一种改进的HOSVD降噪的信道预测算法

基于高阶奇异值分解(High Order Singular Value Decomposition, HOSVD)降噪的信道预测算法对天线数较少引起的秩不足问题比较敏感,同时也难以应付较大多普勒频移的情况,从而引起信道估计性能和预测性能的急剧下降、损失信道容量.针对这一问题,提出了一种改进的使用HOSVD降噪的信道预测算法.该算法先利用多输入多输出(Multiple-input Multiple-Output, MIMO)信道固有的空时相关性对采样得到的信道状态信息(Channel State Information, CSI)进行矩阵重排和数据平滑处理,随后基于信道的多维结构特性,使用HOSVD降低噪声的影响,继而重构信道矩阵,最后利用递归最小二乘滤波器对未来时刻的信道状态进行预测.仿真表明,所提算法的估计误差和预测误差性能均明显优于对比算法,这是因为所提算法通过矩阵重排和空时平滑,虚拟地增加了天线数,降低了秩缺失问题对估计和预测精度的影响,从而有效补偿了因误差所致的信道容量的损失.同时,对比天线数和多普勒频移对不同算法性能的影响可见,所提算法也能在大多普勒频移和天线数较少等不利条件下提供较好预测性能和信道容量,具有一定的优越性.     

大规模动态系统的分布式状态估计算法

主要研究离散时间大规模动态系统的分布式状态估计问题。首先,将系统划分为若干个子系统,基于区域内部量测信息和邻居传递的信息,各子系统利用该算法对本地状态进行估计,降低状态变量的维数、算法的计算复杂度和通信压力。该算法独立运行,并且平行运行该算法可以有效减少整体运行时间。通过减弱约束条件,利用数学归纳法证明由该算法得到的估计误差协方差和预测误差协方差矩阵正定。根据系统能观测性秩判据和不等式技巧,证明误差协方差矩阵有上界,并且上界是有界的,保证该算法在应用中的可行性。最后通过仿真研究,验证主要结论。     

水声稀疏信道估计与大范围白适应平滑预测研究

研究了对水声稀疏信道的估计与预测．基于水声稀疏信道模型提出了信道重要权系数检测迭代估计算法来对信道的时域冲激响应进行估计,该算法无需预先知道信道多径数,同时可有效利用预估的信道多径数下限减少计算量;基于线性自回归模型提出了大范围自适应平滑预测算法来对水声信道进行预测,无需估计复杂的水声信道二阶统计特性,通过降低信道采样速率和局部平滑以进一步降低预测误差．文中算法比最小二乘（LeastSquares,LS）算法和匹配追踪（MatchingPursuit,MP）算法性能更为优越;当通信距离较短时,信道预测误差在10^2内．本文算法能够对水声稀疏信道进行有效估计和预测,可为水声通信中的自适应技术提供依据．     

基于修正ESPRIT算法的二维DOA估计

针对二维ESPRIT算法在求解相干信号的时候存在较大的阵列冗余度,为了降低计算量,提高算法的解相干能力,在双排平行均匀线阵的基础上,介绍了一种二维修正ESPRIT算法.通过对子阵的合并,摒弃了原协方差矩阵中的冗余数据,使得新构成的协方差矩阵的维数比原来下降了近33%,从而降低了特征值分解的维数,并且新构成的协方差矩阵可以对接收数据进行共轭重排再利用.理论分析和仿真实验表明,该算法降低了计算量,提高了对非相干信号的估计准确度,同时具有一定的解相干能力.     

酉求根MUSIC算法在双基地MIMO雷达中的应用

研究双基地多输入多输出(MIMO)雷达多目标波离角(DOD)和波达角(DOA)的联合估计问题,提出一种酉求根多重信号分类(MUSIC)算法。该算法在求根MUSIC算法基础上,利用协方差矩阵的中心Hermite对称性质,通过酉变换将协方差矩阵的复数运算转为实数,进行实值特征分解得到噪声子空间,对比原协方差矩阵和实值协方差矩阵的特征对应关系,得出酉求根MUSIC谱函数,分两步分别估计目标DOA和DOD,且计算结果自动配对。相对于传统求根MUSIC算法,该算法只进行协方差矩阵的实值特征分解而不需要进行复数运算,因此大大降低了计算量,而且在不降低阵列孔径的条件下无需空间平滑即具有解相干能力。计算机仿真证明了该算法的有效性。     

基于随机共振和MIMO技术的协方差矩阵频谱感知算法

在认知无线电系统中,为了使认知用户可以在低信噪比和衰落信道的条件下实现可靠的频谱感知,提出了基于随机共振和MIMO的协方差矩阵频谱感知算法。该算法将随机共振和MIMO技术用于协方差矩阵频谱感知,同时还给出了判决门限的计算方法。仿真实验结果表明:与不使用随机共振和MIMO技术的频谱感知算法相比,本文算法具有更高的检测性能;并且当天线数足够多时,该算法可以在很低信噪比情况下实现可靠的频谱感知。     

一种针对GNSS接收机的宽零陷抗干扰算法

为解决干扰信号来向快速变化情况下,基于线性约束最小功率(linear constraint minimum power,LCMP)准则的传统抗干扰算法可能难以收敛,致使全球卫星导航系统(global navigation satellite system,GNSS)接收机失锁的问题,提出了一种基于协方差矩阵锥化(covariance matrix taper,CMT)的零陷加宽抗干扰算法,使变化的干扰信号来向能够始终保持在拓展的零陷之内.首先,在实际干扰信号来向变化不可预测的条件下,所提算法假设干扰信号来向变化服从三角形概率分布统计模型;然后,依据这一模型推导假设情况下的虚拟协方差矩阵与真实协方差矩阵的转换关系,再根据转换关系和真实采样协方差矩阵得到虚拟采样协方差矩阵.通过虚拟采样协方差矩阵求解阵列天线各通道权值;最后,将所提三角形分布算法与传统的均匀分布算法和拉普拉斯分布算法进行了对比分析.研究结果表明,该算法可以有效加宽在干扰信号来向上的零陷并抑制干扰,而且相比于均匀分布算法和拉普拉斯分布算法,三角形分布算法在形成零陷的宽度和深度一致性之间更加平衡,阵列输出信干噪比也要更高,最后结合软件接收机验证了所提算法的有效性.     

基于多特征组合的协方差目标跟踪方法

基于多特征组合的协方差矩阵表征目标的方法,研究用协方差矩阵来描述跟踪的感兴趣区域(ROI),从而提出基于速度预测和前景的协方差目标跟踪方法.因为积分图方法可以加快协方差的计算速度,在提出的协方差跟踪方法中使用了积分图快速算法,进一步提高算法的效率.结合目标速度的预测和前景提取缩小搜索范围,加快了匹配速度,使所提出的协方差目标跟踪方法能更进一步提高跟踪效率和准确性.通过背景强干扰、光照变化和相同颜色遮挡情况下的目标跟踪实验,结果表明基于速度预测和前景的协方差的跟踪方法在复杂场景下跟踪的准确性很高,跟踪的鲁棒性和快速性有明显提高.     

一种改进的GPS整周模糊度降相关LLL算法

针对GPS整周模糊度降相关LLL(A.K.Lenstra,H.W.Lenstra,L.Lovasz)算法中存在的病态Z变换的缺陷问题,提出了一种改进的LLL算法.利用修正Gram-Schmidt正交化和行向量内积降序调整矩阵,对模糊度协方差矩阵进行降相关处理,改善LLL算法对低维矩阵的降相关效果,实现对高维矩阵的降相关.以谱条件数作为评判矩阵相关程度的准则,分别利用LLL算法和改进LLL算法对200个随机模拟的模糊度协方差矩阵进行仿真分析和比较,结果表明:改进LLL算法能更有效地减小模糊度协方差阵的谱条件数,降低矩阵的相关性,更有利于整周模糊度的搜索和解算.     

基于格拉斯曼码本的分布式干扰对齐算法

有限反馈干扰对齐对信道矩阵进行量化从而降低反馈所需要的信息量,但经典有限反馈干扰对齐算法只考虑对信道状态矩阵的量化,且多限于理论分析.针对分布式干扰对齐技术中预编码矩阵反馈数据量要比信道矩阵反馈大得多的情况,从降低分布式干扰对齐技术预编码矩阵反馈对反馈信道的影响出发,提出一种基于格拉斯曼码本的分布式干扰对齐算法,基于格拉斯曼码本对预编码矩阵和重组矩阵进行量化,并以最小化干扰泄漏为目标进行迭代优化.仿真实验结果表明,当信噪比小于或等于15 dB,且迭代次数小于或等于10次时,该算法能在系统性能接近理想反馈条件的同时有效降低反馈信息量.     

一种低复杂度LMMSE信道估计算法

针对传统线性最小均方误差(LMMSE)信道估计器矩阵求逆运算复杂度大的问题,提出了一种以相关带宽为准则提取信道自相关矩阵主要信息的子阵分块算法.根据信道相关带宽所计算的分块尺度将信道自相关矩阵分割为若干子块,包括非重叠分块法和重叠分块法.运算求逆过程中仅利用表征信道主要信息量的低频对角子阵,而忽略其他表征信道高频信息的子阵,可有效降低LMMSE算法中大的自相关信道矩阵求逆运算所带来的复杂度.该算法在频率选择性慢衰落信道下,与LMMSE和低秩估计算法进行了相关性能及运算复杂度对比分析,结果表明,该算法能以较微弱的性能代价换取系统复杂度的明显降低.     

Low complexity lattice reduction aided precoding algorithm with orthogonality defect threshold for MIMO systems

To reduce the complexity of lattice reduction aided (LRA) precoding, a low complexity LRA precoding based on the orthogonality defect threshold is proposed. We introduce the orthogonality defect (od) threshold as an early-termination condition into the lattice reduction (LR) algorithm which can reduce computational complexity by adaptively early terminating the LR processing. And, sorted QR decomposition of the channel matrix is used to enhance the probability of the early termination which further reduces computational complexity. Moreover, to achieve a favorable tradeoff between performance and complexity, we define a power loss factor (PLF) to optimize the od threshold. Simulation results show that the proposed algorithm can achieve significant complexity savings with nearly the same bit-error-rate (BER) performance as the traditional LRA precoding algorithm.     

FSO—OFDM系统的SVD—MMSE信道估计算法

针对基于MMSE的FSO—OFDM系统信道估计算法计算量复杂、对信道矩阵具有奇异性要求等弊端,设计了基于SVD-MMSE算法的FSO—OFDM系统信道估计流程,并通过MonteCarlo方法对SVD—MMSE算法进行了仿真验证,将MMSE算法与SVD—MMSE算法进行了对比分析,结果表明SVD-MMSE算法相对于MMSE算法既能降低系统计算复杂度又能保证系统可靠性,即在系统复杂度与性能之间可以得到很好的折衷．     

基于多级维纳滤波器的信源参数估计

为了解决传统的MUSIC算法需要计算相关函数并对其进行特征值分解或奇异值分解而导致的计算量增加问题,本文基于多级维纳滤波器快速子空间分解方法,分别在远场环境和近场环境中对信源参数进行了有效估计,并提出在一定条件下,可以采用该方法代替对相关函数的计算和分解。该方法计算量小,特别是在阵元数和快拍数较多的情况下优势更加明显。仿真实验证明了该方法的有效性。     

一种改进的RootMUSIC快速算法

MUSIC算法是一种基于特征结构的子空间类超分辨算法,该算法性能优良,但需要估计协方差矩阵并进行特征分解和谱峰搜索,运算量较大。研究了波达方向估计问题并提出了一种改进的快速算法,该算法利用协方差矩阵的子矩阵得到信号子空间,无需特征分解,只需估计该子矩阵,然后用多项式求根的方法代替谱峰搜索,故该快速算法运算复杂度远低于MU-SIC算法,同时性能损失并不太大。理论分析和计算机仿真结果表明此算法是有效的。     

基于卡尔曼滤波算法的活动抽头均衡器

针对通信信道中多径干扰引起的码间串扰(ISI)问题,这里在卡尔曼滤波均衡器的基础上提出了一种活动抽头均衡器消除码间干扰的问题.该算法保留了卡尔曼滤波算法快速收敛的特点,根据迭代结果能快速估计信道特征,消除干扰,达到减小误码率的目的,提高通信质量.在此基础上,根据算法特点,论文采用自动去掉冗余抽头的方法,只计算有干扰信道的滤波器系数,跟踪时变信道,大大减少了计算的复杂性,降低了对硬件资源的要求.并且进行了仿真分析,并将计算过程和结果与LMS和卡尔曼滤波算法进行了比较,结果表明该算法收敛速度快,计算量小.     

基于子空间法的盲信道和半盲信道估计方法

为了降低算法的复杂度,提出采用降秩正交迭代方法估计噪声子空间. 利用色噪声预白化技术对过采样后的自相关矩阵进行变换,再用降秩迭代计算噪声子空间. 在进行预白化时,提出一种利用训练序列估计色噪声协方差矩阵的方法,从而改善了盲信道估计收敛速度慢的缺点. 仿真结果证明,系统的信道冲激响应可以被良好地跟踪.     

张量典型相关分析及其在人脸识别中的应用

针对源数据向量化常导致很高的数据维数,易使向量型学习算法陷入维数灾难和样本个数远小于特征维数的小样本问题,提出了一种新的张量典型相关分析算法,能直接对张量数据进行典型相关分析,由于其特征值分解的协方差矩阵维数大幅度减少,能有效降低计算复杂度和协方差矩阵奇异的问题。在Yale、ORL人脸数据库上验证了本文方法的有效性。     

Registration based compensation method based on adaptive subspace tracking

The registration based compensation (RBC) method is an effective method to compensate the range-dependence of the main-lobe clutter and side-lobe clutter in the same time. However, the compensation performance of the RBC degrades because of the mismatch of prior information and the loss of degree of system freedom. Moreover, the RBC is not very suited for real-time implementation because of the enormous computational complexity and memory usage of eigenvalue decomposition. In this paper, a novel clutter range-dependence compensation method using the modified maximum likelihood adaptive subspace estimation algorithm, which is named the MRBC method for short, is proposed. The eigenvectors matrix and eigenvalues matrix of the clutter covariance matrix are estimated by iterative tracking instead of temporal and spatial smoothing, spectrum calculation and eigenvalue decomposition. Compared with the traditional RBC method, the proposed method can reduce the computational complexity significantly and maintain the performance of clutter range-dependence compensation. In addition, the proposed method can also achieve good performance when the system error exists because of no use of prior information. Experimental simulations demonstrate the validity of this method.