基于低秩矩阵填充的推荐算法

针对已有协同过滤推荐技术中评分矩阵极度稀疏问题,提出了一种基于低秩矩阵填充技术的推荐算法.该算法从贝叶斯框架出发,提出了能够解决低秩矩阵问题的分层高斯先验模型,并将广义近似消息传递算法嵌入到贝叶斯框架,规避了贝叶斯学习过程中烦琐的矩阵逆运算,提升了算法运算速度,同时在广义近似消息传递算法中施加阻尼运算以促进收敛.在开放数据集上的实验结果表明,所提出的算法与相关的矩阵填充推荐算法相比,有效地提高了推荐准确度.     

基于酉变换的改进GSO波束形成器

针对传统Gram-Schmidt正交化(GSO)波束形成器对干扰的抑制性能比较差的缺点,提出一种基于酉变换的改进GSO算法.该算法对训练数据进行酉变换,估计变换后数据的协方差矩阵并取其实部,待该实矩阵减去噪声分量后采用GSO算法重构变换后的干扰子空间,将经过同样变换后的静态波束加权矢量向该干扰子空间做正交投影得到自适应加权矢量.计算机仿真结果证明,在干噪比(INR)较高时该算法与基于特征值分解的子空间投影算法的性能相近.     

用于语音识别的空间相关性变换

针对经典隐含Markov模型忽略了语音信号之间的依存关系的问题,提出一种线性特征变换——空间相关性变换,利用同一个说话人的不同语音单元之间的相关性(空间相关性)得到鉴别性能更好的新特征。该变换的最优变换矩阵在最小协方差准则下得到。识别系统采用新特征及其模型参数代替原特征及其模型参数进行Viterbi搜索。实现空间相关性变换的关键是最优变换矩阵的计算,提出了两种相应的算法。实验结果表明:该方法在说话人无关识别系统上取得了比自适应方法更好的性能,同时该方法与自适应方法结合应用可进一步提高系统性能。     

基于近似消息传递的小波域图像压缩感知

针对现有的基于近似消息传递的图像压缩感知算法需要构建大尺寸观测矩阵的问题,研究基于近似消息传递的小波域图像压缩感知算法。为了克服逐列观测、逐列重构的传统变换域压缩感知方案隔断图像列与列之间相关性的缺点,提出了一种基于图像行列相关性的小波域压缩观测方案。进而,基于近似消息传递设计了一种适用于在稀疏度未知的情况下重建小波系数的压缩感知重构算法,结合图像小波系数的结构化稀疏特性与近似消息传递,实现了小波域图像压缩感知重构。实验结果表明,与现有算法相比,本文提出的基于图像行列相关性与近似消息传递的小波域图像压缩感知算法具有更高的重建图像质量与更快的图像重建速度。     

广义相关时延估计算法的自适应实现形式

认为广义相关时延估计算法的缺陷是依赖对输入信号及噪声先验知识,特别是对其功率谱的了解,而在实际应用中,往往缺乏这种先验知识,只能以估计值来代替,从而影响时延估计精度,自适应滤波器一般只需要很少或根本不需要任何关于输入信号和噪声的先验知识且性能良好,若用自适应滤波器替代广义相关法中的预滤波器就可放松或免除对输入信号和附加噪声的条件限制,提高时延估计的精度,广义相关时延估计算法时域中的预滤波器就是其频域中的权函数,从理论上证明了,任何一个广义相关权函数,都能够变换成一个或几个Roth处理器的组合形式,实际上,Roth处理器就是自适应滤波器实现的,能对原始带噪信号做最优化估计的维纳滤波器,从而实现了自适应广义相关时延估计算法。     

基于矩阵重构和酉变换的DOA估计

为了提高重构相干信号测向算法的估计性能,降低算法运算量,提出了一种基于矩阵重构和酉变换方法的酉矩阵重构算法。该算法首先通过酉变换将阵列接收数据从复值计算转换为实值计算,使计算量大大降低;然后计算阵列协方差矩阵并进行特征值分解得到信号子空间,再将信号子空间重构为Toeplitz矩阵实现解相干并再次进行酉变换;最后通过特征值分解得到信号子空间并使用最小二乘法实现波达方向(direction of arrival, DOA)估计。相比于改进的旋转不变性的信号参数(estimation of signal parameters via rotational invariance techniques-like, ESPRIT-Like)算法和空间平滑处理算法,由于消除了噪声影响、构造了Toeplitz矩阵以及充分利用了数据的共轭信息,该算法的估计精度更高、具有更高的运算效率且在ESPRIT-Like算法失效的条件下新算法仍能有效估计DOA。本文算法的运行时间是ESPRIT-Like算法的71.2%,实验结果证明了该方法的有效性和真实性。     

广义相关时延估计算法的自适应实现形式

认为广义相关时延估计算法的缺陷是依赖对输入信号及噪声先验知识 ,特别是对其功率谱的了解 ,而在实际应用中 ,往往缺乏这种先验知识 ,只能以估计值来代替 ,从而影响时延估计精度 .自适应滤波器一般只需要很少或根本不需要任何关于输入信号和噪声的先验知识且性能良好 ,若用自适应滤波器替代广义相关法中的预滤波器就可放松或免除对输入信号和附加噪声的条件限制 ,提高时延估计的精度 ,广义相关时延估计算法时域中的预滤波器就是其频域中的权函数 .从理论上证明了 ,任何一个广义相关权函数 ,都能够变换成一个或几个 Roth处理器的组合形式 .实际上 ,Roth处理器就是自适应滤波器实现的、能对原始带噪信号做最优化估计的维纳滤波器 ,从而实现了自适应广义相关时延估计算法 .     

线性系统的广义Laplace变换

为了研究线性定常系统动态方程的解以及传递矩阵的有关性质,将函数的Laplace变换概念推广到矩阵函数上,建立了矩阵函数的广义Laplace变换概念,讨论了矩阵函数广义Laplace变换的相关性质;运用矩阵函数的广义Laplace变换给出线性定常系统动态方程的解及传递矩阵的Laplace变换形式,并给出矩阵指数函数的广义Laplace变换计算.     

基于模糊域奇异值分解的语音增强方法

提出了一种遵循语音非平稳特性的增强方案。它不同于以往语音增强惯用的前提。首先，使用时频表征中的模糊函数描述被高斯白噪声恶化的语音信号；其次，对其进行奇异值分解后。采用尺度因子矩阵调整模糊函数矩阵的奇异值达到抑制与噪声相关成份的目的；最后，将模糊域下经过处理的余留成份变换为时域信号。仿真实验表明，这种消噪方法具有良好的性能。     

线性正则变换与时频分布

 线性正则变换是一种有用的信号处理工具,它是Fourier变换、分数阶Fourier变换更为广义的形式.Wigner分布和模糊函数是2种经典的时频分布描述方法.利用Wigner分布和模糊函数的性质并借助于线性正则变换矩阵分解形式讨论和描述了线性正则变换与时频分布的关系,给出了几何图形解释,为进一步研究线性正则变换在时频信号分析中的应用奠定了理论基础.     

一种多分量LFM信号参数估计的快速仿真算法

通过对Wigner-Ville分布(WVD)和Radon变换的详细分析,提出了一种基于Radon-Wigner变换的参数估计仿真算法,这种算法通过对信号WVD所得二维函数矩阵的行列按一定比例扩展,再对扩展后的矩阵进行Radon变换,从而实现了线性调频信号(linear frequency modulation,LFM)信号的Radon-Wigner变换。该算法具有快速性、精确性好的特点,对多分量的LFM信号进行详细的仿真分析,仿真结果表明,该算法与解线调方式得到的仿真算法对比,速度有较大幅度的提高。     

基于酉ESPRIT的跳频信号DOA估计

为了利用跳频信号的空域信息辅助同步跳频信号的网台分选,提出了一种基于STFD酉ESPRIT的跳频信号DOA估计算法。首先用WVDSPWVD组合时频分析方法对接收数据进行时频变换,然后提取出跳频信号的有效跳(hop),并对其建立空时频矩阵(STFD),最后利用酉ESPRIT算法进行跳频信号DOA估计。该方法通过酉变换将ESPRIT算法的协方差矩阵从复数域转化到实数域,降低了计算量,而且酉ESPRIT算法利用了数据的共轭信息使数据长度等价增加了一倍,提高了估计精度。仿真结果表明文中算法在信噪比大于2dB时,DOA估计性能优于ESPRIT算法。     

结合系数重用正交匹配追踪的字典学习算法

针对压缩感知中字典对信号稀疏表示能力不足的问题,文中提出了一种结合系数重用正交匹配追踪的自适应字典学习算法,该算法使用系数重用正交匹配追踪算法得到稀疏系数,在字典更新阶段引入上一次迭代过程的先验信息.首先对稀疏系数矩阵进行奇异值分解,再分别用前一次更新的字典对左奇异矩阵和用训练信号对右奇异矩阵进行变换,然后采用变换后的左、右奇异矩阵构造新矩阵,最后利用新矩阵进行字典训练.实验结果表明,采用文中算法得到的字典对图像具有更好的稀疏表示能力,提高了重构图像的质量.     

基于小波变换的单通道盲分离中源信号数目估计算法

推导了常用数字调制信号的小波变换幅度函数表达式,并给出了统一的近似表达式。在此基础上给出了单通道接收混合信号模型中小波变换幅度函数的近似表达式。通过充分利用与混合信号中奇异点有关的码元周期信息,给出一种基于小波变换的单通道接收条件下源信号数目估计算法,实现了在无先验知识的情况下对源信号数目的估计,并通过仿真验证了算法的可行性和有效性。     

基于VMD的瓦斯信号自适应压缩感知算法

将压缩感知算法和变分模态分解相结合,应用于煤矿瓦斯数据的处理。考虑到现有的压缩感知算法在对瓦斯处理的过程中存在着重构精度低,重构过程复杂和需要较多的样本观测值等问题,因此提出一种基于VMD和自适应观测矩阵的压缩感知算法,有效解决了以较少的样本观测值数据实现信号高精度重构的问题,同时自适应地选择观测矩阵,避免了对稀疏信号的同类化投影选择。首先将瓦斯信号经过VMD进行分离,得到一系列瓦斯信号的本征模态函数分量,通过设定阈值保留有效信息,使得信号更加稀疏化;其次通过自适应地观测矩阵对稀疏信号进行投影变换,从而降低观测矩阵和稀疏字典的不相关性。实验以煤矿瓦斯数据为研究对象,将瓦斯数据经过VMD分解进行稀疏化处理和使用构造的自适应观测矩阵进行投影选择,MATLAB仿真实验证明,文中的算法有更高的信噪比和更好的重构质量。     

离散Hopfield实现多值信号盲检测

传统神经网络算法局限于二值神经网络,无法解决多值信号盲检测问题。提出了基于离散Hopfield网络直接盲检测多值信号的两种算法,构造了4电平的离散激活函数。本算法不依赖统计量,建立直接盲检测发送信号的优化性能函数,利用离散Hopfield网络直接盲检测多值信号。给出新的适用于多值离散Hopfield神经网络的能量函数和网络权矩阵,理论证明该网络具有很好的稳定性。仿真结果表明本算法能快速收敛到真平衡点,盲检测效果好,适用于随机信道。     

样本缺失情况下的雷达目标自适应检测

雷达信号自适应检测问题中,参考数据中部分样本丢失会导致常规检测器性能显著下降。在无先验信息条件下,采用期望最大算法获得杂波协方差矩阵的最大似然估计,得到基于期望最大算法的自适应匹配滤波器。利用探测环境的先验信息,在贝叶斯框架下,采用Gibbs抽样获得杂波协方差矩阵的后验均值估计,得到基于马尔科夫链蒙特卡洛自适应匹配滤波器。计算机仿真分析表明,这2种检测器可以在样本缺失情况下具有较好的检测性能。当杂波协方差矩阵先验信息较少时,EM-AMF与MCMC-AMF检测性能相当;当有先验信息可供利用时,MCMC-AMF的检测性能可以得到进一步提升。     

信号相关性对正交2FSK全双工系统的影响及抑制

在提出2FSK数字调制全双工系统的基础上,发现采用常规自适应对消技术效果不佳的现象。针对该问题,确定2FSK信号的相关特性是影响自适应对消性能的核心原因。为了从理论上深入分析相关性能,针对信号相关性对接收误码率的影响程度问题,构建了基于最小均方误差准则的射频域自干扰对消结构的正交2FSK全双工系统,根据广义循环平稳随机过程的性质,分区间讨论并结合统计判决理论,给出加性高斯白噪声无线信道场景下信号相关性与接收误码率之间的关系式及抑制相关性影响的方法。分析与仿真表明:2FSK信号的相关系数ρ是2个频点码元波形相关系数的线性和函数,取值区间为0~0.5,2FSK信号经自干扰消除后误码率性能随ρ的提升而恶化。     

冲击噪声背景下一种稳健自适应波束形成算法

 针对冲击噪声背景下,常规波束形成算法性能下降的问题,本文提出了一种适用于任意未知统计特性的代数拖尾冲击噪声环境下的基于归一化的线性约束正交投影(NLCOP)算法。该算法通过对输入信号进行无穷范数归一化,使变换信号的协方差矩阵在代数拖尾的冲击噪声环境下存在且有界,将自适应权矢量约束于噪声子空间,提高了波束形成器在冲击噪声背景下的性能。NLCOP算法无需噪声特征指数的先验信息,具有更低的副瓣电平且干扰抑制能力强。仿真结果验证了该算法的有效性。     

基于扫频滤波器线性调频信号的滤波算法

研究了白噪声环境下线性调频信号的自适应滤波问题.提出一种线性调频信号(LFM)自适应滤波算法.该算法利用分数阶傅里叶变换将LFM信号转化为正弦信号,在分数阶傅里叶域进行自适应滤波,利用分数阶傅里叶反变换得到滤波后的时域信号.分数阶的滤波器可以使用扫频滤波器替代.性能分析表明,该算法的滤波效果取决于自适应滤波器的效果,在使用最下均方(LMS)算法时,步长的选取决定了滤波器的性能,在实际应用中必须按需选取.仿真表明该算法效果明显,计算方便.