基于修正后矩阵分解的最优协方差DOA估计

针对传统来波方向（direction-of-arrival,DOA）估计在信号相干、低信噪比与噪声非均匀环境下性能差的问题,基于修正后的矩阵分解,提出一种利用凸优化的协方差矩阵最优DOA估计方法。修正后的矩阵分解方法,解相干的同时克服了孔径损失;然后,利用凸优化,重构出无噪声的协方差矩阵;最后,利用最小化搜索计算出DOA。仿真结果表明,所提算法与矩阵分解（matrix decomposition,MD）算法、基于◢l▼1▽范数的奇异值分解（l◣▼1▽-norm singular vector decomposition,◢l◣▼1▽-SVD）算法以及基于空间平滑的协方差秩最小化估计（spatial smoothing based covariance rank minimization,SS-CRM）算法比较,能更好地抑制非均匀噪声,且在低信噪比条件下,依然性能良好。     

一类线性最优滤波的多级分块分解算法

本文将B.Friedland的递推滤波器中的常值偏差处理法推广为一般时变偏差情况下的多级分块分解算法,研究了偏差状态维数变化时实现多级分块分解的可能性,得到了相应的结果,并说明了多级分块分解算法的工程意义.     

一种无矩阵求逆的最优滤波计算方法

本文回顾了在改善卡尔曼滤波数值稳定性,提高计算效率等数值计算方面的主要研究与发展,包括平方根协方差、U—D分解、奇异值分解(SVD)等计算方法。这些算法都存在不同程度地通过牺牲计算效率换取数值稳定性的不足。本文提出了一种无矩阵求逆的最优卡尔曼滤波计算方法,该算法数值稳定性强,且计算量也比较小。     

基于协方差矩阵的盲分离算法

提出了一种新的实时线性混叠信号的盲分离算法，该算法利用信号相互独立时其协方差矩阵的对角化特征作为分离准则，采用最速下降法进行分离。该算法对源信号和混叠矩阵没有过多要求且计算量不大，理论分析与仿真结果表明，该算法具有很好的分离效果。     

测量误差协方差矩阵的鲁棒估计

由于经典的误差协方差阵间接估计方法对于过失误差存在非常敏感,本文提出了一种基于Hampel三截尾估计的间接估计方法,在无过失误差和存在过失误差的情况下都能给出测量误差协方差矩阵可靠的估计,两个仿真实例表明了算法的鲁棒性。     

基于协方差矩阵的仿射不变量

为了对仿射变形的物体进行有效和正确的识别,构造了一种新的仿射不变量.构造的主要过程是：先计算图像的协方差矩阵,接着计算该矩阵的特征值和特征向量,再构造出一组同心椭圆,这些椭圆以图像质心为中心,以两个特征向量为长、短轴,且轴长和两个特征值的平方根成正比,进而利用图像紧化原理和仿射变换的有关性质推导出一组仿射不变量.文中将仿射不变量用于模式识别,获得很高的识别率.     

基于模糊控制的线性最优励磁控制系统权矩阵的优化选取

传统线性最优励磁控制系统的加权矩阵,通常是根据正常运行工况下系统对状态变量的约束程度选取的,因此在平衡点附近控制系统具有较好的动态品质,而当系统受到的扰动过大或者过小时,调节性能会变差.模糊控制器可以跟踪系统运行工况,依据在线插值法所细化的规则库输出目标反馈增益矩阵,进而利用灵敏度分析综合考虑目标反馈增益的物理可实现性与权值对动态性能的影响,通过迭代求出优化权矩阵.仿真结果表明基于模糊控制的权矩阵优化选取,使线性最优励磁控制系统表现出更加优良的动态品质.     

分布式系统中H∞滤波的最优融合

分布式多传感器系统的一个关键问题是如何在融合中心将各分站的局部估计进行最优融合。分布式Kalman滤波因其具有分布式估计的诸多优点,并能达到中心式估计的最优性能而受到广泛关注。针对分布式不确定动态系统的H＊滤波给出了最优融合公式,并证明其同样能够达到中心式的融合性能,通过仿真实例验证了该最优融合的有效性。     

线性最优控制系统优化设计—权矩阵满阵优化法

本文通过线性最优控制理论、灵敏度分析理论及优化理论的有机结合,提出了一种系统的权矩阵优化选取方法.本方法在设计人员给定主导特征根位置、反馈增益顶值限制、寻优步长等条件下自动寻优,求得满足给定条件的权矩阵.同时为了最大限度地发挥权矩阵的作用,采用对权矩阵进行满阵优化的方法,大大提高了优化效率。实例表明,本方法能方便而快速地求得所需的权矩阵,解除了设计人员通过试凑法选取合适权矩阵的沉重负担.特别是用本方法所设计的降阶反馈控制系统较之一般常用的最小误差激励法所得到的降阶反馈控制系统具有更优良的动态品质.     

雷达阵列中前后向平滑协方差矩阵估计应用

在雷达阵列中的DOA估计中,在保证性能前提下实现算法简化,一直是人们追求的目标。前后向平滑是阵列信号处理中协方差估计的一种算法,而当该算法应用于波束空间的阵列信号处理时,可以用实数运算代替复数运算,从而减少运算量。分别介绍了奇数和偶数维条件下,算法的实现方法,并分析了相应的运算量同各个参数的关系。同传统前向平滑比较表明,该算法可以减少50％左右的运算量。     

多级嵌套维纳滤波器中协方差矩阵计算的FPGA实现

通过分析观察信号协方差矩阵构成的特点,提出了一种适合FPGA实现的协方差矩阵计算方法,为多级嵌套维纳滤波器提供了更易于工程实现的方法。     

基于多特征协方差矩阵的图像匹配算法

针对灰度及红外图像的匹配过程中经常出现的一些问题,如缺乏丰富的目标特征、易遭受复杂背景及噪声等外界因素干扰、目标出现放大缩小或偏转等,抽取目标图像的梯度幅值与方向,腐蚀与膨胀以及信息熵等特征,通过协方差矩阵将其融合在一起,构成新的特征模型.通过全图遍历求取矩阵间相似度距离的方法找到最佳匹配重心,将新方法与其它3种已有的匹配方法进行了对比说明.实验结果表明:在灰度图像匹配时新方法准确率高、鲁棒性好,同时也可以应用于红外图像中,满足了在一些条件下提高匹配准确度的要求.     

协方差矩阵的对称分块表示及其应用

本文推导了协方差矩阵的对称分块表示法。作为这种表示法在控制工程中应用的实例,对B.Friedland的递推滤波中的常值偏差处理法,在一般时变偏差情况下,给出了解析证明。     

杂波协方差矩阵结构的融合估计方法

针对特定杂波背景下的最优或次优杂波协方差矩阵估计方法难以适应过渡杂波环境的问题,提出协方差矩阵结构的融合估计方法,通过调整参数涵盖现有的3种杂波协方差矩阵估计方法,并分析所提出方法对应的自适应归一化匹配滤波器的自适应特性.其次,确定了控制参数的经验公式,经验公式符合数值结果.最后,从估计精度、恒虚警率特性和检测性能3个方面对所提出方法和已有方法进行对比分析.仿真结果表明,在过渡杂波环境中,所提出方法的精度更高、检测效果更好,对实际杂波非高斯程度时空渐变性具有较强的适应能力.     

混合模型算法中协方差矩阵及其导数信息的存储设计

针对用极大似然方法和限制极大似然方法进行混合模型的参数估计,设计并实现了随机效应的协方差矩阵和观测误差的协方差矩阵及其导数信息的切实可行的存储方案。     

改进协方差矩阵的智能车视觉目标跟踪方法

智能车辆视觉目标具有非线性、噪声分布非高斯性的典型特点，现有算法难以实时估计目标的状态。针对识别物体复杂且多变，很难用完全的特征来描述待识别目标及其背景的不断变化，提出了一种用于融合颜色特征及SURF（Speed-Up Robust Features）特征的协方差矩阵来改进粒子滤波算法，从而提升视觉目标跟踪的实时性，满足智能车辆的要求。首先，对采集的图像进行预处理来获取感兴趣区域。接着，通过融合颜色特征及SURF特征构造范围感兴趣区域（Region Of Interest，ROI）的目标特征协方差矩阵，建立目标状态预测模型及状态观测模型，用于改进粒子滤波算法粒子重采样过程，实现对目标的精确跟踪。最后，将该方法与Mean-shift算法和颜色属性（CN）算法进行对比。实验结果表明，在智能车视觉跟踪过程中对光环境瞬时变化、目标物体存在短时遮挡以及目标物体姿态改变时，该算法在满足智能车辆对实时性要求的前提下，有效提升算法的精确度及鲁棒性。     

非高斯杂波协方差矩阵估计方法及CFAR特性分析

在独立同分布的球不变随机向量非高斯杂波背景下,针对采样协方差矩阵(SCM)、归一化采样协方差矩阵(NSCM)及相应的迭代估计矩阵(NSCM-RE),利用统一理论框架分析了3种不同估计矩阵对应的自适应归一化匹配滤波器(ANMF)的恒虚警率(CFAR)特性.理论分析表明,SCM-ANMF只对杂波归一化协方差矩阵具有CFAR特性;而NSCM-ANMF只对杂波功率水平具有CFAR特性;在有限次迭代下,NSCM-RE-ANMF对杂波归一化协方差矩阵不具有CFAR特性.为了改善ANMF的自适应特性,提出了一种自适应协方差矩阵估计方法(AE),并将其作为初始化矩阵进行迭代估计,在有限次迭代下,所获得的AE-RE-ANMF对杂波归一化协方差矩阵和功率水平均具有CFAR特性.最后,通过仿真验证了所提方法的有效性.     

采用加权协方差矩阵描述子的OCR识别方法

传统光学字符识别（Optical Character Recognition,OCR）方法一般只提取图像亮度特征,在图像退化较严重时识别准确率不高。针对这一问题,提出一种新的扫描字符特征提取方法。除各通道亮度外,还提取像素位置、亮度的一阶导、二阶导等特征构成特征图像,并根据各个特征对图像的贡献程度进行加权处理。计算以当前像素为中心的局部区域特征图像块的协方差矩阵作为当前像素的描述子,然后在黎曼空间对字符实施分类。实验结果表明,采用典型的结构化分类器时,该特征提取方法对字符识别的准确率高于传统方法,表现出较强的鲁棒性。