程求解出降维矩阵,然后利用混合核LSSVM对降维后的数据进行分类。实验结果表明,提出的基于图像分割和LSSVM的高光谱图像分类方法有效提高了高光谱图像的分类精度。     

基于1（1/2）维谱与K-L变换的被动声纳目标识别

采用基于1（1/2）维谱分析与K-L变换相结合的特征提取方法,获取被动声纳噪声信号的有效识别信息,对被动声纳的目标信号进行分类。首先对被动声纳噪声进行1（1/2）维谱子带能量的特征提取,然后运用K-L变换实现高维特征向量的降维,剔除冗余特征,并以BP神经网络作为分类器对三类目标进行识别与分类。计算机仿真结果表明,该方法具有较好的分类效果和稳健性。     

频变耦合双通带滤波器的综合方法

为了解决频变耦合双通带滤波器缺少有效综合方法的问题,文中提出一种优化综合方法.该方法首先通过频率变换技术得到滤波器在归一化双通带域内的特征多项式,然后应用经典的耦合矩阵综合方法得到双通带滤波器的全规范耦合矩阵,进而以矩阵的特征值为趋近目标构造目标函数,最后应用梯度优化算法进行优化获得了双通带滤波器的频变耦合矩阵.文中对...     

Robustness of the Filtered-X LMS Algorithm— Part I: Necessary Conditions for Convergence and the Asymptotic Pseudospectrum of Toeplitz Matrices

Errors in the secondary path model of the filtered-x LMS (FXLMS) algorithm will lead to its divergence when the eigenvalues of the cross-correlation matrix between the estimated filtered reference and the true filtered reference signals are not all located in the right half plane. This cross-correlation matrix has a (block) Toeplitz structure whose dimension is determined by the number of adaptive filter coefficients. Using results on the asymptotic pseudospectrum of Toeplitz matrices, a frequency-domain condition on the model is derived to ensure stability. The condition is sufficient and necessary for a large number of filter coefficients. A transient analysis shows that the sufficient condition given by Wang and Ren [1999] is only necessary to prevent an initial increase of the error in the adaptive filter coefficients (critical behavior).     

An adaptive extraction of generalized eigensubspace by using exact nested orthogonal complement structure

The contribution of this paper is three-fold: first, we propose a novel scheme for generalized minor subspace extraction by extending an idea of dimension reduction technique. The key of this scheme is the reduction of the problem for extracting the ith (i ≥ 2) minor generalized eigenvector of the original matrix pencil to that for extracting the first minor generalized eigenvector of a matrix pencil of lower dimensionality. The proposed scheme can employ any algorithm capable of estimating the first minor generalized eigenvector. Second, we propose a pair of such iterative algorithms and analyze their convergence properties in the general case where the generalized eigenvalues are not necessarily distinct. Third, by using these algorithms inductively, we present adaptive implementations of the proposed scheme for estimating an orthonormal basis of the generalized minor subspace. Numerical examples show that the proposed adaptive subspace extraction algorithms have better numerical stability than conventional algorithms.     

基于Canny算子和K-L变换的改进SIFT匹配算法

在分析了经典SIFT算法的基础上,提出了一种基于Canny算子和K-L变换的改进SIFT匹配算法。该方法首先利用Canny边缘检测算法获得图像的边缘点坐标,与SIFT算法检测出图像关键点的坐标进行对比以去除不稳定的边缘点;其次通过K-L变换,将特征描述符进行降维处理,降低算法复杂度;最后使用RANSAC算法剔除误配点。通过实验表明,该算法能有效去除不稳定的边缘响应特征点,减少图像匹配时间,提高图像匹配的准确性和鲁棒性。     

基于RB粒子滤波的多传感器目标跟踪融合算法

构建面向多传感器信息融合系统的粒子滤波(PF)器是拓展采样型非线性滤波应用领域的关键,针对PF在多传感器融合目标跟踪系统的有效实现问题,提出了一种基于Rao-Blackwellized(RB)PF(RB-PF)的多传感器目标融合跟踪(MT-RB-PF)算法。首先,利用RB建模技术实现跟踪系统非线性状态估计的降维处理;其次,结合多传感器融合系统特点,给出一种多量测下粒子权重优化新方法用以改善粒子权重度量的可靠性和稳定性;最终,通过标准PF和卡尔曼滤波(KF)实现非线性和线性状态分量的估计,并利用状态重构方法构建当前时刻的状态估计值。理论分析和仿真实验验证了算法的有效性。     

非对称代价函数的稀疏卷积非负矩阵分解方法

提出一种基于非对称代价函数的稀疏卷积非负矩阵分解方法。该方法利用板仓-斋藤距离作为目标代价函数来衡量目标矩阵与重建矩阵的差异,使得较小的矩阵元素具有较小的重建误差,并且该代价函数具有尺度不变性的特点。为了考察其在弱语音成分重建方面的优势,将本文提出的算法应用于耳语音谱分解及重建实验。实验结果表明,与基于欧氏距离和基于Kullback-Leibler(K-L)散度的卷积非负矩阵分解算法相比,本文算法对于弱语音成分具有更好的重构效果,重建后的语音信号具有较大的可懂度。      

一种基于旋转不变子空间算法的非模糊参数配对方法

针对多维旋转不变子空间算法(ESPRIT)信号参数估计存在失配的问题,该文提出一种基于特征值分维的参数配对方法。该方法首先对包含待估计参数信息的多维特征值进行线性组合并构造判断矩阵,再根据矩阵维数对应关系进行配对。相比于其他配对算法,该文提出的算法结构简单,没有模糊参数,在特定情况下具有较高的鲁棒性,能实现参数的自动配对。最后通过对比仿真验证了该文配对算法的优越性。     

结合K-L散度和互信息的无监督波段选择算法

波段选择是重要的高光谱图像降维手段。为了达到降维的目的,提出结合K-L散度和互信息的无监督波段选择算法,并进行了理论分析和实验验证。首先选出信息熵最大的波段作为初始波段,然后将散度与互信息量的比值定义为联合散度互信息（KLMI）准则,选择KLMI值大且信息量也大的波段加入波段子集中,选出信息量大且相似度低的波段集合,最终利用k最近邻分类算法实现了基于最大方差主成分分析算法、聚类算法、互信息算法和本文中方法的真实高光谱数据分类实验。结果表明,本文中的算法总体分类精度和κ系数均达到0.8以上,高于其它算法;大多数地物的分类精度均得到提升,具有较好的分类性能。该算法是一种实用的高光谱图像降维算法。     

A numerically stable fast Newton-type adaptive filter based on order recursive least squares algorithm

This paper presents a numerically stable fast Newton-type adaptive filter algorithm. Two problems are dealt with in the paper. First, we derive the proposed algorithm from an order-recursive least squares algorithm. The result of the proposed algorithm is equivalent to that of the fast Newton transversal filter (FNTF) algorithm. However, the derivation process is different. Instead of extending a covariance matrix of the input based on the min-max and the max-min criteria, the derivation shown in this paper is to solve an optimum extension problem of the gain vector based on the information of the Mth-order forward or backward predictor. The derivation provides an intuitive explanation of the FNTF algorithm, which may be easier to understand. Second, we present stability analysis of the proposed algorithm using a linear time-variant state-space method. We show that the proposed algorithm has a well-analyzable stability structure, which is indicated by a transition matrix. The eigenvalues of the ensemble average of the transition matrix are proved all to be asymptotically less than unity. This results in a much-improved numerical performance of the proposed algorithm compared with the combination of the stabilized fast recursive least squares (SFRLS) and the FNTF algorithms. Computer simulations implemented by using a finite-precision arithmetic have confirmed the validity of our analysis.