基于ESPRIT算法的多信号二维DOA分离估计

基于双排直线阵并附加一阵元和ESPRIT算法,介绍了一种多个空间信号时利用奇异值分解构造特殊的矩阵束自动实现相应参数配对的处理方法,省去了以往ESPRlT算法繁琐的参数配对过程,同时又利用阵列接收信号的二阶统计量改善了原先自动参数配对算法在处理大快拍数时运算量较大的缺陷。计算机仿真验证了该算法的可行性。     

用均匀中心对称阵二维酉ESPRIT方法实现闭环形式二维角估计

本文提出了适用于一类均匀中心对称阵的二维西ＥＳＰＲＩＴ方法，它是一种闭环匠高分辨算法，对信号源方位角和仰角估计实现自动配对。在算法最后阶段构造一个矩阵，其第ｉ个特征值的实部和虚部分别与第ｉ个信号源相对Ｘ轴和Ｙ轴的方向余波一一对应。该算法除了初始变换和最后矩阵特征分解外，整个过程都采用高效的实值计算。并推广应用ＤＦＴ波束空间，可在较小的空间维数上处理，从而减小计算复杂性。最后对算法做了一阶近似渐进性     

信号的二维到达角和极化估计

本文论述了一种基于子空间方法的多信号二维到达角和极化参量的估计算法。该方法采用了交叉偶极子阵元组成的Ｌ型阵列，利用子阵输出信号数据矩阵中包含的信号空间的旋转不变性质，借助于矩阵方法求解出信号的二维到达角和极化参量的估计值，并自动进行参数的配对，仿真结果证实了该算法的有效性。     

用均匀中心对称阵二维西ESPRIT方法实现闭环形式二维角估计

本文提出了适用于一类均匀中心对称阵的二维西ESPRIT方法,它是一种闭环形式的高分辨算法,对信号源方位角和仰角估计实现自动配对.在算法最后阶段构造一个矩阵,其第I个特征值的实部和虚部分别与第I个信号源相对X轴和Y轴的方向余波一一对应.该算法除了初始变换和最后矩阵特征分解外,整个过程都采用高效的实值计算.并推广应用于DFT波束空间,可在较小的空间维数上处理,从而减小计算复杂性.最后对算法做了一阶近似渐进性能分析.仿真结果说明了算法是有效的.     

稀疏表示框架下无需参数配对的二维到达角估计

现有二维到达角估计算法大多基于子空间理论及需要参数配对,针对这一问题,在稀疏表示理论框架下提出了一种参数自动配对的二维到达角估计新算法。该算法在L阵列下构建阵列互相关矩阵的稀疏表示模型,利用奇异值分解降低复杂度并基于群LASSO(Least Absolute Shrinkage and Selection Operator)获得方位角估计。在方位角估计的基础上,基于向量化操作构建稀疏空间谱匹配模型,然后利用LASSO 获得俯仰角估计。与参数配对ESPRIT 和改进的传播算子方法相比,所提算法不仅无需参数配对过程,而且可以提供改进的估计精度。计算机仿真结果验证了所提算法的有效性。     

信号的二维到达角和极化估计

本文论述了一种基于子空间方法的多信号二维到达角和极化参量的估计算法。该方法采用了交叉偶极子阵元组成的L型阵列,利用子阵输出信号数据矩阵中包含的信号空间的旋转不变性质,借助于矩阵束方法求解出信号的二维到达角和极化参量的估汁值,并自动进行参数的配对。仿真结果证实了该算法的有效性。     

二维ESPRIT类算法中参数配对的新方法

参数配对是二维ESPRIT类算法中的一个关键问题。为了提高参数配对的准确率,根据矩阵的联合对角化原理,通过对参数幅角排序提出了一种新的参数配对方法。这种配对方法在二维波达方向估计中表现出良好的配对效果,尤其是在信噪比（ SNR）很低的时候,相比已有配对方法其准确率有明显的改善。以L形阵列的ESPRIT类算法为例的仿真结果证明了这种配对方法的性能。     

频率、二维到达角和极化联合估计

在宽频段内多信号多参量联合估计已成为许多研究课题,例如,。未知辐射源识别,有效对消等等的重要研究内容,信号频率与二维到达角、二维到达角与极化的联合估计已开展研究,但信号频率二维到达角和极化联合估计的研究尚未见报导,本文提出了利用交叉偶极子平面阵和ＥＳＰＲＩＴ算法实现频率、二维到达角和极化联合估计的新方法,分析了算法结构,计算机模拟结果证实了算法的有效性。     

基于矩阵束的二维谐波恢复

本文在研究了二维谐波信号相关矩阵后,提出了一种称之为"矩阵束的二维谐波恢复(MP2D)"算法,该算法既不需要求解二维特征多项式的根,也不需要在二维频率空间搜索谱峰,算法具有高效性。仿真实验表明,该算法在白噪声条件下对二维谐波频率估计具有高的精度和强的抗干扰能力。     

基于数据矩阵奇异值分解的免配对二维谐波信号参数估计算法

本文提出了一种基于数据矩阵奇异值分解、免配对的二维谐波信号参数估计算法.该方法将二维谐波信号的参数估计问题转换为两个多样本的一维谐波信号参数估计问题,通过对数据矩阵的一次奇异值分解同时获得两个方向上的信号子空间,并利用这两个信号子空间的对应关系同时对角化两个方向上的构造矩阵Fx和Fy,从而在估计两个方向一维极点的同时完成了极点配对.该方法不需要将数据矩阵重新排列为Hankel块形式进行奇异值分解,也不需要额外的配对步骤,极大地降低了运算量,在数据矩阵维数较高时优势明显.仿真实验及实测数据处理结果证明了该方法的正确性和有效性.     

基于一种改进型阵列结构联合估计二维方向角

针对一种基于ESPRIT的算法进行二维DOA估计时，在一定条件下会出现角度估计模糊的现象，分析指出了其中方法性能缺陷的理论原因，优化了阵列结构，在此基础上对矩阵束求解方法进行改进，针对类L型阵列结构采用改进算法能有效解决DOA联合估计中的角度配对问题，实现了信号方向参数的自动配对。仿真实验证实本文提出的改进算法的有效性。     

超分辨测向中奇异值分解的FPGA实现

奇异值分解是超分辨测向技术的核心组成部分,现有的并行实现方案适用范围窄,运算量大,迭代时间长.为了满足测向接收机系统的高实时性需求,结合双边Jacobi算法的交换策略和单边Jacobi算法的求角结构,提出了一种改进的实现方法.该实现方法修正了脉动阵列的收敛性问题,提高了复数矩阵的收敛速度.同时,给出了算法的现场可编程门阵列(FPGA)实现结构.仿真结果证明该方案耗时在百微秒以内,能够应用于电子侦察设备.     

块奇异值分解和量化实现的图像数字水印算法

讨论了当前将水印嵌入在块奇异值分解（SVD,singular value decomposition）后最大奇异值中的图像数字水印算法不足,进而提出了两种新的将水印嵌入在块SVD后最大奇异值除外的其余奇异值中的图像数字水印算法。两种新算法均采用了量化嵌入策略,从而使两种算法在提取水印时无需任何原始信息的帮助。实验结果表...     

基于SVD的小波变换图像去噪方法

针对传统SVD图像去噪方法的不足,提出了一种基于SVD分解的小波分解图像去噪方法。通过对小波变换的系数矩阵进行奇异值分解,将其中的信号特征成分和噪声分解到不同的正交子空间中,在子空间中选取集成信号特征成分的奇异值矢量进行重构,从而提取出淹没在噪声中的信号成分。实验结果表明该文提出的方法适用于图像信号的提取,与传统的SVD去噪方法相比,它提取出的信号特征成分更完整,信噪比更高。     

低快拍下多输入多输出雷达中的角度估计算法

研究了双基地多输入多输出(MIMO)雷达中的角度估计问题,提出了一种低快拍下的MIMO雷达的离开角(DOD)和波达角(DOA)联合估计算法。该算法利用矩阵束方法从接收数据中构造出扩展矩阵来进行奇异值分解(SVD),进而进行二维角度估计联合估计。在低快拍数情况下所提算法的角度估计性能优于传统的借助旋转不变技术的信号参数估计(ESPRIT)方法,同时该算法能自动配对、无需谱峰搜索,而且复杂度也低于传统的ESPRIT算法。分析了所提算法复杂度,推导了克拉美-罗界(CRB)。仿真结果验证了该算法的有效性。     

基于高维张量奇异值分解的图像加密

现有基于奇异值分解(SVD)的彩色信息加密系统提供了一种光学矩阵分解方案、安全的密文和敏感的密钥。高维张量奇异值分解(HOSVD)是SVD矩阵的自然线性延伸,提出了一种基于HOSVD的彩色图像加密算法。在加密过程中,HOSVD比SVD提供了更多的密文乘法组合次序。这些乘法组合次序可以有效地增加未经授权的解密难度。在解密过程中,HOSVD的重建精度比SVD更高。这些优点提高了准确性、安全性和鲁棒性。通过对100个图像测试数据集的计算机仿真验证了该算法的可行性。     

基于旋转不变子空间均匀圆阵互耦自校正算法

针对均匀圆阵互耦自校正问题,提出了一种基于旋转不变参数估计（ESPRIT）技术的互耦自校正算法。通过模式空间转换技术将互耦影响下的均匀圆阵流型向量近似等效为存在幅相误差的虚拟均匀线阵流型向量,并且该幅相误差矩阵满足中心对称性。利用该性质并结合ESPRIT技术分别给出了信源方位和互耦向量的闭式解。为了减少模式空间转换偏差的影响,基于Belloni方法,给出了一种互耦影响下抵消模式空间转换偏差的方法。仿真实验验证了新算法的有效性。     

迭代奇异值分解的学生成绩恢复方法

为了有效地对学生成绩数据进行恢复,提出一种迭代奇异值分解的学生成绩恢复方法。该方法采用矩阵表示学生成绩,利用该矩阵具有低秩的特性,在给定缺失元素的初始值后,利用奇异值分解得到缺失元素的近似值,而该近似值比初始值更加接近真实值。再将求到的近似值代替初始值,经过多次迭代,最终可求到成绩表中缺失元素的真实值。该方法的优点是在缺失元素恢复过程中,利用了所有已知元素信息,并将所有已知元素平等地对待。模拟实验和真实实验结果表明该方法能够快速、精确地恢复出学生的真实成绩。     

基于改进多信号分类算法的波达方向估计

针对传统波达方向估计算法在低信噪比条件下性能表现不佳的问题,本文提出了一种基于改进多信号分类的波达方向估计算法。本文首先对多信号分类算法的不足进行分析,并采用时间平滑技术构建相关矩阵,然后采用相关矩阵建立空间谱函数达到波达方向估计,最后采用仿真实验对算法的性能进行测试。结果表明,本文算法可以快速准确的估计出多个信号的波达方向,降低了波达方向估计误差,而且性能远远优于其它改进多信号分类算法。     

Blind image quality assessment using a reciprocal singular value curve

The reciprocal singular value curves of natural images resemble inverse power functions. The bending degree of the reciprocal singular value curve varies with distortion type and severity. We describe two new general blind image quality assessment (IQA) indices that respectively use the area and curvature of image reciprocal singular value curves. These two methods almost require very little prior knowledge of any image or distortion nor any process of training, and they can handle multiple unknown distortions, hence they are no-training methods. Experimental results on five simulated databases show that the proposed algorithms deliver quality predictions that have high correlation with human subjective judgments, and that are competitive with other blind IQA models.