SIMO系统辅助变量最小二乘盲辨识方法

辅助变量辨识方法是一类重要的辨识方法,然而对于盲辨识,系统输入未知,辅助矩阵的选择就成了难题。针对盲辨识领域研究最多的单输入多输出(SIMO)系统,利用辅助变量方法研究相应的盲辨识方法,其基本思想是联立其中两个子系统进行辨识,利用其他子系统的输出来构造辅助矩阵,从而提出了辅助变量最小二乘盲辨识方法,来获得系统参数估计。还给出所提算法的递推形式,并进行了收敛性分析。仿真例子验证了所提方法的有效性。     

多输入多输出阵列目标方位估计方法

提出了一种主动阵列目标定向空时编码新构型,即多输入多输出(multi-input multi-output,MIMO)阵列。MIMO阵列发射不相关信号(正交信号),扫描向量是常规相控阵发射扫描向量与接收扫描向量的卷积,从而产生了虚拟阵元,扩展了阵列孔径,形成的波束图是常规发射阵波束图与接收阵波束图的乘积,因此主瓣更窄,旁瓣更低。两目标高分辨统计性能的仿真分析和实验研究表明,与常规相控阵相比,MIMO阵列具有更高的目标角度分辨率和检测性能。     

多输入多输出问题效率的影响因素分析方法

为挖掘多输出多输出问题相对有效性的关键影响因素,达到控制与管理的这些主要因素能够有效提高其相对有效性的目的,根据多输出多输出问题的DEA效率指标因素与各指标因素之间的灰色关联度大小,确定多输入多输出问题效率的关键影响因素,并通过案例证实该方法的有效性和可行性.     

一种基于高阶统计量的图像识别算法研究

提出了一种基于图像高阶统计量的识别算法。利用Radon变换将图像数据变换到一维空间,通过计算投影数据的双谱构造出具有比例和平移不变性的特征。利用Rapid变换获得特征的旋转不变特性;接着,利用阈值分析的方法进行特征选择,获得了较原始特征更好的识别效果。针对特征向量过长的问题,利用主元分析进行长度压缩。与不同方法的实验比较表明,算法能够有效地用于图像识别。     

基于高阶累积量的空间特征估计方法及其应用

以均匀直线阵为基础,提出了一种基于阵列输出四阶累积量的信号空间特征估计方法,并将其用于相干多径环境下的多用户信号空间特征的估计。利用阵列输出四阶累积量构造了一种空间特征矩阵,证明了对其作特征分解可以得到各用户的空间特征。然后在空间特征估计基础上,结合前向/共轭后向空间平滑技术对相干多径的波达方向(DoA)进行了估计。该算法是一种不依赖于信号具体特征的全盲估计方法,适用于任意加性高斯噪声,且各DoA与信源自动配对。理论分析和仿真结果说明了算法的有效性和稳健性。     

基于高频增益矩阵分解的多变量系统自适应控制

基于高频增益矩阵因子分解和Backstepping设计方法,对多变量MRAC系统设计出一种新的自适应控制器,改变了已有的研究中关于高频增益矩阵的假定条件.该控制器能保证系统的全局稳定性和跟踪误差趋于零.仿真效果也证明了所提算法的实用性.     

基于状态空间模型分解的分数阶系统辨识算法

给出了分数阶线性系统的一种有效辨识算法.该算法可以辨识出系统的模型参数,同时也可以对系统的阶次进行辨识.通过基底变换把分数阶系统的系统矩阵变换成对角阵,这就把原系统的输入、输出关系转化为若干简单的子系统的和,从而降低了辨识问题的复杂性.该算法还能容易地获得系统的输出误差对其模型参数及系统阶次的偏导数,从而可以选择利用梯度的优化算法,如梯度下降法和拟牛顿法等,进行系统辨识.最后给出了实例证明了算法的有效性.     

MIMO-OFDM系统中基于CS-ESPRIT算法的多频偏盲估计

提出了一种基于接收信号循环平稳特性(CS)和基于旋转不变技术的参数估计方法(ESPRIT)的多输入多输出正交频分复用(MIMO-OFDM)系统多频偏盲估计算法。理论分析表明,算法无需训练序列或导频符号,可估计每对收发天线间频偏,适用于任意分布加性平稳噪声下的频偏估计。计算机仿真验证了算法在低信噪比下仍可取得稳定性能,并在传统单入单出(SISO)OFDM系统中也可获得较好的性能。     

Modulation recognition of MIMO radar signal based on joint HOS and SNR algorithm

This paper presents a joint high order statistics （HOS） and signal-to-noise ratio （SNR） algorithm for the recognition of multiple-input multiple-output （MIMO） radar signal without a priori knowledge of the signal parameters. This method is capable of recognizing the MIMO radar signal as well as discriminating it from single-carrier signal adopted by conventional radar. Meanwhile, the sub-carrier number of the none-coding MIMO radar signal is estimated. Extensive simulations are carried out in different operating conditions. Simulation results prove the feasibility and indicate that the recognition probability could reach over 90% when the value of SNR is above 0 dB.     

On-line blind source separation algorithm based on second order statistics

1 .INTRODUCTIONBlindsource separation (BSS) is one of the most activeresearch areasin signal processing community. The mainobjective of blind source separationis to extract indepen-dent source signals fromtheir observed mixtures withoutfull knowledge of the signal propagation environment .BSStechnologies have been widely usedin array process-ing,communications,biomedical signal processing,i mageprocessing, speech processing, seismic prospecting andother areas.Many methods have been prop…     

自适应OFDM系统中调制识别算法研究

提出了一种适用于快衰落信道下自适应OFDM系统的调制识别算法。在信道估计和频域补偿的基础上,利用子载波组样本的6阶和8阶累积量识别5种调制信号。仿真结果表明,该算法具有良好的识别性能和稳健性,在SNR=16 dB,移动台速度小于40 km/h的条件下,调制方式的正确识别率可在到95%以上。     

基于自适应神经模糊推理系统的非线性系统辨识

针对非线性系统辨识方法中偶然性大,精度不高,收敛速度慢,训练过程时间长的问题,提出一种基于自适应神经模糊推理系统的非线性系统辨识方法,利用模糊推理系统使规则结构化及神经网络具有很强的泛化能力相结合,具有以任意精度逼近任何线性或非线性函数的特点。对非线性系统进行辨识,仿真结果表明,ANFIS进行非线性系统辨识是可行的,其辨识精度很高。     

一种新的基于核函数的非线性系统辨识方法

提出了一种新的基于核函数的非线性系统辨识方法。该方法无须知道系统输入输出先验信息,首先对系统输入输出数据进行密度估计及聚类,自适应获取该数据隐含的类别数目及对应的核参数,得到系统的结构。进而利用这些核,将系统原始低维输入输出数据映射到高维空间获取新的输入输出数据,然后通过递归最小二乘方法获取系统的参数。仿真结果表明了该方法的有效性和自适应性。     

基于改进粒子群算法的系统辨识新方法

提出了一种利用改进的粒子群优化算法对系统进行辩识的方法.该方法是将典型的数学模型的相互组合而构成系统模型的新辨识方法,即首先将系统结构辨识问题转化为组合优化问题,然后采用粒子群优化算法同时实现系统的结构辨识与参数辨识.为了进一步增强粒子群优化算法的辨识性能,提出了利用一种改进的粒子群优化算法.最后,给出了仿真示例,结果验证了所给的系统辨识方法的合理性和有效性.