用神经网络估计到达波方向

本文提出了一种利用神经网络估计到达波方向(DOA)的计算方法.我们将DOA估计问题映射为Hopfield网络的能量函数,利用观测数据的统计量对网络进行编程.由于神经网络的并行集体计算能力,该方法可获得估计问题的实时解。最后,给出了计算机模拟实验结果。     

二维谐波分析的子空间旋转技术——二维ESPRIT

本文将参数估计的旋转不变技术(ESPRIT)应用到二维正弦谱估计,并给出了完整的算法。与其它二维谱估计算法相比,二维ESPRIT不但具有优越的性能,而且需要极小的运算量,因为它完全避开了多项式搜索(包括二维和一维)。另外,做为一种分维处理技术,二维ESPRIT几乎不带来阵列有效孔径的减小。     

正弦参量估计的特征向量法

特征向量法是谱估计学科近年来发展最迅速的前沿分支之一。本文根据自相关矩阵的特征结构,统一地导出了目前最重要几种正弦参量估计的特征向量法,并由此定性地讨论和比较了这几种方法的优缺点及相互关系。     

一种改进联想存贮器误差的方法

基于近代回归分析理论,本文提出了一种改进广义逆联想存贮器的新方法.理论分析和计算机模拟都表明该方法具有明显的误差改善效果.     

信号特征向量分解与到达波方向估计＊

本文提出了到达波方向(DOA)估计的一种新算法。基于信号特征向量分解的一种唯一形式,我们提出了用递推算法来实现由一个或几个信号特征向量进行DOA估计。与一般的特征结构法相比,该方法不但可以解决相干源问题而且改善了在低信噪比情况下的估计性能,并具有使用灵活的特点。计算机仿真证实了上述结论。     

用神经网络方法求解Hilbert空间中的优化问题

本文在线性规划神经网络的基础上,提出了一种求解Hilbert空间中优化问题的神经网络方法。这种方法不是通过利用数字计算机复杂的迭代运算来求优化问题的解,而是建立一个与线性规划网络相应的模拟电路系统,即一个专用的模拟计算机,在稳定状态下,测量电路系统的输出电压即可获得对应问题的解。理论和实验都表明,该方法可在RC时间常数内(纳秒级)对优化问题进行求解,并且具有对电路参数容错性强,结构规正、简单等特点。     

系数矩阵分解二维谱估值

本文提出了一种二维线性预测谱估值的改进方案,在这方案巾,对预测误差滤波器的系数矩阵进行了奇异值分解(SVD),从而可以分析出该矩阵隐函的有效秩,按照这一隐秩可以构成一个近似矩阵来代替原矩阵,这样所获得的谱估值可以抑制峰裂、压缩伪峰,从而使分辨率获得明显的改善,这些改善被实验研证实,此方法可用于因果、半因果、非因果等各类不同的线性预测系统,并且有运算量小及信/噪比要求低等突出优点。     

用信号方向向量估计到达波方向

由信号方向向量直接估计到达波方向(DOA)可以获得优良的估计性能。本文将ESPRIT技术与信号子空间技术相结合,给出了信号方向向量的完整表达式。模拟实验表明,在低信噪比和短数据的情况下,由该表达式估计DOA可以获得明显优于MUSIC方法的性能。