基于冗余字典稀疏表示的二维DOA估计

针对互成一定角度的双线阵列,提出基于空间合成角冗余字典稀疏表示的二维波达方向估计新方法。将方位角和俯仰角余弦乘积用空间合成角代替,通过空间合成角构造冗余字典降低字典维数和长度,并将子阵接收数据矢量转化为稀疏表示问题,进而利用改进正交匹配追踪算法稀疏求解空间合成角,解算出方位角和俯仰角。与传统高分辨空间谱估计算法相比,无需特征分解和多维谱峰搜索,能在低信噪比、单快拍条件下精确估计相关或非相干信源空间角度,且需要子阵阵元数目较少。     

基于协方差矩阵降维稀疏表示的二维波达方向估计

针对稀疏重构下二维波达方向（2D-DOA）估计存在计算量大的问题,提出一种基于协方差矩阵降维稀疏表示的二维波达方向估计方法。首先引入空间角构造流形矢量矩阵冗余字典,将方位角和俯仰角组合从二维空间映射到一维空间,降低了字典的长度和求解复杂度,并且能自动实现俯仰角和方位角配对;其次改进了样本协方差矩阵的稀疏表示模型,对该模型进行了降维处理;然后由协方差矩阵稀疏重构的残差约束特性得到约束残差项置信区间,避免采用正则化方法导致参数选取困难;最后通过凸优化包实现了二维波达方向的估计。仿真实验表明,待选取的协方差矩阵列数达到某个阈值（在只有两个入射信号情况下该值为3）时,可准确实现入射信号角的估计;当信噪比（SNR）较小（<5dB）时,该方法估计精度优于基于空间角的特征矢量算法;低快拍数（<100）下该方法估计精度略低于特征矢量法,但小间隔角度下估计精度与后者相当。     

单快拍二维波达方向估计算法

在双平行均匀线阵的基础上,提出了一种利用单快拍数据进行二维波达方向估计的算法.该算法利用单次快拍数据构造出两个具有特定关系的矩阵,再构造一个波达方向矩阵,根据该矩阵的特征值和特征向量,可以估计出入射信号的二维波达方向.该算法无需多项式搜索和参数的配对过程,计算量小,且不论信号源的相关性如何都同样适用.因此,该算法适合于瞬时信号和快速运动信号的波达方向估计.     

面阵中基于传播算子的二维DOA估计算法

考虑面阵中的二维波达方向（DOA）估计问题,提出了一种基于传播算子（PM）的二维DOA估计算法。该算法利用4个子面阵接收数据的互相关矩阵构造新的数据矩阵,利用线性运算代替特征分解得到旋转不变关系矩阵,由该关系矩阵得到方位角与俯仰角的参数估计。所提算法的波达方向估计性能优于传统的面阵二维ESPRIT算法,且降低了计算复杂度,提高了阵列接收数据的利用率和算法的抗干扰能力。算法可以实现二维角度的自动配对。仿真实验证明了算法的有效性。     

基于SVD的二维子空间拟合DOA估计

改进传统子空间拟合波达方向(DOA)估计方法,以快拍数据矩阵的奇异值分解代替接收数据协方差矩阵的特征值分解,用奇异值和奇异值矢量进行信源数估计,避免协方差矩阵估计,减少运算量和矩阵估计误差。根据已有子空间拟合的一维修正变化投影(MVP)算法原理,推导出二维MVP算法实现步骤,对基于均匀圆阵的接收信号进行二维DOA估计。     

基于辅助阵元的二维波达方向估计算法

;针对任意平面阵列,提出了一种基于辅助阵元的二维波这方向估计算法.首先利用附加的一个辅助阵元及信号的空、时域信息,构造时空旋转矩阵实现对仰角的分离估计,再利用得到的仰角信息通过一维搜索获取方位角.与传统基于子空间的二维波达方向估计算法相比,该方法不需要进行二维谱峰搜索与参数配对,对阵元的幅相误差具有较强的鲁棒性,并具有...     

基于多对称虚拟变换的二维波达方向估计算法

提出一种多对称虚拟变换二维波达方向估计算法,通过对阵列进行多对称虚拟变换,得到多个分别关于原阵列对称的虚拟阵列,进而构造虚实平移不变子阵。利用该平移不变虚拟子阵的旋转不变因子,获得信号源的俯仰角,经多信号分类(MUSIC)一维搜索获得信号源方位角,方位角和俯仰角可自动配对。由于使用了各虚拟变换阵列的累加数据,累加运算使得各虚拟阵列数据的正负误差相互抵消,显著降低了虚拟变换矩阵导致的虚拟阵列和真实阵列之间的数据误差,提高了二维波达方向的估计精度。仿真实验研究了所提算法在信噪比、快拍数变化情况下,二维波达方向估计的均方根误差和成功率性能,证明了所提算法的有效性。     

基于稀疏表示的OFDM信号的DOA估计

针对正交频分复用（OFDM）, 宽带信号波达方向(DOA)估计问题, 提出一种基于宽带信号协方差矩阵稀疏表示的DOA估计方法。该方法是在协方差矩阵主对角线下对左下角三角形元素按各条对角线取平均值后形成一个新的向量, 然后将该向量写成冗余字典形式。在冗余字典下对信号进行稀疏性约束形成二阶锥约束优化问题, 再用工具箱SeDuMi来实现DOA估计。理论分析和仿真结果表明, 该方法在低信噪比和少快拍数下分辨率很高, 是一种有效的宽带信号DOA估计算法, 此方法优于基于高阶累积量算法和宽带聚焦算法的DOA估计方法。     

一种改进的卫星空时DOA矩阵算法

提出一种改进的基于信号空时特征结构的高分辨二维波达方向(DOA)估计方法——时空DOA矩阵方法。该方法在保持原时空DOA矩阵方法无需二维谱峰搜索和参数配对等优点的基础上,通过构造X轴上的平移不变子阵列,产生2个DOA矩阵,利用这2个DOA矩阵的角度兼并曲线的差异,解决了原时空DOA矩阵方法的角度兼并问题。由于2个子阵可以重复利用阵元,该方法基本无冗余阵元和孔径损失。仿真结果证明了该方法的有效性。     

基于直接数据域方法的快速波达方向估计算法

提出一种基于直接数据域方法的快速波达方向估计算法,该法仅采用阵元输出电压的极少数快拍数据即完成对相干与非相干入射信号的波达方向估计.首先根据直接数据域最小二乘思想构造矩阵方程,采用共轭梯度法求得各观察方向的输出功率,然后得到方向谱.最后利用输出功率粗估和方向谱细估,从而确定入射信号的波达方向.它无需构造协方差矩阵及进行矩阵求逆,又避免了复杂度较高的广义特征值分解.仿真结果证实了算法的估计性能以及相对传统算法所体现出的优越性.     

基于局部类内结构的鉴别性字典学习方法

针对支持向量引导的字典学习(support vector guided dictionary learning,SVGDL)的鉴别约束项只体现了大间隔原理,而没有很好地利用数据空间内在结构信息的问题,提出了一种新颖的鉴别性字典学习方法——基于局部类内结构的鉴别性字典学习方法。该方法结合了大间隔原理和局部Fisher线性鉴别分析作为鉴别约束条件来指导指点学习。通过建立一个局部类内散度矩阵来编码数据空间的分布结构,增强了挖掘同类数据空间局部结构的能力并进一步地表示了编码向量在数据空间中的局部相似性。为了评价提出方法在图像识别上的表现,在几个常见图像数据集上进行了实验。结果表明,提出方法与大间隔方法相比,在平均识别率上有着明显的提高。     

基于扩展词典与语义规则的中文微博情感分析

首先分析微博文本新词出现规律,通过程度词发现微博新词,然后通过拓展的PMI算法,计算新词与情感基准词之间的点互信息值,根据点互信息值将新词分为褒贬2类后加入微博领域词典。接着构建基础情感词典,考虑到微博文本的独特性和汉语言特点,构建微博表情词典、否定词典、程度词词典、连词词典。最后结合情感词典与语义规则,通过与微博表情进行情感值加权的方式来对中文微博进行情感分析。通过对抓取的微博数据集进行测试,验证了本文提出的分析策略的有效性。     

SAR图像稀疏优化滤波

提出一种基于稀疏优化模型的SAR图像滤波算法。该算法建立在超完备字典稀疏表示基础上,具有较强的数据稀疏性和稳健的建模假设。首先依据SAR图像的结构特征,运用正则化方法建立多目标稀疏优化模型,然后通过冗余字典稀疏优化变换系数,利用冗余字典以及具有点奇异性的小波和线奇异性的剪切波构造超完备字典,最后通过对优化问题的求解,重建SAR图像场景分辨单元的平均强度,实现了SAR图像的滤波。实验结果表明,该算法对SAR图像相干斑噪声具有很好的抑制效果,并且具有增强滤波图像纹理细节特征的优点。     

PolSOM: A new method for multidimensional data visualization

In this paper, a new algorithm named polar self-organizing map (PolSOM) is proposed. PolSOM is constructed on a 2-D polar map with two variables, radius and angle, which represent data weight and feature, respectively. Compared with the traditional algorithms projecting data on a Cartesian map by using the Euclidian distance as the only variable, PolSOM not only preserves the data topology and the inter-neuron distance, it also visualizes the differences among clusters in terms of weight and feature. In PolSOM, the visualization map is divided into tori and circular sectors by radial and angular coordinates, and neurons are set on the boundary intersections of circular sectors and tori as benchmarks to attract the data with the similar attributes. Every datum is projected on the map with the polar coordinates which are trained towards the winning neuron. As a result, similar data group together, and data characteristics are reflected by their positions on the map. The simulations and comparisons with Sammon's mapping, SOM and ViSOM are provided based on four data sets. The results demonstrate the effectiveness of the PolSOM algorithm for multidimensional data visualization.     

黎曼核局部线性编码

最近的研究表明:在许多计算机视觉任务中,将对称正定矩阵表示为黎曼流形上的点能够获得更好的识别性能.然而,已有大多数算法仅由切空间局部逼近黎曼流形,不能有效地刻画样本分布.受核方法的启发,提出了一种新的黎曼核局部线性编码方法,并成功地应用于视觉分类问题.首先,借助于最近所提出的黎曼核,把对称正定矩阵映射到再生核希尔伯特空间中,通过局部线性编码理论建立稀疏编码和黎曼字典学习数学模型;其次,结合凸优化方法,给出了黎曼核局部线性编码的字典学习算法;最后,构造一个迭代更新算法优化目标函数,并且利用最近邻分类器完成测试样本的鉴别.在3个视觉分类数据集上的实验结果表明,该算法在分类精度上获得了相当大的提升.     

Piecewise Linear Projection Based on Self-Organizing Map

A piecewise linear projection algorithm, based on kohonen's Self-Organizing Map, is presented. Using this new algorithm, neural network is able to adapt its neural weights to accommodate with input space, while obtaining reduced 2-dimensional subspaces at each neural node. After completion of learning process, first project input data into their corresponding 2-D subspaces, then project all data in the 2-D subspaces into a reference 2-D subspace defined by a reference neural node. By piecewise linear projection, we can more easily deal with large data sets than other projection algorithms like Sammon's nonlinear mapping (NLM). There is no need to re-compute all the input data to interpolate new input data to the 2-D output space.     

PPoSOM: A new variant of PolSOM by using probabilistic assignment for multidimensional data visualization

A new Self-Organizing Map algorithm, called the probabilistic polar self-organizing map (PPoSOM), is proposed. PPoSOM is a new variant of PolSOM, which is constructed on 2-D polar coordinates. Two variables: radius and angle are used to reflect the data characteristics. PPoSOM, developed to enhance the visualization performance, provides more data characteristics compared with the traditional methods that use Euclidian distance as the only variable. The weight-updating rule of PPoSOM is associated with a cost function. Instead of using the hard assignment, PPoSOM employs the soft assignment that the assignment of data to neuron is based on a probabilistic function. The obtained results are compared with the conventional SOM and ViSOM. The presented results show that the proposed PPoSOM is an effective method for multidimensional data visualization. In addition, the quality measurement of mapping, synthetical cluster density (SCD) is applied and it shows PPoSOM exhibits an improved result compared with PolSOM.     

一种高性能的二维波达方向估计算法

在二维虚拟ESPRIT算法的基础上,提出了一种高性能的改进算法。改进方法依照子阵数据直接空间平滑的思想对子阵数据进行预处理,用虚拟阵列变换技术实施阵列变换,采用波达方向矩阵法的思路计算二维角度参数。仿真结果表明,相比于空域平滑的DOA矩阵法和空域平滑的二维虚拟ESPRIT算法,该方法在低信噪比情况下对相干信号源具有更好的估计性能,对独立信号源,能够估计出超过子阵阵元数的信号。