谱估计方法的通用矩阵表示与新的谱估计方法

本文指出几种常见的谱估计方法可以归结为同一数学问题并可用同一矩阵方程表示。从这通用矩阵表示可导出许多新的谱估计方法。本文还具体研究了相关阵特征矢量空间谱估计方法,得出一些有益的结论。     

气象雷达正交通道幅相不平衡对谱估计的影响

详细分析了气象雷达中正交通道幅相不平衡对气象回波信号谱估计的影响，并给出基本的频域和时域估计法的仿真结果。     

基于正交冗余采样的超分辨信号谱估计

该文提出了一种通过冗余采样进行信号谱估计的新方法,它充分利用冗余采样产生的频谱带限特性,通过对自相关矩阵进行秩1分解的方法来获得信号谱的超分辨估计,与 MUSIC、AR等其他超分辨方法相比,这种方法具有更低的信噪比门限和更高的分辨力。     

方位谱估计投影法的改进

本文提出了一种新的阵处理方法,此法无需进行特征值分解(EVD)和多维最优化处理。因此它计算简单、易于实时处理,而且适合于相干源存在的情况。文中将新方法与PROJ(1991)和Yeh(1987)两种方法作了比较;还给出了模拟结果。     

空间谱估计中误差自校正方法研究

阵列误差一直是空间谱估计理论实际应用的一个主要瓶颈。该文提出了一种新的阵列误差自校正方法,结合有源校正与在线自校正理论和方法,通过利用一个空间位置方位不需要精确可知的辅助信号源,利用优化算法完成信号源角度以及阵列复增益误差的联合估计,然后将估计的阵列误差参数应用到其后的空间谱估计中。这种自校正算法具有准确度高的优点,并且属于离线算法,一方面避免了传统的有源校正方法对辅助源位置方位精度的严格要求,同时避免了在线自校正算法的大计算量,可以应用到实际空间谱估计中。      

基于正交化算法的均匀圆阵空时二维谱估计

本文讨论了阵列信号的谱估计问题,将G-S正交化算法用于均匀圆阵的空时二维谱估计中,研究了目标信号频率与到达角联合估计问题。通过仿真结果可以表明该方法与MUSIC算法相比,能更精确的估计目标信号的频率与方位角。     

利用模型谱估计来研究提高频率分辨率

分析了影响信号的频率分辨率的原因和因素，介绍了几种将模型谱估计用于提高频率分辨率的算法，并显示了各自的效果和实现难易，研究表明短数据的模型谱估计法对提高频率分辨率效果明显。     

用于测向测速的二维谱估计方法

雷达应用领域中的一个重要问题是测向测速,精确地测定多普勒频率和方位角能够实现对目标回波信号的高分辨率处理,从而进行目标跟踪。本文提出一种超分辨的二维谱估计方法,它利用的是阵列处理技术,对天线接收数据进行本征分析,将信号数据张成一个空间并对其进行分解,根据正交原理分割成信号子空间和噪声子空间,构造出噪声本征矢量,利用信号子空间与噪声子空间的正交性,在空间谱上形成极值点,从而达到对方向和速度的二维高分辨率估计。该方法应用于相控阵雷达信号检测,可以精确地测定多普勒频率和方位角度,提取多个空间运动目标的二维信息。文章的最后给出了计算机模拟成像结果,验证了算法的有效性。     

信号极点估计的矩阵预测方法的研究

本文深入系统地研究了信号极点估计的矩阵预测方法的基本理论,并给出了信号极点估计的后向矩阵预测方法和估计正弦信号频率的前后向矩阵预测方法,以及矩阵预测法与线性预测法之间的关系。文中的数值举例说明了本文理论的正确性。     

一种用于光谱图像的基于邻域背景检测的矢量滤波器

提出了一种通用性强的非线性矢量数字滤波器———基于邻域背景统计的矢量滤波器,该滤波器既可用于光谱图像又可用于灰度图像,具有腐蚀小面积奇异像元的作用,可以消除图像噪声和光谱散点,同时保持原有的光谱信息不变,此外还对图像边缘有一定的锐化作用.文章设计了该滤波器的一种简化实现算法,并给出了航空高光谱图像和彩色图像的处理实例,实验结果显示该滤波器滤波效果良好,对光谱图像的噪声消除和边缘检测都有很大帮助.     

循环谱密度的两通道最大嫡谱估计

对周期平稳随机过程的循环谱密度的估计,过去主要采用时域平均周期图法和频域平滑周期图法,但当短数据时,上述方法的分辨率很低,方差很大。本文提出了循环谱密度的两通道最大熵谱估计,该方法不仅具有很高的分辨率,而且估计的方差也很小,具有较好的估计性能。     

用Householder变换的递推AR模型化与谱估计算法

Housecholder变换用于上三角化是基于线性预测误差方程的数据阵。可以证明,由上三角阵的主对角元素便可得到各阶AR模型的残差平方和。因此用逐列处理的方法可以构成 AR 模型化与谱估计的递推算法。在大多数情况下,本文的算法不仅给出与协方差算法或修正协方差算法相同的计算结果;而且当计算中存在严重的数值病态问题时,协方差法和修正协方差法无法获得好的AR谱估计,而本文的算法则仍然可以获得好的估计。文中给出了典型的计算例子。     

自适应格型滤波器新算法及其在语音线性预测合成中的应用

本文从自适应格型滤波器导出自适应线谱对(LSP)滤波,提出了使用最小均方(LMS)型自适应算法逐级更新计算线谱对系数的方法。实验表明,该算法与其它算法比较,具有更高的收敛率和较低的失调。用该算法计算得到的LSP系数进行语音线性预测合成,获得比使用PARCOR系数更好的结果。     

毫米波/红外成像系统中的精确极大似然误差估计算法

为精确估计毫米波雷达/红外成像复合系统中传感器的系统误差,提出了一种基于无偏转换测量的精确极大似然(UCM-EML)误差估计算法.根据极坐标系下的测量噪声建立误差估计模型,据此推导似然函数和准则函数,采用高斯-牛顿迭代法进行准则函数的优化.仿真实验结果表明,UCM-EML算法在误差估计精度和收敛速度上都优于精确极大似然估计算法和修正的精确极大似然算法.     

Geometric MMSE for one-sided and two-sided vector linear predictors: From the finite-length case to the infinite-length case

In the present paper we derive a formula for the geometric minimum mean square error (GMMSE) for one-sided and two-sided finite-length vector linear predictors. This formula is written only in terms of the autocorrelation matrix of the vector process being predicted. We also obtain a formula for the GMMSE for one-sided and two-sided infinite-length vector linear predictors of any wide sense stationary (WSS) vector process. This GMMSE expression for the infinite-length case is derived from the GMMSE expression obtained for the finite-length case.     

Selecting subsets of autoregressive parameters

Processes with seasonal components are frequently modelled in physics or economics. The class of subset models is appropriate for such data; subsets have only m efficients until the maximum lag L. An efficient algorithm is used to look for the best of the 2^L possible subsets with maximum lag L. The best subset is theoretically defined to be the one giving the smallest squared error of prediction when applied to new data. But in practice only transformations of the residual variance of the current data can be used as a selection criterion in comparing estimated subsets of different sizes. This paper compares the quality of models selected with different criteria. It is shown that subset selection can yield accurate models with less estimated parameters, that give a smaller prediction error than models with all parameters included. The maximum lag for the subsets is better restricted to a selected model order than to an a priori fixed maximum lag.