Hopfield优化网络用于DOA估计存在的问题

本文讨论了用Ｈｏｐｆｉｅｌｄ优化网络解决ＤＯＡ估计问题方法的有效性和正确性，虽然这种方法可以避免特征分解和谱峰搜索运算，但在不限制网络中输出为１的神经元个数的条件下，方法中代价函数的构造是不正确的，理论分析和仿真实验证实了上述结论。     

宽带谱相关时空DOA矩阵方法

本文提出了一种新的基于信号时空特征结构的二维DOA估计方法－－宽带谱相关时空DOA矩阵方法。该方法利用信号的循环平稳特性实现了对宽带信号的有效处理,同时通过空时变换将传统的一维空域处理拓展到了二维空间处理,更充分地利用了信号的时域特征,从而大大简化了阵列结构,提高了算法的性能。理论分析与仿真结果表明,该方法既继承了循环平稳方法在谱估计方面的优势,又具有原DOA矩阵方法无需二维谱峰搜索和参数配对的特点。     

用于大规模深度卷积分类网络DOA估计的标签分解方法

为了有效地解决使用深度神经网络求解波达方向(DOA)估计涉及到的大规模分类器的训练和部署实现,本文提出将传统的one-hot分类器分解为多个类别互质的小分类器,然后联合使用多个互质分类器的分类结果重构原始one-hot标签.首先使用标签分解,将原始标签分解为多个互质的小标签,小标签对应的类别为原始类别对质数取余数的结果...     

谱峰搜索的神经网络实现

本文提出了谱峰搜索的神经网络方法,作为一个线性规划问题,通过构造适当的代价函数把谱峰搜索与Hopfield线性规划网络联系起来。网络中神经元的个数与参数空间搜索的分辨率无关,而与传感器阵列中传感器的个数成线性关系,因此神经元的个数并不要求很多,理论分析和仿真实验证明,该方法实际上与MUSIC方法或RD(实数域波达方向估计)法是等价的。     

宽带源DOA快速估计方法

提出了一种新的聚焦矩阵的计算方法,该方法不需要进行角度预估计,也不需要进行任何矩阵特征值分解,对信号方向不敏感,运算量小。利用多级维纳滤波算法,求出聚焦后的空间协方差矩阵在Krylov子空间的一组正交基,在满足一定的条件下,该正交基张成的空间等价于信号子空间,从而可求得宽带信号的空间谱。整个过程避免了矩阵特征值分解,因而运算量降低。计算机仿真验证了方法的有效性。     

基于类MUSIC的DOA估计算法

针对相关信号波达方向(DOA)的估计问题,提出了一种基于最大差值子矩阵的信号DOA估计方法.对利用Toepllitz构造的满秩矩阵进行特征值分解,得到排序后的特征值,并利用特征值的差值实现满秩矩阵筛选,同时结合传统MUSIC算法实现信号DOA估计.理论分析与仿真实验表明,本文所提方法在相关信号DOA估计方面具有更好的分辨力.     

基于双通道复数卷积神经网络的DOA估计算法

针对低信噪比下基于实数卷积神经网络(RV-CNN)的阵列波达方向(DOA)估计方法对接收信号幅相特征提取不充分的问题,引入复数卷积神经网络(CV-CNN)进行DOA估计。为进一步提高分类准确率,构建了一种基于复数卷积神经网络的非对称双通道DOA估计模型(CV-DCNN)。该模型以阵列接收信号的复数协方差矩阵作为输入,分别输入由空洞卷积层组成的第一通道和由标准卷积层组成的第二通道中,其中空洞卷积在不损失角度信息的情况下,增大特征图的感受野。通过复数卷积神经网络(CV-CNN)独有的复数卷积方式提取和融合信号的幅值和相位特征,将双通道提取的特征融合后通过全连接层和sigmoid函数实现角度分类结果输出。实验结果表明,CV-CNN比RV-CNN有更快的收敛速度,在低信噪比和少快拍条件下,CV-CNN比RV-CNN有更高的估计精度,而CV-DCNN比CV-CNN在收敛速度和估计精度上又有了进一步的提升。     

基于凸优化的Khatri-Rao子空间宽带DOA估计

该文基于凸优化工具,提出一种新的Khatri-Rao子空间宽带到达角(DOA)估计方法。首先,利用Khatri-Rao子空间的概念,构造各频点的虚拟阵列导向矢量。再利用凸优化方法针对虚拟阵列导向矢量构造聚焦矩阵,从而利用虚拟阵列所增加的维数,在尽量减少聚焦对噪声影响的同时,获得良好的聚焦效果。仿真结果表明,相对于已有的Khatri-Rao子空间宽带DOA估计方法FKR-RSS,该方法具有更好的估计精度和目标分辨力。对于信号源数大于阵元数的情形,该文方法优势更加明显。     

利用空间平滑差分算法进行DOA估计

针对色噪声背景下的相干信源波达方向估计问题,提出了一种空间平滑差分算法。该算法通过对空间平滑矩阵进行差分运算来对消色噪声,并采用PM算法进行方向估计。在去除噪声、减小计算量的同时,可估计较多的信源。由于算法对非相关信源和相关(或相干)信源同时估计,因此减小了算法实际实现的复杂度。计算机仿真结果证明了空间平滑差分算法理论的正确性和有效性。     

基于相控阵单通道接收机高分辨DOA估计的跟踪算法

本文提出一种基于相控阵单通道接收机系统的波达方向（ＤＯＡ）高分辨跟踪算法,这种跟踪算法是用特定权实现单通道接收机高分辨测向的进一步完善。在信号源不相关的情况下,通过对权矢量的循环使用和功率信号的更新处理,实现对ＤＯＡ时变信号源的跟踪,计算机模拟结果表明该方法具有良好的效果。     

ANALYSIS OF THE NEURAL OPTIMIZATION METHOD FOR DOA ESTIMATION

This paper gives a simple analysis of the method of using the Hopfield's optimization neural network to solve the direction-of-arrival(DOA) estimation problem. Although this method can avoid the eigendecomposition of data autocorrelation matrix and the orthogonality search of parameter space, theoretical analysis and computer simulation results show that the construction of the DOA cost function is incorrect on the condition that there is no constraint on the number of outputs of the network.     

高分辨率信号DOA估计的跟踪算法

本文论述了一种基于子空间方法的高分辨DOA估计跟踪问题的解法。该方法基于对采样数据矩阵的广义奇异值分解(GSVD)。本文讨论了GSVD的更新修正算法,在每步计算中只需有限次的运算,即可由前一次的近似分解结果计算出新的近似分解。该过程与指数加权技术相结合,可以处理信号参数估计的跟踪问题。     

一种快速的二维高分辨波达方向估计方法混合波达方向矩阵法

本文利用两个具有位移特性的二维传感器子阵列信息构成一种新的矩阵混合波达方向矩阵。混合波达方向矩阵的特征值和特征矢量分别为信号源方位角与高低角的混合方向元素和方位角与高低角的混合方向矢量。合理选择子阵列构造可以解决兼并信号源分辨问题和降低阵列孔径损失。     

神经网络的逻辑分析

本文对比约束满足网络,描述了连续状态神经网络的逻辑理论的基本框架,给出了矛盾的定量分析方法。分析表明,神经元逻辑状态变化的根本原因是网络中存在优势矛盾;神经网络求解的动态过程对应于消除优势矛盾的过程。     

盒中脑神经网络的稳定性分析

该文对盒中脑(BSB)神经网络在超立方体内的平衡点的渐近稳定性进行了新的分析,利用Ostrowski定理及相似变换得到了判定平衡点为渐近稳定的几个充分条件。为了说明所提出新方法的有效性,给出了模拟例子。     

基于仿生模式识别的DOA估计方法

该文就仿生模式识别(拓扑模式识别)在非感性抽象对象的信息处理方面的应用作了一些探索,提出了一种基于仿生模式识别的DOA估计方法。这种方法的建模过程是用在实际环境下采集的训练样本构造人工神经网络模型,对环境的适应能力较强,且这种方法的计算量较小,可以实现系统实时处理。实验结果表明：在信噪比为20 dB和0 dB时,该方法的正确估计率可达100%;在信噪比降为-20 dB时,该方法仍有83%的可识别率。     

联想记忆神经网络吸收区域的估计

本文对于Hopfield型联想记忆神经网络模型,给出了吸收区域估计的解析表达式。这对于具有多个平衡位置的网络实现联想记忆和优化计算都是重要的问题。     

用共轭梯度法改善AR谱估计性能

本文基于AR模型前向预测误差最小,提出用共轭梯度法搜索AR模型参数,从而实现谱估计。计算机仿真表明,用这种方法进行谱估计,不会产生谱漂移现象,谱分裂得到明显减弱,而且还具有很高的频率分辨能力。用这种方法估计的信号频谱性能接近于Marple算法。     

基于介质顶阵的到达角估计

由于介质顶对来波的发散作用,到达平面阵的波是非平面波。本文研究基于介质顶阵的到达角(DOA)估计方法。通过对采样协方差矩阵进行远场近似(FFA)处理,用高分辨特征结构技术(MUSIc算法)进行DOA估计,得到了比较好的结果。计算机模拟结果证实了该方法的有效性。