基于子空间新型跟踪策略的RLS盲多用户检测算法

针对DS/CDMA系统中信源个数欠估计时基于子空间的盲多用户检测算法性能恶化的问题,提出了子空间新型跟踪策略,并对递归最小二乘(RLS)盲多用户检测算法进行改进.在新型跟踪策略中,目标用户特征波形作为信号子空间的一部分,仅跟踪信号子空间中目标用户特征波形的正交分量,然后构造信号子空间,从而提高了信号子空间准确度,且计算复杂度较低,即使在信源个数出现欠估计时,目标用户信息也未丢失,检测性能所受影响较小;将子空间引入到RLS盲多用户检测算法中,有效降低了对信号子空间跟踪准确度的要求.仿真结果表明了该算法的有效性.     

CDMA系统动态子空间跟踪算法

基于子空间分析的CDMA多用户检测算法是近期线性多用户检测算法中研究得比较多的一类,其基础--子空间跟踪领域长久以来也有大量的研究结果,然而适用于CDMA系统且性能较高、运算量低的算法并不多见.本文针对CDMA系统的用户数目发生变化,从而导致信号子空间维数变化的情况进行分析,提出一种基于基旋转的动态子空间跟踪算法.仿真结果表明,该算法能迅速地跟踪维数变化了的信号子空间,从而提高基于该跟踪结果的CDMA多用户检测算法的性能.     

基于实值特征子空间迭代的DOA估计算法

针对相关信号的DOA估计和角度跟踪的传统算法自适应性差和特征值分解运算量大的问题,提出了一种基于实值特征子空间迭代的DOA估计算法．对每次快拍数据,通过梯度算法自适应更新信号和噪声子空间,并将复值特征子空间变换为实值,最后利用基于信号子空间的角度估计方法(Unitary ESPRIT) 或噪声子空间的方法(实值域求根MUSIC) 估计信号角度．由于引入了自适应特征子空间迭代和实值域处理,该算法无需特征值分解,有效地降低了基于子空间类高分辨算法的运算量,可以应用于相关信号的角度估计和跟踪问题．理论分析和仿真结果表明,算法具有较低的运算量和良好的自适应性,对某米波测高雷达实测数据的处理结果也表明了算法的有效性．     

基于E-PASTd的盲扩频码序列估计算法

针对直接序列扩频信号的扩频码盲估计问题,改进了特征分解的方法,提出了一种基于压缩投影近似子空间跟踪的PN码恢复算法。该算法由两个主特征向量估计非同步延迟值,结合利用压缩投影近似子空间跟踪技术的快速收敛特性提取主分量,避免了对自相关矩阵的直接特征分解运算。计算机仿真表明该算法降低了数据的存储量,易于硬件实现,具有良好的收敛特性,性能优于已有的梯度算法和神经网络算法。     

CDMA系统动态子空间跟踪算法

基于子空间分析的ＣＤＭＡ多用户检测算法是近期线性多用户检测算法中研究得比较多的一类,其基础－子空间跟踪领域长久以来也有大量的研究结果,然而适用于ＣＤＭＡ系统且性能较高、运算量低的算法并不多见。本文针对ＣＤＭＡ系统的用户数目发生变化,从而导致信号子空间维数变化的情况进行分析,提出一种基于基旋转的动态子空间跟踪算法。仿真结果表明,该算法能迅速地跟踪维数变化的了信号子空间,从而提高基于该跟踪结果的ＣＤＭ     

基于PAST子空间跟踪算法的DCMMSE盲多用户检测

阐述了基于子空间跟踪算法的数据压缩最小均方误差(DCMMSE)盲多用户检测的基本原理.将PAST子空间跟踪算法应用于DCMMSE盲多用户检测,发现PAST子空间跟踪算法具有自然的数据压缩结构,适于DCMMSE盲多用户检测,在几乎不增加运算量的情况下即可实现DCMMSE盲多用户检测.仿真实验表明:基于PAST子空间跟踪算...     

快速约束极值子空间跟踪算法

子空间跟踪算法是许多工程计算问题的核心.Valizadeh等人基于约束优化问题提出了一种快速投影逼近子空间跟踪算法.在指出快速投影逼近子空间跟踪算法不足的同时,应用矩阵求逆引理给出了一种新的快速子空间跟踪算法——快速约束极值子空间跟踪算法.仿真实验表明,所提算法是收敛且稳定的,其性能优于或相当于几种常见的快速子空间跟踪算法.     

基于最小能量准则的自适应步长算法研究

提出了一种基于最小能量准则的盲多用户检测新算法。该算法利用投影矩阵把检测器的系数映射到信号空间，不再需要约束条件，将步长看成是一个变量，利用两次LMS算法，分别对步长和系数进行迭代，使系数能够跟踪到环境的变化。对比定步长的LMS算法，仿真结果表明此算法有信噪比高，收敛速度快的特点。     

基于子空间跟踪的盲多用户检测算法

基于修正的最小均方误差(MMSE)准则,提出了一种适用于多径衰落信道中的同步DS-CDMA盲自适应多用户检测算法。该方法使用了一种改进的信号子空间跟踪算法,将内部模型法则与PAST算法相结合,并在每一次自适应迭代中对信号子空间正交化,解决了传统算法因引入特征值估计误差而导致检测性能下降的问题,提高了算法的跟踪精度和鲁棒性,且计算复杂度较低。仿真结果验证了本文算法的有效性。     

基于nested阵列的高分辨DOA估计

针对nested阵列对邻近信号的分辨力受信噪比和快拍数等因素限制的问题,提出了基于nested阵列的加权子空间平滑M USIC算法.该算法对协方差矩阵向量化以提高整个阵列的自由度,使用空间平滑恢复新接收数据矢量阵的秩,采用校正的噪声特征值对噪声子空间进行加权,并对信号子空间进行空间谱合成,得到新算法的空间谱函数.通过搜索空间谱函数极大值实现DOA估计.结果表明,该算法在低信噪比及小快拍数条件下,对间隔较近的信号具有高分辨力.     

缺失像素图像集的流形学习算法

针对具有像素缺失的图像集,提出了修正的局部切空间对齐算法。该算法在每个局部邻域,扩展基于EM算法的主成分分析法,利用已知像素提取局部信息,替代了传统的SVD方法,从而避免了利用先验知识对图像进行恢复、固定值填充等所带来的累计误差,最终实现恢复图像集的内在流形结构。在标准的测试数据集上的实验表明,修正的局部切空间算法能很好地发掘缺失像素图像集的内在流形结构,且具有良好的图像恢复能力。     

多用户检测中基于导频信道的自适应算法

提出了一种新的、 适用于多用户检测的自适应算法, 这种基于导频信道的自适应算法(PCA)利用导频信道的信息直接计算横向滤波器的权矢量, 与传统的自适应算法和盲自适应算法相比, 不需要训练序列或信道估计, 而且计算复杂度只有O(N²).分析和仿真表明, PCA能全局收敛到Wiener解, 收敛速度快, 稳态性能随导频信道的发射功率增加而提高, 但比传统的判决引导递归最小二乘算法(DD-RLS)的稳态性能差.     

基于NSCT和PCA变换域的遥感图像融合算法

为使融合后的图像在尽可能保持原图像光谱信息的同时,有效提高空间细节信息,提出了一种新的基于非下采样Contourlet变换（NSCT）和主成分分析（PCA）的全色图像和多光谱图像融合算法.对多光谱图像进行PCA变换得到主元分量,将处理后的主元分量与全色图像进行NSCT分解,针对低频子带系数选择提出了一种基于窗口与局部方差相结合的融合策略;在高频子带系数选择上,提出了基于区域线性相关测定的融合策略.进行非下采样Contourlet逆变换和PCA逆变换,得到具有高空间质量的多光谱图像.实验结果表明,提出的算法在保留光谱信息和提高空间细节信息的综合性能上有所提高,能够取得较好的融合效果.     

结合PCA和ICA的脑磁信号消噪研究

基于二阶统计特性的主分量分解(PCA)和基于高阶统计特性的独立成分分析(ICA)是盲源分离信号处理中两种最为典型的方法．针对多通道脑磁信号的消噪问题,提出一种基于PCA与ICA相结合的信号消噪新算法．首先通过对脑磁信号进行主分量分解来降低信号维数,去掉其中包含的冗余成分,使计算时间缩短到原来的10％;进而利用自适应最大熵独立成分分析算法对降维后的数据进行二次分解,提取出脑磁信号中含有的干扰分量,使信噪比从10dB提高到80dB,达到对信号进行消噪的目的．     

Stiefel流形上沿测地线搜索的自适应主(子)分量分析对偶学习算法

神经网络在线提取子分量并不成功。基于Oja-Brockett-Xu并行神经网络拓扑结构,通过紧致Stiefel流形上加权Rayleigh商目标函数的优化框架,提出一个通过改变搜索方向并行提取主分量和子分量的自适应对偶学习算法。在正交矩阵群上采用基于右平移不变的Killing度量,通过在单位元处基于指数映射的测地线搜索,得到Stiefel流形上主(子)分量分析的对偶学习算法,提出的算法通过简单的变换步长参数符号,从主分量分析切换至子分量分析,权值矩阵在任意迭代时刻保持正交归一性。数值仿真验证了该算法的有效性。     

保局投影算法的优化研究

保局投影算法的基础是构造一个模拟图像局部结构的最近相邻图,但该最近相邻图并不总能够准确表示图像的流形结构,该文提出了一种基于保局投影的迭代保局投影优化算法。该方法可以不断地迭代更新保局投影算法的最近相邻图,最近邻图的构成直接影响到保局投影算法的性能,因此,优化后的最近相邻图可以更好地表示出图像的流形结构。从而可以得到更佳的降维映射。对该算法与PCA及LPP的图像检索效果进行实验比较,结果表明,该算法可以获得更好的效果。     

基于信息熵的高维稀疏大数据降维算法研究

数据降维是从高维数据中挖掘有效信息的必要步骤。传统的主成分分析（PCA）算法应用于超高维稀疏数据降维时,存在着无法将所有数据特征一次性读入内存以进行分析计算的问题,而之后提出的分块处理PCA算法由于耗时太长,并不能满足实际需求。本文引入信息熵的思想对PCA算法进行改进,提出E-PCA算法,先利用信息熵对数据进行特征筛选,剔除大部分无用特征,再使用PCA算法对处理后的超高维稀疏数据进行降维。通过实验结果表明,在保留相同比例原数据信息的情况下,本文提出的基于信息熵的E-PCA算法在内存占用、运行时间以及降维结果都优于分块处理PCA算法。     

Fault detection method with PCA and LDA and its application to induction motor

A feature extraction and fusion algorithm was constructed by combining principal component analysis (PCA) and linear discriminant analysis (LDA) to detect a fault state of the induction motor. After yielding a feature vector with PCA and LDA from current signal that was measured by an experiment, the reference data were used to produce matching values. In a diagnostic step, two matching values that were obtained by PCA and LDA, respectively, were combined by probability model, and a faulted signal was finally diagnosed. As the proposed diagnosis algorithm brings only merits of PCA and LDA into relief, it shows excellent performance under the noisy environment. The simulation was executed under various noisy conditions in order to demonstrate the suitability of the proposed algorithm and showed more excellent performance than the case just using conventional PCA or LDA.     

基于小波子图和决策融合的人脸识别算法

提出了一种基于小波子图和决策融合的人脸识别算法。首先将图象进行适当层数的小波分解 ,每次分解只取最低频子图。然后对低频子图再进行一次小波全分解得到不同方向的四个子图。在这四个子图上分别进行传统的主分量分析 (PCA)或者进行傅立叶变换(即频谱脸算法 ) ,可得到四个识别结果 ,再跟据一种决策融合方案得出最终的识别结果。最后 ,我们用 Olivetti人脸数据库对本文的算法与传统的 PCA算法 ,基于单一小波子图的PCA算法以及频谱脸算法进行了比较。实验结果显示 :应用了多个小波子图以及决策融合方案后 ,识别率都有一定的提高     

基于主成分分析和人工神经网络的酒类辨识

介绍了人工嗅觉系统对不同酒类样本的定性识别,尝试利用主成分分析(PCA)和人工神经网络(ANN)中改进的BP算法、改进的RBF算法(最近邻RBF与k均值RBF相结合选取中心的算法)和k均值RBF算法,实现对酒类的定性识别.实验结果表明:结合PCA的ANN方式为模式识别、分类提供了快速准确的辨识方法.