一种不需要特征值分解的MUSIC新算法

在阵列信号处理中,诸如MUSIC和ESPRIT等高分辨率空间谱估计算法都要对阵列输出数据的协方差矩阵逃行特征似分解,其计算量较大,不适合实时处理。因此,文中提出MCA（次分量分析）高效迭代算法,用来逼近噪声子空间,该算法无需进行特征值分解,计算过程相对简单,具有自组织特性,算法稳定收敛,适合于神经网络来实现,通过仿真实验证实了所提算法的优良性能及其可实施性。     

改进的循环谱估计快速算法与性能分析

该文提出了一种改进的循环谱估计快速算法,在估计性能不降低的条件下,减小了原有数字化频域平滑谱估计算法对数据量的要求。算法将时域平滑算法中数据加窗、重叠等处理方法引入频域算法,有效降低了估计方差,改善循环谱的估计效果。论文对改进算法渐进性均值、方差、谱分辨率的表达式进行推导。理论与实验结果分析表明:在相同数据量和谱估计分辨率的条件下,改进方法估计性能优于原算法,可用于实际低信噪比、小数据量、高分辨率要求下循环谱估计。     

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。     

有色随机噪声背景下互谱TLS-ESPRIT估计方法

现代互谱估计是抑制有色观测噪声的一种有效方法。对旋转不变技术估计信号参量的方法进行了深入的分析,并进而提出了有色声随机信号背景下互谱TLS-ESPRIT估计方法。这种方法的突出特点是几乎不需要任何色噪声的先验信息,并在很低信噪比下工作,避免了以往互谱估计本身所固有的在整个频域上的谱峰搜索,可直接通过特征值确定信号参数估计值。此方法只需两次SVD分解,计算量大大降低。仿真结果表明,该方法具有较好的谱估计分辨率和良好的稳定性。     

毫米波热辐射阵列的空间谱估计阵列误差模型研究

将空间谱估计算法应用于毫米波热辐射阵列接收系统对目标进行超分辨率探测,需要解决目标热辐射信号弱及阵列误差使性能下降这两个主要问题.为此,建立了低信噪比阵列误差模型,该模型综合考虑了通道幅相误差对信源和通道噪声的影响,推导出由它们所造成的阵列接收数据自相关矩阵的特征值扰动范围和信号特征向量空间误差距离.利用该模型提出了一种通道幅相误差校正算法,使得高分辨率的空间谱估计算法能够很好地应用于毫米波热辐射阵列接收系统,并通过实验验证了新模型及校正算法的正确性和有效性.     

基于模糊进程因子的改进自适应遗传算法

首先提出了一种改进自适应遗传算法,在本算法中引入模糊进程因子,设置了最佳样本保留数、最佳基因保留数等五个可调参数,使它们随着模糊进程因子的变化而变化,从而实现算法自适应;然后给出了新算法的步骤,并用标准测试函数对该算法进行了测试,测试结果表明:该算法具有较好的在线性能,提高了收敛速度;最后,用该新算法进行了功率谱估计,该算法比LS法具有更好的谱分辨率和适应性。     

一种基于模糊逻辑的图像增强算法

在分析Pal模糊增强算法不足的基础上，提出了一种改进的模糊增强算法，该算法简化了Pal算法中复杂的变换和逆变换运算，并采用新的增强算子，可根据不同类型的图像动态调整隶属度阅值υc，克服了Pal算法中隶属度阅值设置为固定值的不足，而且减少了迭代次数。实验证明，该算法适用面广，尤其时对于灰度范围相对比较集中的低对比度的医学图像，处理效果更佳。     

毫米波热辐射阵列的空间谱估计误差模型研究

将空间谱估计算法应用于毫米波热辐射阵列接收系统对目标进行超分辨率探测,需要解决目标热辐射信号弱及阵列误差使性能下降这两个主要问题.为此,建立了低信噪比阵列误差模型,该模型综合考虑了通道幅相误差对信源和通道噪声的影响,推导出由它们所造成的阵列接收数据自相关矩阵的特征值扰动范围和信号特征向量空间误差距离.利用该模型提出了一种通道幅相误差校正算法,使得高分辨率的空间谱估计算法能够很好地应用于毫米波热辐射阵列接收系统,并通过实验验证了新模型及校正算法的正确性和有效性.     

罗兰C接收机天波识别技术研究

使用现代谱估计技术进行罗兰C接收机的天波延迟估计,有效地解决了常规接收机基准点固定的问题。文章提出的方法,在不断变化的天波干扰环境下根据数据调节相应的采样点,在低信噪比条件下分离出了地波和天波的到达时刻,且具有较高的分辨率。本文对基于参数建模和特征值分解的算法进行了讨论,充分说明了现代谱估计技术能减少对准基准点的时间,可提高现有罗兰C接收机的性能。     

利用信号循环平稳特性提高空间谱估计测向性能

分析了信号的循环平稳特性，介绍了几种将谱相关理论用于谱估计测向的算法。研究表明，充分利用信号的循环平稳特性可以克服传统谱估计测向算法的不足，提高对信号的选择性、分辨率、过载能力、检测能力以及抑制宽带干扰和加性噪声的能力，同时还可以完成对宽带信号的一维和二维波达方向估计。     

基于数据矩阵奇异值分解的时—空二维信号处理

本文提出一种利用阵列接收信号数据矩阵奇异值分解的时－空二维信号谱估计方法，该方法对线阵接收信号构成的数据矩阵进行奇异值分解，构造出噪声奇异向量，利用信号空间与噪声空间的正交性获得时－空二维谱，该方法可用于高分辨测向测速系统中，计算机模拟表明了该算法的有效性。     

利用信号谱相关特性提高谱估计测向性能

介绍了几种将谱相关理论用于谱估计测向的新算法。它们将时间和空间处理相结合，从而克服了常规空间谱估计测向算法存在的不足，并提高了信号选择性、分辨率、过载能力、检测能力等方面的测向性能，其中谱相关信号子空间拟合（ＳＣ－ＳＳＦ）算法，还适用于对宽带信号的到达方向（ＤＯＡ）进行估计。     

基于特征分解的高分辨时—空二维信号谱估计

本文提出一种基于特征分解的高分辨时-空二维信号谱估计方法。该方法对时-空二维信号相关阵进行特征值分解,构造相互正交的信号子空间和噪声子空间,利用其正交性,得到高分辨的时-空二维信号谱。该方法用于相控阵雷达,可以精确地提取空间目标的方位信息和速度信息。计算机模拟表明了算法的有效性。     

基于小波系数块能量和HVS的FCM水印算法

为增强水印的鲁棒性,提出一种基于小波变换的改进数字水印算法.该算法将原始图像小波变换后的细节子图分割成互不重叠的系数块.通过对各系数块能量特征分析,并结合人类视觉系统特征(HVS)对特征值进行模糊c-均值聚类(FCM)分析取得更适合嵌入水印的块,在适合嵌入块上应用隶属度值进行自适应的水印嵌入.实验表明该算法有更好的鲁棒性和不可见性.     

基于加权最小统计的噪声谱估计改进算法

针对最小统计的噪声谱估计算法在噪声谱上升时跟踪时延较大的问题,该文给出了一种加权最小统计的噪声谱估计改进算法,通过分析加权对最小统计噪声谱估计算法的影响,采用3种简单典型曲线构造权值,用实验的方法比较得出由余弦曲线构造的权值最优。实验结果表明加权最小统计的噪声谱估计改进算法能够快速跟踪噪声谱的变化,提高了噪声谱估计的准确性,改善了增强后的语音质量。     

一种超宽带信道估计算法及其特性

在传承经典谱估计和结构化线性系统思想的基础上,介绍了一种基于子空间的超宽带(Ultra-Wide Band,UWB)信道估计(Channel Estimation,CE)快速算法。该算法在低于Nyquist采样率的情况下可获得较高分辨率的信道估计,从而可降低系统的复杂度,减小系统的功耗。     

改善MUSIC空间谱估计分辨率的后处理算法

本文在MUSIC空间谱估计的基础上,提出了一种改善算法。该算法不直接用估计的噪声子空间来计算空间谱,而是对它再处理,使其扰动减小,提高了阵列处理的空间分辨率。计算机模拟表明,新方法能使空间谱估计得到显著改善。     

一种新的正弦波频率估计方法研究

对相关阵的最大特征值所对应的特征矢量按一定规则排列的非对称矩阵，其奇异值／奇异矢量分解（SVD）的右奇异矢量同样存在两个子空间，并因此提出了一种新的谱估计方法，即基于相关阵信号子空间的正交矢量法（Orthogonal Vector spectral estimation based on correlation matrix SignalSubspace),简称OVSS法，OVSS法源于相关阵信号子空间，对噪声和数据长度敏感性较小，同时它又是正交矢量法，且源于高阶模型，具有高阶MUSIC法的分辨率，而且是低阶矩阵SVD，没有伪峰。大量模拟试验显示OVSS法是一种具有高分辨率、高统计稳定性、计算量相对增加较小的高质量谱估计方法。     

一种简易的模糊匹配算法的实现

本文设计了一种用于多种搜索应用的基于字串特征和相似度的模糊匹配算法，阐述了该算法的设计原理，并用C语言给出了算法的代码。该算法可以根据用户指定的相似度来控制模糊程度，从而得到可控的模糊匹配结果。     

基于矢量量化的模糊参数辨识及分辨率增强方法

在实际的图像复原中通常需要预先估计模糊函数。该文将Nakagaki等人提出的基于矢量量化的模糊参数辨识算法进行改进,利用Sobel 算子形成特征矢量,避免了LOG滤波器参数的选择,增强了算法对辨识不同类型图像的模糊函数的鲁棒性,并利用DCT对特征矢量降维,减小了计算量。同时将其应用于超分辨率图像复原中,辨识出多幅低分辨率图像的模糊函数,然后融合具有不同模糊函数和信噪比的低分辨率图像,实现了盲超分辨率图像复原。仿真结果表明了改进算法的有效性和可行性。