时空相关矩阵联合对角化对谱分辨的影响

采用基于Jacobi算法的矩阵联合对角化方法对阵列接收数据的空时相关矩阵进行联合对角化,能够获取关于目标方位的尽可能多的信息,即空时相关矩阵"平均"特征值和特征向量,将这些平均值应用于Capon提出的最小方差无畸变响应(MVDR)空间谱估计算法,得到修正MVDR算法.由于修正MVDR算法充分利用了目标方位信息,且不需要信号源数目的先验信息,所以,其性能优于MVDR算法和MUSIC算法.仿真试验表明,在信号源相关程度比较高的情况下,修正MVSDR算法不需要信源数目的先验信息,仍能分辨出信号方位,其性能明显优于MUSIC算法,特别是当信源数目欠估计时,而其他基于子空间的算法得不出任何有意义的结果.修正MVDR算法空时相关矩阵联合对角化能提高空间谱的分辨能力,在一定程度上增加算法的稳健性.     

基于改进二维ESPRIT-like算法的相干源方向角估计

针对用于二维十字相控阵的类旋转不变技术估计信号参数(ESPRIT-like)算法用于相干源方向角估计时存在仰角和方位角配对困难的问题,提出一种基于接收信号矩阵联合对角化的改进二维ESPRIT-like算法。首先,通过ESPRIT-like算法得到x和y方向自相关矩阵,并由其重构出对应的Toeplitz矩阵以去相干;然后对Toeplitz矩阵进行等效分解,得到去相干后x和y方向的等效接收信号矩阵;最后对等效接收信号矩阵进行矩阵联合对角化,实现相干源仰角和方位角自动配对,从而得到正确的信源方向估计结果。仿真结果表明,与改进前的算法相比,改进后的算法能够实现正确的方向角估计;与目前常用的基于空间平滑的二维多重信号分类(MUSIC)算法相比,在信噪比为30 dB时,该算法响应时间减少了79%左右,仰角和方位角分辨率分别提高了20%和40%左右,均方误差约为MUSIC算法角度误差的10%。     

一种改进的加权空间平滑算法

对加权空间平滑算法计算加权因子时需要预估计信源方向的问题,提出 了一种新的相干信源波达方向估计的加权空间平滑算法。在计算加权矩阵时不需要知道信源 的先验信息,也不需要预估计信源方向,而是对原始阵列进行特殊结构的子阵划分,结合子 阵间的自、互相关矩阵对角度估计的贡献不同,采用嵌套的空间平滑算法得到加权矩阵,从 而实现相干信源的解相干和波达方向估计。本文算法相比原算法具有更优的加权因子、更好 的解相干 性能、更高的角度分辨率和角度估计的准确性。理论分析和仿真结果表明新算法的有效 性。     

两正定矩阵联合对角化盲分离算法

针对具有时间结构的盲分离问题,提出了一种基于两正定矩阵精确联合对角化的盲分离算法。利用多个不同时延统计量构造了两个正定矩阵,以提取出数据的时间结构;再利用所提算法联合对角化构造的两个正定矩阵,得到分离矩阵,进而估计出源信号。所提算法克服了已有算法因采用多个矩阵联合对角化导致的计算量大和采用单个矩阵导致的分离精度低的缺点。计算机仿真结果表明了在有或无噪声情况下,所提算法性能均优于其他对比算法。     

不计信源数目的修正MUSIC算法分析

在介绍MUSIC算法的基础上，分析了信源数目估计误差对MUSIC算法测向性能的影响，针对信源数日过估计下出现虚假信号和欠估计下存在谱峰消失的问题，根据阵列协方差矩阵特征分解后噪声特征值非常接近的特点，提出了一种在未知信源数日情况下进行正确DOA估计的修正MUSIC算法，计算机仿真结果证明了该算法的可行性和有效性。     

非对称非正交快速联合对角化算法

针对非对称联合对角化算法收敛速度慢以及有可能收敛到奇异解的问题, 首先提出一种基于最小二乘的非对称代价函数, 该代价函数在最小二乘标准的基础上增加了使对角化矩阵非奇异的约束项, 以保证算法不会收敛到奇异解. 然后利用一种循环最小化技术来优化提出的代价函数, 得到一种非对称非正交快速联合对角化算法. 算法的性能分析证明, 该算法不仅全局渐近收敛, 而且具有不变性. 左右对角化矩阵的关系也证明了非对称联合对角化的一般性. 实验仿真表明, 与原非对称联合对角化算法相比, 提出的算法收敛速度更快, 而且可以显著降低干扰信号比.     

基于频差修正的余弦信号频率估计算法

针对余弦振动信号的频率高精度估计需求,提出了一种基于频差修正的频率估计算法.对连续时间信号进行采样后,使用Candan算法估计出频差,运用频差对信号的频率进行修正.对修正后的信号使用Liang算法再次进行频偏估计.最后将2次估计得到的频率值相加求得最终估计频率.通过频差修正,避免了Candan算法因插值方向错误和Liang算法自身特点导致估计精度降低的问题,虽然增加了计算量,但并不影响信号实时处理.仿真结果表明:在相对频偏为任意值的情况下,改进算法的频率估计均方误差接近克拉美罗下限(CRLB),性能优于现有频率估计算法.     

TD-LTE下行发射分集自适应信道估计研究分析*

为了研究适用于TD-LTE系统下行信道发射分集模式下的信道估计算法,在基于离散分布的小区专用参考信号基础上分析了最小二乘（LS）和递归最小二乘（RLS）信道估计算法。为了简化MIMO信号检测的复杂度,针对发射分集模式提出了两种信道响应值的修正方法,改善的信道响应修正算法利用了时频域相关特性可以更好地跟踪信道变化。通过MATLAB在瑞利衰落信道下的仿真,表明RLS信道估计性能优于LS信道估计算法,而改善的信道响应修正算法能够进一步提高传统修正算法的性能。     

一种空时联合的自适应波束形成算法

为了进一步提高传统最优空时滤波算法的性能,提出了一种新的空时联合的自适应波束形成算法。在给出算法的信号模型和算法原理的基础上,详细地阐述了该算法实现空时联合自适应滤波的机理,然后利用计算机仿真较全面地分析和比较了算法的性能。理论分析和仿真结果表明,该算法在提高输出信干噪比和削弱指向误差影响等方面明显优于传统的最优空时滤波方法。     

非正交联合对角化的罚函数粒子群算法

针对多个矩阵近似联合对角化盲分离问题,提出一种新的非正交近似联合对角化算法.首先采用罚函数法将联合对角化的非线性约束优化模型转化为无约束优化模型;其次将粒子群优化算法引入无约束优化模型中实现目标函数的最优化,从而完成矩阵组的联合对角化.分析了惩罚因子的更新策略及算法的收敛性能,并设计仿真实验进行对比分析以检验算法解决实际盲分离问题的能力.     

应用主成分分解(PCA)法的图像融合技术

本文在非多尺度分解的框架下,针对像素级的图像融合,提出了一种基于PCA分解的图像融合算法。该算法利用主成分分解可以保留原数据中的主要信息这一特点,由源图像获取数据的协方差矩阵,协方差矩阵的特征值和特征向量,据此确定图像融合算法中的加权系数和最终融合图像。试验表明,应用该算法融合后的图像取得了满意的效果.     

相干信号源DOA估计ESPRIT改进算法研究

ESPRIT算法是空间谱估计中的经典算法,算法仅适用于非相干信号。提出了一种基于SVD思想的ESPRIT改进算法,算法对接收数据阵列的协方差矩阵进行特征值分解,取能代表信号全部信息的最大特征值所对应的特征向量,并将它按照一定的方式进行矩阵重构,对重构后的矩阵进行SVD分解,从中取出信号子空间,然后按照LS—ESPRIT算法求解。通过大量仿真结果表明：该算法适用于解相干信号,并且效果优于基于空间平滑思想的改进ESPRIT算法;在解非相干信号的时候,改进算法效果优于常规的LS—ESPRIT算法。     

一种计算矩阵特征值特征向量的神经网络方法

当把Oja学习规则描述的连续型全反馈神经网络(Oja-N)用于求解矩阵特征值特征向量时,网络初始向量需位于单位超球面上,这给应用带来不便.由此,提出一种求解矩阵特征值特征向量的神经网络(1yNN)方法.在lyNN解析解基础上得到了以下结果:初始向量属于任意特征值对应特征向量张成的子空间,则网络平衡向量也将属于该空间;分析了lyNN收敛于矩阵最大特征值对应特征向量的初始向量取值条件;明确了lyNN收敛于矩阵不同特征值的特征子空间时,网络初始向量的最大取值空间;网络初始向量与已知特征向量垂直,则lyNN平衡解向量将垂直于该特征向量;证明了平衡解向量位于由非零初始向量确定的超球面上的结论.基于以上分析,设计了用lyNN求矩阵特征值特征向量的具体算法,实例演算验证了该算法的有效性.1yNN不出现有限溢,而基于Oja-N的方法在矩阵负定、初始向量位于单位超球面外时必出现有限溢,算法失效.与基于优化的方法相比,lyNN实现容易,计算量较小.     

基于HHT-MFCC和短时能量的慢性阻塞性肺病患者呼吸声识别

为了优化梅尔频率倒谱系数(MFCC)特征提取算法,提高对呼吸声信号识别的准确率,实现识别慢性阻塞性肺病(COPD)的目的,提出了基于希尔伯特黄变换(HHT)的MFCC与短时能量(Energy)融合的特征提取算法HHT-MFCC+Energy.首先,经预处理的呼吸声信号通过HHT计算出Hilbert边际谱和边际谱能量;其...     

解大规模非对称线性方程组的Lanczos方法和精化Lanczos方法

引言科学工程计算的核心问题之一是数值求解大规模线性方程组,即给定n阶非奇异的非对1期贾仲孝等:解大规模非对称线性方程组的Lanczos方法和精化Lanczos方法称矩阵A和n维向量b,求一个。维向量x,使得Ax=b.(l)观察到该问题可以转化为     

一种精确控制旁瓣的自适应波束形成算法

提出了一种精确控制旁瓣和抑制干扰的自适应波束形成算法。它是通常的最小方差无畸变（MVDR）波束形成算法的改进形式，使阵列输出信号功率最小的同时，保持目标信号方向的无失真响应，并且严格保证旁瓣低于某一给定值，抑制干扰。在仿真过程中，充分应用了二阶锥规划（second—order cone programming）算法，并与MVDR波束形成算法进行比较，验证了方法的正确性，同时研究了该算法的稳健性。     

一种新的矢量传感器线列阵波束形成算法

为了提高基于矢量线列阵的目标方位估计能力,将基于时域解析信号实现最小方差无畸变响应（ MVDR）的方法——TAMVDR算法引入到了矢量线列阵信号处理中,提出了实现矢量线列阵波束形成的VTAMVDR算法。理论分析了矢量线列阵VTAMVDR算法的原理,该算法通过Hilbert变换对时域宽带信号引入复权向量,不需要进行子带分割,且不需要对数据进行分块处理,获得稳定优化权向量估计所需要的数据长度远小于频域MVDR方法,数据长度合适时,单次快拍即可实现波束形成,大大降低了运算量。仿真和海上试验数据分析结果表明：VTMVDR算法相比于频域MVDR算法具有较好的性能,具有更高的分辨率和更窄的波束角,有更好的探测性能。     

Adaptive Generalized Eigenvector Estimating Algorithm for Hermitian Matrix Pencil

Generalized eigenvector plays an essential role in the signal processing field. In this paper, we present a novel neural network learning algorithm for estimating the generalized eigenvector of a Hermitian matrix pencil. Differently from some traditional algorithms, which need to select the proper values of learning rates before using, the proposed algorithm does not need a learning rate and is very suitable for real applications. Through analyzing all of the equilibrium points, it is proven that if and only if the weight vector of the neural network is equal to the generalized eigenvector corresponding to the largest generalized eigenvalue of a Hermitian matrix pencil, the proposed algorithm reaches to convergence status. By using the deterministic discrete-time (DDT) method, some convergence conditions, which can be satisfied with probability 1, are also obtained to guarantee its convergence. Simulation results show that the proposed algorithm has a fast convergence speed and good numerical stability. The real application demonstrates its effectiveness in tracking the optimal vector of beamforming.      

基于随机矩阵最大特征值分布的频谱感知算法

现有频谱感知算法在低信噪比时检测性能较低且受虚警概率影响大,针对此问题,提出了一种基于wishart矩阵样本协方差矩阵最大特征值的分布特性的频谱感知算法。该算法利用最大特征值与几何平均特征值的比值,不需要主用户的先验知识,不敏感于噪声,对相关信号和独立同分布信号均具有较高的检测性能。仿真结果表明,所提算法受虚警概率的影响较小,检测性能高,并且在采样点数、协作用户数、信噪比及虚警概率较小的情况下,也能获得较好的检测性能。     

拟Newton法在高阶矩阵中的应用——求解最大特征值及特征向量

将求解高阶矩阵的最大特征值及其对应的特征向量问题转化为高阶非线性方程组的求解问题。在此基础上,提出了求解矩阵最大特征值及其对应特征向量的拟Newton法,给出求解矩阵最大特征值及其单位化向量重新整理后的Broyden方法公式、BFS方法公式、DFP方法公式及其对应的Broyden算法,BFS算法,DFP算法。以层次分析法中高阶判断矩阵为例验证了该方法的可行性,说明了该方法相对收敛速度快的优势。