基于子空间分解的线性多用户检测算法及其泛散度

讨论了基于子空间分解线性多用户检测算法的原理,重点对解相关检测算法、最小均方误差检测算法、最小输出能量检测算法的基于子空间分解的检测算子的形式、性能进行了讨论.定义了一个称谓"泛散度"的量,来量度基于子空间分解的检测算子与传统检测算子的拟合距离,这个泛散度不但与数据长度有关,而且特别与在线用户的功率强度及分散度有关.笔者还对理论分析的结果进行了计算机模拟,实验结果与理论分析结果吻合.     

Mbekhta's子空间与算子谱理论以及对全空间的直和分解

主要利用加Mbekhta‘s子空间讨论了有界线性算子谱理论中的一些问题,还针对一种算子——广义逆算子,利用Mbekhta‘s子空间对全空间进行直和分解．     

一种线性局部切空间判别分析算法

为了在保持数据局部几何结构不变的同时使数据分类边界最大化,提出了一种用于分类的线性局部切空间判别分析算法.该算法是改进的流形学习算法的监督版,样本的局部切空间排列矩阵确保样本低维嵌入的局部几何结构不变;基于最大边界准则的数据散度矩阵确保数据分类的类内散度最小和类间散度最大;对上述2个矩阵和进行特征分解,获得平衡的投影向量基,使样本投影后的子空间被优化.对Yale,UMIST与MIT这3个人脸数据库的实验结果表明,与现有多种经典分类方法相比,提出的算法在降维的同时提取了用于人脸识别的更有效特征,识别性能较好,具有较高的判别分析能力.     

宽带循环平稳近场源定位算法

提出一种基于极化敏感阵列的宽带循环平稳近场源方向角和距离二维参数估计算法.采用均匀线阵,根据阵列偶极子对的输出数构造循环自相关矩阵,通过传播算子理论分解子空间,估计噪声子空间的最小二乘解,进而构造MUSIC空间谱函数,通过谱峰搜索估计信源的位置信息.仿真试验证明了本文算法的有效性.     

基于FSYAST子空间算法的盲自适应多用户检测

为解决传统算法因引入特征值估计误差而导致检测性能下降的问题,在分析基于信号子空间跟踪的最小均方误差(MMSE)多用户检测器(MUD)的基础上,提出了一种改进的信号子空间盲线性MMSE多用户检测器,并应用FSYAST子空间跟踪算法进行信号子空间跟踪.仿真结果表明,提出的盲自适应多用户检测器性能接近于奇异值分解(SVD)子空间多用户检测器性能.     

改进的子空间匹配追踪导波信号识别方法

针对子空间匹配追踪计算复杂的缺点,提出一种改进的子空间匹配追踪（MSMP）方法.采用线调频小波函数作为匹配原子,选用微分进化算法（DEA）实现改进的子空间匹配追踪方法.利用29kHz t（0,1）导波对含缺陷的铝管进行检测实验,采用MSMP对检测信号进行匹配分解与重构.将匹配结果与基于微分进化算法的匹配追踪（MP）及基于t算子的进化规划算法（tEP）的正交匹配追踪（OMP）所得结果进行比较,并比较了基于DEA的MSMP和MP,基于tEP的OMP匹配所得参数.结果发现：重构所得信号质量明显提高,基于DEA的MSMP和MP方法匹配所得参数均能比较准确地反映缺陷位置以及激励信号的中心频率,基于DEA的MSMP匹配所得的参数更加准确且耗时更短,改进的方法可有效识别管道导波无损检测信号并定位缺陷.     

线性自适应滤波算法综述

分析了最小均方误差滤波和基于最小二乘准则滤波算法、变换域自适应滤波算法、仿射投影算法、共轭梯度算法、基于子带分解的自适应滤波算法、基于QR分解的自适应滤波算法优缺点,并对自适应滤波算法的发展进行了展望。     

利用MATLAB进行数字图像的边缘检测算法研究

本文首先对几种经典边缘检测算法进行了讨论,例如Roberts边缘检测算子,Prewitt边缘检测算子,Canny边缘检测算子等。然后深入研究小波变换理论和图像边缘检测理论方法,通过理论分析和MATLAB软件仿真结果,将小波算法和经典边缘检测算法进行比较,证明了该方法的有效性和优越性。     

基于小波包变换的自适应多用户检测

在分析传统自适应多用户检测的基础上，提出了一种基于小波包变换的自适应多用户检测算法．该算法用小波包变换进行前处理，然后再通过最小均方(LMS)算法实现自适应多用户检测．与通常的自适应多用户检测算法相比，该算法利用了小波包变换对小波空间进行分解，信号经小波包变换后自相关性会下降，收敛速度提高．同时在此分解过程中，根据信号与白噪声小波包变换完全不同的特性进行信号消噪．理论分析和仿真结果表明，该算法与传统LMS自适应多用户检测算法和基于小波变换的自适应多用户检测算法相比，算法收敛速度更快，且计算量较少，易于实时实现，还具有良好性能．同时仿真结果表明该算法收敛速度与小波基和分解级数的选择有关，分解级数越大，收敛速度越快；对于同一小波基系列，小波基正则性越好收敛速度越快。     

基于聚类的神经网络及其在预测中的应用

提出了一种基于聚类的神经网络算法，可以很好解决大样本情况引起的网络结构复杂、收敛性和泛化能力差等神经网络的固有问题．算法采用聚类算法为分类器，进行模式空间分解，以分类后的模式子空间为各样本集合，用神经网络集学习，最后根据重力模型计算检测样本对各样本子集的隶属度，整合各子空间的输出结果．通过实验对比表明该算法精度较高，容错性好．     

基于量子遗传算法的子空间拟合测向

针对子空间拟合算法对独立信源和相干信源求解过程中,多维搜索运算量大的问题,通过采用实数编码的量子位表示染色体和用量子旋转门更新量子位的方法,提出一种实数编码的量子遗传方法(RC-QGA)来实现加权信号子空间拟合(WSSF)测向,从而有效地降低传统算法的计算量.还研究了WSSF算法的一维解相干性能和二维波达方向(DOA)估计性能.实验仿真表明,RC-QGA方法在进化代数为10时就可以达到收敛,有效提高了传统遗传算法的收敛性能,并且具有计算量小和估计性能优良的特点.     

ZP-OFDM系统中基于信号子空间迭代拟合的盲信道估计

介绍了一种用于ZP-OFDM系统的基于子空间拟合的盲信道估计算法,该算法采用信号子空间迭代拟合技术代替了传统的噪声子空间信道估计中奇异值分解获取子空间进行估计信道。仿真表明,在低信噪比下该算法获得了比传统的噪声子空间信道更优的估计性能,更接近ZP-OFDM盲信道估计的CRB（Cram6r-Raobound）。     

基于干扰子空间估计的跳频多址信号检测

通过对跳频多址信号的时频图案分析,建立了基于信号子空间的系统模型和跳频多址信号的解相关检测算法.该算法采用子空间跟踪的思想,将干扰子空间从检测信号空间上予以消除,克服了传统检测器需要知道系统中所有用户跳频图案的约束和串行干扰消除中的干扰扩散问题.与传统检测器相比,该算法具有更好的系统误码性能、较低的计算复杂度和很好的系统稳健性.MonteCarlo仿真结果表明,在同一个误码率条件下,基于子空间的盲多用户检测器比传统检测器的信噪比提高了2～4dB.     

基于子空间拟合的 UWB 稀疏信道盲估计

针对 TH-PPM 超宽带系统,利用信道的稀疏性,提出一种基于子空间拟合的稀疏信道盲估计算法.该算法首先利用接收信号的均值循环卷积特性,估计出信道的频域响应,接着利用子空间拟合算法确定出非零抽头系数的位置,最后再采用最小二乘算法完成对非零系数值的估计,避免了无谓的零抽头估计,改善了算法性能.该算法以码片周期采样,且仅需要作一些简单的信号处理如重叠相加、离散傅立叶变换等,因此运算量较小.仿真表明,与没有利用信道稀疏性的一阶盲算法相比具有更优的均方误差和误比特率性能.     

线性广义系统的不变子空间

讨论了线性定常奇次广义系统在平衡态附近不变子空间问题,发现了稳定子空间、不稳定子空间、中心子空间的存在性     

用克里金(Kriging)技术绘制等值线图与变异函数的正确拟合

本文是在用克里金技术绘制大量等值线图的基础上完成的。文中结合实例直观地论证了为绘制出满意的等值线图在处理块金效应和各向异性效应正确拟合变异函数时,充分应用实际经验和考虑具体地质意义是必要的。这也说明,任何不结合地质意义的“自动拟合”与“最优拟合”都是不可取的。     

实验数据处理中曲线拟合方法探讨

曲线拟合是实验数据处理的基本方法之一.将曲线拟合方法归结为有理论模型和无理论模型两类,据此,对曲线拟合的一般思路和重要方法进行了讨论.对两类方法进行了比较,并将它们联合用于对材料流变状态的速率-微分型本构模型的曲线拟合.     

阵列测向中基于投影分解的信源数目后判断

信源数目判断是阵列测向中的重要课题,目前常用的方法一般都不利用信源的入射方向估计信息,称为信源数目的“前”判断方法。由于使用的信息较少,这类方法很难给出信源数目的准确估计。当信源数目估计过少时,将影响测向效果,而过多时则无法去掉虚假信号。为解决该问题,提出了基于投影分解的信源数目“后”判断方法。分析证明了该方法与ＭＵＳＩＣ、极大似然算法配合使用的问题,并进行了计算机模拟。结果表明,该方法有较强的适用性且判断效果较好。     

关于子空间的并集及其性质的讨论

本文讨论向量空间中有限个子空间的并集的三个等价命题以及和子空间与交子空间的有关性质。