一种基于数据补全的大象流检测方法

由于在网络测量中存在不可避免的数据损失,网络监测数据通常是不完备的甚至是稀疏的,这使得大象流的精确检测成为一个具有挑战性的问题.本文提出了一种基于数据补全的离线大象流检测方法.为实现对于大象流的精准检测,首先实现了一个基于矩阵分解的数据补全算法,将流量数据补全问题转化为一个低秩矩阵奇异值分解问题.其次,在此基础上进行高阶扩展,引申出张量补全模型,利用张量CP分解实现数据补全,将原问题转化为通过最小化张量秩来恢复缺失条目的张量补全问题.最后对上面使用的矩阵补全算法和张量补全算法进行了仿真实验,对比了各算法精准度,评估了超参数,并展示了张量补全算法的时间开销.实验结果证明该方法取得了较好的效果.     

张量补全算法及其在人脸识别中的应用

数据丢失问题通常可以归结为矩阵补全问题,而矩阵补全是继压缩感知理论之后的又一种重要的信号获取方法。在实际应用中,数据样例往往具有多线性性,即数据集可以表示成高阶张量。本文研究了张量补全问题及其在人脸识别中的应用。基于张量的低维Tucker分解,提出张量补全的迭代算法,并且证明在算法的迭代过程中,估计张量与其Tucker逼近张量的距离是单调递减的。实验结果表明张量补全算法在补全张量和人脸识别上的可行性与有效性。     

基于互质阵的循环平稳信号低复杂度欠定DOA估计算法

针对现有大多数循环平稳信号DOA估计算法复杂度较高、估计精度低无法实现对有用信号的欠定估计问题,提出了一种基于互质阵的循环平稳信号低复杂度、欠定DOA估计算法.算法的主要思想是利用互质阵良好的稀疏特性,通过矢量化处理构造虚拟阵列模型,扩展阵列孔径,实现阵列自由度的提升.首先,算法构造了互质阵输出的循环自相关矩阵,然后进行矢量化处理得到最大连续虚拟阵元部分,给出其谱峰搜索的表达式.最后,为降低计算复杂度,对算法进行改进,应用多项式求根的方法直接求解DOA估计值.仿真结果表明,所提算法能实现对有用信号的欠定估计,计算复杂度较低,且相比于大多数的循环平稳信号DOA估计算法,所提算法估计自由度和估计精度有了进一步的提升.     

基于传播算子的极化参数估计方法

针对非圆极化MUSIC算法计算量较大的问题,将传播算子算法应用于极化敏感阵列估计信号方向和极化参数,由于不需要特征值分解,计算量明显减小,并且算法性能与极化MUSIC算法性能相近.利用信号的非圆特性进行阵列扩展,提出了一种非圆极化传播算子算法,提高了新算法的分辨力、抗干扰等性能,并且当自相关矩阵维数增加时新增加的计算量...     

互质线阵中一种基于共轭增广的DOA估计算法

论文开展互质线阵下的空间谱估计研究。通过利用信号二阶统计量的共轭增广特性,提出互质阵下基于共轭增广的酉旋转不变性进行信号参数估计 (Conjugate augmented unitary estimation of signal parameters via rotational invariance technique, CA-UESPRIT)波达方向(Direction of arrival, DOA)估计算法。该算法先利用不同时长间隔下接收信号的二阶统计量,构造共轭增广虚拟阵列以扩展阵列孔径和提高空间自由度。然后采用基于互质特性的联合UESPRIT算法实现DOA估计。相比于传统互质线阵下的联合UESPRIT算法,CA-UESPRIT算法DOA估计性能更优。此外,通过酉变换可以将ESPRIT算法的协方差矩阵从复数域转化到实数域,降低了复杂度的同时保证了测向精度。仿真结果证实了所提算法的有效性。     

基于非局部张量火车分解的彩色图像修补

数据在采集和转换的过程中通常存在部分数据丢失的问题,丢失数据的补全直接影响后续的识别、跟踪等高层任务的结果.自然图像中经常存在许多具有重复特性的相似结构,利用该类冗余信息,文中提出基于非局部张量火车分解的张量补全方法.利用图像的非局部相似性,挖掘其中蕴含的低秩特性,并通过张量火车分解模型进行建模及升阶,将低阶张量转化为高阶以进行低秩信息的进一步挖掘利用,从而进行图像中缺失数据的修补.实验验证文中方法在图像修补上的有效性.     

非负张量分解的快速算法*

作为非负矩阵分解的多线性推广,非负张量分解已被成功地应用在信号处理、计算机视觉、数据挖掘和神经科学等领域中.提出了非负张量分解的一种快速算法.首先,将大的张量数据视做多元连续函数的离散化,对其进行采样得到一个小张量;其次,对小张量执行非负分解,可得到它的重构张量;然后,对于采样后的重构张量,使用二维线性插值方法对原始张量进行重构;最后,实验结果表明快速张量分解算法的有效性.     

基于盲波束成形的异步CDMA信号伪码估计

在分析阵列天线接收的异步CDMA信号的基础上,利用信号子空间与用户特征序列的关系,提出一种新的基于盲波束成形的伪码序列盲估计算法,能在波达方向未知的情况下,估计各个用户的扩频序列。算法克服了子空间盲波束成形算法信源个数必须小于阵元个数且信源波达方向不能靠近的缺点。同时提出一种基于盲波束形成的多用户检测算法,在低信噪比条件下,性能相比于单天线多用户检测性能有很大提高。     

极小范数算法在智能天线AOA估计中的研究

在智能天线关键技术的研究中,根据阵列信号处理的到达角(Arrival Of Angel)估计在信源定位和波束形成方面的问题,针对天线系统对稳定性的要求,为了提高信噪比和系统频率,提出特征分解的子空间估计算法.经典子空间法在求解采样协方差矩阵时存在计算误差及计算量大等缺点,提出了一种多平面波信号到达角估计算法.算法利用极小范数技术构造约束条件,求解噪声最佳权矢量构造噪声子空间EN,然后进行谱峰搜索和到达角估计,并对影响算法性能的几种因素进行了仿真,仿真结果表明方法是有效的.算法具有分辨率高、计算量小等优点,在实际非相关多信号检测中具有一定的实用性.     

非负张量补全算法

近年来矩阵补全已成为一种重要的信号采集方式。将矩阵补全推广到非负张量情形,并提出了非负张量补全算法。该算法先将非负张量补全问题转化为交替求解一系列非负矩阵补全问题,再使用非负最小二乘方法求解这些问题。由于充分利用了数据的空时结构,所提的非负张量补全算法比非负矩阵补全算法有更好的恢复性能。实验结果证实了该方法的优越性。     

一种基于张量分解的医学数据缺失模态的补全算法

多模态磁共振影像数据采集过程中会出现不同程度的模态数据缺失,现有的补全方法大多只针对随机缺失,无法较好地恢复条状及块状缺失.针对此问题,本文提出了一种基于多向延迟嵌入的平滑张量补全算法分类框架.首先,对缺失数据进行多向延迟嵌入操作,得到折叠后的张量;然后通过平滑张量CP分解,得到补全的张量;最后利用多向延迟嵌入的逆向操...     

二维解析张量投票算法研究

针对传统张量投票(Tensor voting)算法计算过程复杂、算法效率低的问题, 本文提出了一种二维解析张量投票算法.首先, 深入分析张量投票理论的基本思想, 分析传统张量投票算法的不足及其根源; 其次, 设计了一种二维解析棒张量投票新机制, 实现了二维解析棒张量投票的直接求取; 在此基础上, 利用二维解析棒张量投票不依赖参考坐标系的特性, 设计并求解了二维解析球张量投票表达式, 解决了长期困扰张量投票理论中球张量投票无法解析求解, 仅能通过迭代数值计算, 计算过程复杂、算法效率低、算法精度与算法效率存在矛盾的难题.最后, 通过仿真分析和对比实验验证了本文算法在精度和计算效率方面的性能均优于传统张量投票算法.     

基于三维压缩感知的MIMO雷达角度估计算法

基于张量模型的参数估计是雷达信号处理的一个发展趋势,然而现有张量算法无法在估计精度和计算复杂度方面达到良好的折衷。为解决上述问题,提出一种三维压缩感知（Three-way compressive sensing,TWCS）的多输入多输出雷达角度估计算法。利用匹配滤波后的信号内部隐含的多维结构,将接收数据堆叠成一个三阶张量模型。为降低高维张量在存储和计算方面的复杂性,利用高阶奇异值分解对高维张量数据进行压缩。其次将压缩后的张量与三线性模型相联系,获取压缩的方向矩阵。利用目标角度在所处背景的稀疏性,设计两个过完备字典,采用优化的方法获取目标角度。由于利用了接收数据的多维结构,TWCS中参数估计的精度要优于传统的子空间算法。此外所提TWCS算法不需要额外配对计算,且能进一步获取目标的多普勒信息。最后,利用仿真实验验证TWCS算法的估计效果。     

基于张量奇异值理论的交通数据重构方法

由于探测器和通信设备的故障,交通数据的缺失是不可避免的,这种缺失给智能交通系统（ITS）带来了不利的影响。针对此问题,运用张量平均秩的概念,对张量核范数进行最小化,从而构建了新的低秩张量补全模型,并且在此基础上,基于张量奇异值分解（T-SVD）和阈值分解（TSVT）理论,分别使用坐标梯度下降法（CGD）和交替乘子法（ADMM）对模型进行求解,提出两个张量补全算法LRTC-CGD和LRTC-TSVT。在公开的真实时空交通数据集上进行实验。结果表明,LRTC-CGD和LRTC-TSVT算法在不同的缺失场景和缺失率条件下,补全精度要优于现行的其他补全算法,并且在数据极端缺失情况下（70%~80%）,补全的效果更加稳定。     

基于十字阵的高阶累积量DOA估计算法

基于十字阵的改进高阶累积量DOA估计算法是十字阵导向矢量模型的基础上实现了的Music算法.首先将Music算法中的二阶累积量扩展到四阶累积量,然后对协方差矩阵进行分解,得到高分辨率的DOA估计.改进算法相对于等距线性阵列的Music算法具有全方位定位、阵元数少的特性.且在有色高斯噪声环境下具有很好的谱估计性能.改进算法还对初始采样信号进行了DFT预处理,以克服高阶累积量计算量大的缺点.仿真实验表明,算法计算量少且分辨率高.     

稀疏阵列的波束形成与控制方法

首先从信号与信息处理的角度阐述了波束形成所要解决的技术问题和波束形成的理论优势和方法局限,并对传统的基于空域波形采样的波束形成技术进行了再思考。其次,分析了稀疏阵列的布阵特点对波束形成技术的挑战,给出了空域、时域、频域分布式相参信号处理等关键技术及其理论性能的分析与比较结果,并利用实例分析了空、时、频协同采样克服低维欠采样模糊的可行性。最后分析了在实际应用中遇到的一些非理想因素对稀疏阵列波束形成与控制的影响及其解决方法。     

一种基于阵列信号处理的短波侦察系统的设计及实现

本文研究并实现了一个集宽带搜索、宽带测向、跳频搜索、窄带测向、窄带分析等功能于一体的短波阵列信号侦察系统.该系统采用阵列天线和短波射频信号低通采样的软件无线电结构,结合先进的空间谱估计、波束形成、零点对准等阵列信号处理技术,使新的短波侦察接收机与传统接收机相比,大大改善了整体性能.现场试验表明,本文设计的阵列信号处理系统性能优良、信号处理算法有效.     

基于高阶零陷滤波的空间多目标跟踪算法

针对传统的移动多目标跟踪算法计算量大、实时性差的问题, 提出了一种新的基于阵列天线的空间多目标跟踪算法。算法利用阵元个数相对于信源数目的自由度, 设计一个高阶的零陷空域滤波器组, 对空间干扰源进行陷波, 并对空间波束成形后的信号进行自适应跟踪, 估计出多个移动目标的波达方向（direction of arrival, DOA）。仿真结果表明, 此算法精度较高, 计算复杂度较低, 为空间移动多目标的实时跟踪提供了一种新方法。     

超分辨率下的部分重叠干扰抑制

在船舶自动识别系统中,波束形成算法在目标信号受到来向相近的部分重叠干扰时存在性能严重下降的问题。针对上述问题,提出一种超分辨率下的部分重叠干扰抑制算法。算法通过自回归模型预测的方法求解自回归系数,进而进行虚拟阵元扩展预处理,并采用基于广义奇异值分解的波束形成算法完成目标信号的估计以及对部分重叠干扰的抑制,克服了上述场景下波束形成器在信号来向相近时性能较差的问题。仿真结果表明,所提算法通过结合阵列扩展与波束形成的特点,能够在不增加实际阵元的情况下较原阵列具备更高的分辨率。     

压差矢量水听器阵波束形成的优化

以各向同性噪声作为背景噪声场,对矢量水听器阵波束形成的优化方法进行了系统的研究.在分析各向同性噪声场中声压、振速相关性的基础上,利用最大信噪比准则推导了基阵的最佳增益与噪声场特性和阵列流形之间的关系,提出利用最佳增益权对阵列接收信号进行波束形成处理.通过对矢量水听器阵进行分解,将最佳增益波束形成引入矢量阵信号处理中.以二维压差矢量水听器阵作为接收基阵进行了仿真计算和湖上试验,结果表明,矢量阵的最佳增益波束形成可以获得性能更优的波束和更大的空间处理增益.