非最小相位SIMO系统的盲辨识方法

提出一种非最小相位SIMO系统的盲辨识方法.SIMO系统的多个输出可重新组合为具有循环平稳特性的输出序列,利用信号子空间与噪声子空间正交的特性,可求解系统的模型参数.该方法能辨识最小相位对象的结构参数,对非最小相位对象以及具有无限冲击响应的对象同样有效.该方法运算复杂度低,辨识速度快.仿真结果验证了其有效性.     

基于ARMAX模型的子空间辨识算法

针对于子空间辨识算法辨识闭环系统时,由于输入信号与不可测噪声是相关的,往往会得到有偏估计的问题.提出一种采用自回归滑动平均模型(ARMAX)的闭环子空间辨识方法,通过扩展最小二乘方法(ELs)估计ARMAX模型中的马尔科夫(Markov)参数,使用预测的子空间辨识方法(PBSID)获取系统参数矩阵,避免了采用高阶自回归模型(ARX)所导致的过大的估计方差等问题.算法实例验证结果表明,改进方法能够获得较好的闭环系统一致性估计,辨识精度较高,有非常良好的应用前景.     

基于小波子空间法的MIMO系统辨识研究

针对线性时不变多输人多输出(MIMO)系统的输出存在随机噪声情况下,提出直接利用小波域的输入输出数据,辨识MIMO系统的方法.子空间状态空间法是时域辨识MIMO系统的主要方法,通过数据矩阵投影,对数据矩阵进行QR分解和奇异值分解,辨识出系统的阶数和系统的状态方程矩阵.运用小波变换,将时域信号转换为小波域的信号,利用小波子空间状态空间辨识算法对MIMO系统辨识,通过仿真,得到辨识的结果与时域子空间状态空间法相比较,证明提出方法是有效的.     

基于二阶循环统计量的盲均衡算法

提出一种新的基于循环二阶统计量的盲均衡算法.通过对信道输出信号进行过采样,建立单输入多输出信道模型.由于过采样等效信道矩阵具有特殊结构,使得仅仅根据零延迟时的协方差矩阵所包含的信息就能实现信道估计,根据不同延迟下的协方差矩阵也可求得不同时延的均衡器矩阵,然后用最小均方误差MMSE准则来优化均衡器得到最佳延迟协方差矩阵.仿真结果表明了该算法的有效性.     

基于信道相关性的半盲信道辨识算法

针对全盲信道辨识算法无法辨识含公零点信道且对信道阶数误差敏感的问题,本文基于信道的CR相关性提出一种简单有效的半盲 信道辨识算法。算法通过输出数据构造相关矩阵W,根据相关矩阵W与信道向量的正交性构造约束方程,并利用少量已知符号和改进的最小二乘（Modified least square,MLS ）准则建立额外的约束,通过最小二乘法求得信道响应的闭式解。该算法有效地克服了全盲信道辨识算法的诸多局限性,避免了传统半盲方法面临的最优加权选择问题,算法复杂度较低且性能稳定,对信道噪声及信道阶数具有较强的鲁棒性。仿真实验验证了所提算法的有效性与优越性。     

适用于含公共零点SIMO信道的盲均衡算法

在含公共零点单输入多输出(SIMO)模型的基础上,提出一种针对含公共零点的SIMO信道的直接无限冲击响应(IIR)盲均衡算法。该算法利用IIR预测均衡算法对输入信号进行初始均衡和对均衡结果进行相偏纠正,通过最小均方误差准则提高算法在高斯白噪声环境中的适应性,克服IIR预测算法中的相位偏转问题与IIR预测算法对信噪比敏感的缺点。仿真实验结果表明,该算法对IIR信道及含公共零点信道都具有较好的均衡效果。     

一种基于噪声子空间的半盲信道辨识算法

传统确定性半盲算法在最优权值选择上效率较低。为此,提出一种基于噪声子空间的半盲方法。利用噪声子空间与信号子空间的正交关系,构建信道响应与噪声矢量间的约束,根据参考符号与对应接收信号间的卷积关系建立额外的约束,由最小二乘方法求解信道冲激响应。仿真实验验证了该算法的有效性及参考符号个数下限的正确性。     

基于循环平稳二阶统计量的SUB-CMOE盲均衡算法

提出了一种新的利用循环二阶统计量估计信道的盲均衡算法.通过对信道输出信号进行过采样,建立单输入多输出(single input multiple output,SIMO)信道模型.传统的约束最小输出能量算法(constrained minimum output energy algorithm,CMOE)只研究了理想的无噪声状态,不考虑噪声对信道的影响.然而实际中噪声是不可避免的.为了使得约束最小能量算法可以适用于有噪声环境,利用子空间算法来消除噪声对算法的影响.仿真结果表明本算法可以克服噪声对信道的影响,收敛速度快.     

典型相关分析的改进型RLS盲均衡算法研究

本文介绍了一种适用于单输入多输出(SIMO)系统中的自适应盲均衡算法——典型相关分析的递归最小二乘自适应盲均衡(CCA-RLS),并在此基础上提出了一种改进算法——典型相关分析的可变遗忘因子递归最小二乘自适应盲均衡(CCA-MRLS)。CCA-MRLS盲均衡算法把典型相关分析(CCA)与MRLS算法结合在一起应用于SIMO系统中,不同于其他基于二阶统计量(SOS)算法,它能够在获得最佳均衡器的同时还能够得到系统的最佳联合输出。仿真结果表明,提出的CCA-MRLS算法与CCA-RLS相比,具有更低的残留码间干扰和更快的收敛速度。     

基于目标函数的递推子空间辨识算法

针对实际工程中要求对系统参数进行在线估计的问题, 提出一种递推子空间辨识的新方法. 通过引入辅助变量关系将递推子空间辨识问题转化为目标函数的迭代最小化问题. 采用递推最小二乘算法在线估计参数并由传播方法得到更新的广义能观性矩阵, 进而求得子空间辨识模型系统参数. 该算法简单有效且对初值具有鲁棒性. 最后, 通过仿真实例验证算法的有效性.     

Closed-loop subspace identification algorithm based on correlation function estimates

A novel subspace identification method based on correlation function which estimates a state-space system dynamics of unknown plant operating in closed-loop experimental condition is proposed in this paper.It is shown that the cross-correlation function of the output and external input signals are equal to the crosscorrelation function of the input and external signals filtered through the system dynamics since noise signal has no correlation with the external input.The proposed algorithm is developed to obtain unbiased estimates of system matrices based on time-shifted invariance of the correlation function estimates.Later the algorithm is compared to other popular subspace methods in the simulation study and the results show the effectiveness of our method in the presence of colored noise and low signal-to-noise ratios.     

基于RLS的改进型盲多用户检测算法

针对传统的关于可变约束MOE盲多用户检测算法需直接进行特征值分解计算和不能实现二次约束限制的缺点,提出了一种基于RLS的改进型MOE盲多用户检测算法.该算法避免了矩阵求逆和大量的特征值分解运算,计算复杂度大大降低.仿真结果表明,该算法的误码率性能和收敛性均优于直接利用特征值分解的传统算法,且程序运行时间大大缩小.     

基于平衡多小波的改进的盲水印算法

利用图像经过CARDBAL平衡多小波变换(BMWT)后,能量汇聚且平均分摊在最低分辨率子图像4个分量上的特点,提出了一种基于BMWT和DCT的改进的盲水印算法.在彩色图像的饱和度分量上嵌入一幅二值水印图像,水印嵌入前进行Arnold置乱和混沌加密预处理,保证了算法的安全性.实验结果表明,改进后的算法具有良好的鲁棒性,而且在抵抗JPEG压缩性能方面有明显的提高.     

改进的基于DCT的加密盲水印算法

介绍了数字水印的相关概念,提出了一种基于离散余弦变换的加密图像盲水印算法。利用国际数据加密算法（IDEA）对水印图像像素或图像文件进行加密,根据人眼视觉频率响应理论确定水印嵌入位置以实现盲水印,利用离散余弦变换（DCT）实现数据的嵌入和提取。实验表明：提出的算法能够实现加密数据盲水印,并对水印数据提供有效的保护。     

基于近邻图改进的块对角子空间聚类算法

块对角表示（BDR）模型可以通过利用线性表示对数据有效地进行聚类,却无法很好地利用高维数据常见的非线性流形结构信息。针对这一问题,提出了基于近邻图改进的块对角子空间聚类（BDRNG）算法来通过近邻图来线性拟合高维数据的局部几何结构,并通过块对角约束来生成具有全局信息的块对角结构。BDRNG同时学习全局信息以及局部数据结构,从而获得更好的聚类表现。由于模型包含近邻图算子和非凸的块对角表示范数,BDRNG 采用了交替最小化来优化求解算法。实验结果如下：在噪声数据集上,BDRNG能够生成稳定的块对角结构系数矩阵,这说明了BDRNG对于噪声数据具有鲁棒性;在标准数据集上,BDRNG的聚类表现均优于BDR,尤其在人脸数据集上,相较于BDR,BDRNG的聚类准确度提高了8%。     

基于高对比度子空间的改进孤立森林方法

针对孤立森林通过随机选择属性进行数据空间分割,在面对高维数据时具有不可靠性这一问题,提出了一种基于高对比度子空间的改进孤立森林算法 （high contrast subspace isolation forest,HiForest）。首先,该方法基于子空间各属性边缘概率与联合概率间的偏差值,选取具有高对比度值的子空间;其次,在相关子空间中构建离群点检测能力更优的隔离树,多棵隔离树集成为隔离林,通过遍历数据点在隔离森林中的平均路径长度从而得到异常分数。基于ODDS数据集的实验表明,与传统的异常检测算法相比,HiForest在曲线下面积、查准率、召回率和F1-score评价指标上均有较明显的提升。因此,HiForest算法是一种适用于中高维数据集,检测精度更高的异常检测算法。     

基于子空间辨识的煤气混合加压过程建模方法

本文针对高炉煤气与焦炉煤气混合加压过程,提出一种基于子空间辨识的过程状态与输出关系建模方法.通过分析过程的强耦合特性,以蝶阀前的高炉煤气压力和流量、焦炉煤气压力和流量为过程状态,混合煤气热值和压力为输出,采用子空间辨识方法建立了一个4输入2输出的关系模型.仿真实验表明,建立的模型有效地反映了过程特性,具有较高的辨识精度.     

基于语音端点检测和子空间方法的语音增强算法

利用子空间方法来实现语音的增强,在语音失真和残留噪声之间进行折中处理:既最小化语音失真,同时又使残留噪声保持在一个预先设定的值.传统的子空间法在平稳噪声环境下是有效的,但在非平稳环境下效果却不是很明显,因此利用语音端点检测(VAD)对噪声的协方差进行及时地更新.实验表明,采用基于VAD的子空间方法实现语音增强可以达到很好的效果.     

基于最大后验估计的恒模盲均衡改进算法

为解决恒模算法(CMA)对高阶正交幅度调制(QAM)信号均衡效果较差的问题,提出了一种将CMA算法和最大后验估计(MAP)盲均衡算法相结合的改进算法.该算法运用CMA使均衡达到初步收敛后,改用MAP估计的方法来减小剩余误差.仿真结果表明,该改进算法对高阶QAM信号的均衡也能达到很快的收敛速度和很小的剩余误差,星座恢复图很紧凑.同时由于改进算法不需要进行多次的信号区域判决,其计算复杂度远小于MAP估计盲均衡算法.