基于子空间跟踪的空时多用户检测

采用改进的PASTd子空间跟踪算法实现信号子空间的自适应跟踪.提出一种基于改进的PASTd子空间跟踪的空时多用户检测算法,实现了在不增加任何结构和复杂度的情况下将方向向量随子空间跟踪算法一起求解.使用阵列天线充分利用了不同空间位置带来的空域特征,有效地提高了用户的抗多址干扰能力,成为扩展系统容量的有效途径.仿真实验验证了该算法的优越性.     

基于APA和子空间跟踪的盲自适应多用户检测器

盲自适应多用户检测器因其只需很少的信息以及良好的抗多址能力,在CDMA系统中占据着很重要的作用;针对目前盲自适应多用户检测器中算法复杂度高的缺点,提出了一种基于仿射投影和紧缩投影近似子空间跟踪的盲自适应多用户检测器,该算法可以在计算复杂度和检测性能之间取得很好的平衡;仿真结果表明算法在较低的复杂度下能够取得良好的收敛特性和跟踪特性,有着良好的抗多址能力。     

MC-CDMA系统中的自适应半盲多用户检测算法

研究多载波CDMA(MC-CDMA)上行半盲多用户检测技术,对基于Chebyshev逼近算法实现的最小输出能量(MOE)盲多用户检测进行改进,提出MC-CDMA系统下一种基于子空间跟踪和Chebyshev逼近的自适应半盲多用户检测算法。该算法基于MOE线性检测器原理,充分利用小区内所有用户的扩频码,设计了一种基于MOE准则的半盲检测器,很好地消除了多址干扰。为了减少计算复杂度,将修正的PASTd算法应用于Chebyshev逼近算法估计MOE半盲检测器的最优权向量。该算法计算复杂度低,具有较好的抗多址干扰性能和检测性能。仿真结果验证了该算法的可行性和优越性。     

基于子空间跟踪的盲自适应多用户检测技术研究

研究了一种基于子空间跟踪的盲自适应多用户检测的算法,提出了一种改进的PASTd算法和卡尔曼滤波算法相结合的盲自适应多用户检测算法。把改进的PASTd算法和卡尔曼滤波器结合,提出了一种新的盲自适应多用户检测器并且能够实现在高信噪比和远近效应情况下得到稳定的跟踪性能。仿真结果表明,该检测器可以迅速地跟踪维数变化了的信号子空间,从而提高检测器的性能,实现稳定的跟踪并使输出具有良好的信干比。提出的盲自适应多用户检测算法虽然在计算量上较LMS算法略有提高,但其收敛性能却优于后者,与RLS算法相比,提出的算法具有更低的计算复杂度和更优的收敛性能。     

基于自适应拟牛顿子空间跟踪的盲多用户检测算法

该文提出了一种新的基于自适应拟牛顿子空间跟踪盲多用户检测算法,这种算法的计算复杂度为O(n2r),其中n为扩频因子,r为用户数。仿真分析表明:该文提出的方法的算法稳态性能及收敛速度比其他基于子空间的盲多用户检测算法都要好,因而是一种优秀的盲自适应多用户检测算法,具有一定的应用和研究价值。     

基于近邻参考集与E2LSH加速的姿态敏感器故障检测

为满足高维、多状态姿控敏感器遥测数据的实时故障检测,提出了一种基于局部敏感哈希和子空间异常因子的故障检测算法.算法通过局部敏感哈希索引的建立和使用,检测全局故障点;通过子空间异常因子的计算,检测子空间故障点.提出了近似邻近参考集与缓存桶的概念,降低算法的时间复杂度.ZDPS-2卫星的姿控敏感器数据分析结果表明,该方法故障查准率89.3%,查全率100%,且泛化性能优于原始的子空间异常程度算法.该算法解决了原始的子空间异常程度算法实时性低、检测全局故障困难问题,可以满足姿控敏感器实时故障检测需求.     

基于子空间跟踪的修正MMSE多用户检测算法

在研究基于子空间跟踪的最小均方误差（MMSE）多用户检测器（MUD）的基础上，为解决原算法因引入特征值估计误差而导致检测性能下降的问题，设计了一种改进的算法——修正的MMSE多用户检测器．采用正交性能优良的OPAST算法跟踪子空间，提出一种基于OPAST的修正MMSE多用户检测算法．仿真结果显示,与基于OPAST的MMSE MUD相比，基于OPAST的修正MMSE MUD算法收敛速度快，输出信干比和误码率性能逼近SVD MUD算法，并且计算复杂度较低．     

一种改进的基于卡尔曼滤波的盲多用户检测算法

针对卡尔曼滤波盲多用户检测算法在多径信道存在波形失配的情况下性能迅速下降的问题,引入子空同概念对原状态空间模型进行了改进,进而得到了改进的盲多用户检测算法.该算法将检测器模型化为信号子空间的一个向量,采用卡尔曼滤波器自适应地获得系统参数.仿真实验表明,与原算法相比,该算法具有更低的计算复杂度和更快的收敛速度.当发生波形失配使信号受到严重削减时,该算法仍然表现出较好的性能.     

自适应门限GM-CPHD多目标跟踪算法

带有势估计的高斯混合概率假设密度滤波（GM-CPHD）作为一种杂 波环境下目标数可变的检测前跟踪方法,将复杂的多目标状态空间的运算转换为单目标状态 空间内的运算,有效避免了多目标跟踪中复杂的数据关联问题,但该方法的计算复杂度与观 测数的3次方成正比,在密集杂波情况下计算量十分巨大。针对该方法计算复杂度高的问题 ,提出利用一种最大似然自适应门限的快速算法,该算法首先利用自适应门限对观测进 行处理,然后仅利用处于门限内的有效观测进行GM-CPHD算法的更新步计算,大大降低了算 法的计算复杂度。实验结果证明,本文方法在有效降低计算复杂度的同时,在多目标跟踪效 果 方面与GM CPHD相当,优于GM-PHD滤波算法。     

基于子空间联合模型的视觉跟踪

目标跟踪是计算机视觉的重要组成部分,其鲁棒性一直受到目标遮挡,光照变化,目标姿态变化等因素的制约。针对这个问题,提出了基于子空间联合模型的视觉跟踪算法。算法为了克服遮挡对目标跟踪的影响,采用局部动态稀疏表示进行遮挡检测,根据遮挡检测结果来修正增量子空间误差。此外,在稀疏子空间基础上计算目标模板和候选模板的相似性。在粒子滤波框架下,联合候选目标增量误差和相似性实现目标跟踪。通过在多个具有挑战性的视频序列上进行实验,表明该算法具有较好的鲁棒性。     

基于信号子空间的MMSE盲多用户检测*

修正的最小均方误差(MMSE)多用户检测器解决了传统MMSE因引入特征值估计误差而导致检测性能下降的问题。基于修正MMSE多用户检测器,采用正交性能良好的改进PASTd算法跟踪子空间,提出一种基于改进PASTd的修正MMSE多用户检测算法,改进后的MMSE盲多用户检测误码率低,收敛速度快。仿真结果验证了该算法的有效性和可行性。     

多径衰落信道中的一种新的多用户检测算法

多用户检测在码分多址信号中有着广泛的应用.基于恒模算法(CMA)提出了一种新的多用户检测算法.该算法的本质是不直接对滤波器的系数进行估计,而是对噪声空间系数进行估计,再对系数计算.对比恒模算法,仿真结果表明新算法具有信噪比高,误码率低的特点等.     

随机布署平面传感器阵列实现色噪声下运动节点跟踪算法

针对色噪声下的空间运动节点跟踪问题,提出一种新的辅助变量子空间跟踪算法.该算法采用秩1更新,构造两个无约束代价函数,求其递归最小二乘解跟踪信号子空间.得到信号子空间后,构造矩阵方程,通过最小二乘解实现空间运动节点的方向跟踪,所得空间二维角度能自动配对.在任意的平面传感器阵列下,所提算法和著名EIV-PAST算法均具有较好的节点跟踪性能,跟踪的信号子空间夹角和信号子空间误差较小,所提算法的正交性能显著优于EIV-PAST算法.     

基于子空间的Kalman滤波盲自适应多用户检测器

本文提出一种基于子空间估计和Kalman滤波相结合的盲自适应多用户检测器。文中使用期望用户的特征波形,可以将盲多用户检测器表示成信号子空间中的一个固定信号与另一个自适应部分之和,其自适应部分的系数可通过Kalman滤波算法进行估计。实验仿真表明,在加性高斯白噪声信道中,基于子空间的Kalman滤波算法较全秩算法具有更低的计算复杂度和更优的收敛性能。     

主奇异子空间跟踪算法与性能分析

主奇异子空间分析是一种自适应的神经网络信号处理技术,广泛应用于现代信号处理中.本文提出一种新的主奇异子空间跟踪信息准则,并以此为基础推导出一种在线的梯度流神经网络算法.理论分析表明,信息准则具有唯一的全局最小值,且最小值对应的状态矩阵能够恰好张成输入信号的主奇异子空间.该算法具有良好的收敛能力,强大的自稳定性能,且当输入信号呈现出奇异互相关特性时,仍呈现出良好的跟踪效果.分别采用李雅普诺夫函数方法和常微分方程方法分析算法的收敛性能和自稳定性. MATLAB仿真算例验证了算法的性能.     

Robust multi-branch space–time beamforming for OFDM system with interference

Space–time receive beamforming is a promising technique to suppress co-channel multiuser interference for orthogonal frequency division multiplexing (OFDM) systems. However, the performance of existing receive beamforming methods is highly sensitive to the memory length of time–domain equalizer. In this paper, we propose a new robust solution of space–time receive beamforming to combat co-channel multiuser interference for OFDM systems. The proposed method performs subspace analysis for the received space–time snapshots from both the training block and few data blocks, and constrains the space–time beamforming vectors to lie in the corresponding signal subspace. A few beamforming vectors are then carefully designed to suppress interference as well as provide the potential multi-branch diversity gain. The numerical results are provided to corroborate the proposed studies. We show that the proposed method not only can outperform the exiting competitors but also has the advantage of being quite insensitive to the memory length of time–domain equalizer.     

Analysis of the Kalman filter based estimation algorithm: an orthogonal decomposition approach

In this paper we shall provide new analysis on some fundamental properties of the Kalman filter based parameter estimation algorithms using an orthogonal decomposition approach based on the excited subspace. A theoretical analytical framework is established based on the decomposition of the covariance matrix, which appears to be very useful and effective in the analysis of a parameter estimation algorithm with the existence of an unexcited subspace. The sufficient and necessary condition for the boundedness of the covariance matrix in the Kalman filter is established. The idea of directional tracking is proposed to develop a new class of algorithms to overcome the windup problem. Based on the orthogonal decomposition approach two kinds of directional tracking algorithms are proposed. These algorithms utilize a time-varying covariance matrix and can keep stable even in the case of unsufficient and/or unbounded excitation.