基于稀疏元分析的欠定混叠自适应盲分离方法

传统盲分离理论假设源信号相互独立，通常采用独立元分析方法等实现盲分离，无法解决实际应用中出现的欠定混叠、相关源信号混叠等挑战性盲分离问题．稀疏元分析是国际上最近出现的一个新的研究热点，稀疏元分析盲分离方法具有实现欠定混叠盲分离和相关源信号混叠盲分离的能力，因而为广大研究人员所关注．但到目前为止，对于稀疏元分析的研究还很不成熟，特别是非常欠缺有效的算法．仅有的少数几个算法仍然面临许多问题，比如：基于Lewicki和Sejnowski（2000）所给Lewicki—Sejnowski自然梯度的稀疏元分析方法，是目前讨论欠定混叠盲分离的一种有效自适应算法，它较通常的K-均值聚类法有更多的优势．但Lewicki—Sejnowski自然梯度只是一种近似表示，缺乏严格的理论依据．由稀疏元分析代价函数出发，基于矩阵理论以及文中所建立的一个新的数学公式，从理论上导出了一个新的且严格的自然梯度，从而为这类稀疏元分析方法提供了严格的理论基础．在此基础上，给出了稀疏信号欠定混叠的新自适应盲分离算法．该方法具有实现欠定混叠和相关源混叠盲分离的能力（见仿真1）．仿真结果表明，所给的新自然梯度比Lewicki—Sejnowski自然梯度更为稳定可靠，同时算法具有较好的抗噪性．     

图像视频信号的压缩采样与稀疏重建

要视觉传感器通常不知道它们“看到”的现象之下的物理过程，以远远超出图像视频信号有效维度的Shannon／Nyquist采样率获取图像视频数据，从而导致了对图像视频信号的存储、传输等数字处理的巨大压力．压缩感知（compressivesensing，CS）理论表明：在某个线性变换域下稀疏的信号，可以利用少量的观测数据精确地重建，或在噪声情况下鲁棒地重建．压缩感知是实现图像视频信号有效维度采样的理论基础，为图像视频信号的采样、处理和识别等领域带来了前所未有的突破．本文对图像视频信号领域压缩感知面临的基本问题：压缩采样、稀疏重建模型及其优化求解算法的研究进展进行了综述．在采样方面，分析了图像视频信号随机观测矩阵和有结构观测矩阵的性能；在稀疏重建模型方面，从图像视频信号的稀疏先验性出发、介绍了分析型的重建模型和合成型重建模型的构建方法；在优化求解方面，针对重建模型，介绍了约束优化问题和无约束优化问题两类求解算法．以此为基础，分析了在图像视频领域压缩感知的理论与应用的进一步发展所面临的问题和挑战，展望了未来的发展方向．     

多基站多用户MIMO系统下行链路基于准最大化和速率预编码和功率分配的双层交替迭代结构

在多基站多用户MIMO系统中，最大化和速率（magimi。ingsum-rate，MSR）预编码是一种线性预编码，但是无闭式解．本文提出了一种交替迭代结构的准最大化和速率（Quasi—MSR）预编码方案来迫近MSR，将MSR的求解问题转化成最大化二次分式函数的乘积，并且设计了一种单接收天线用户环境下基于最大化和速率准则的低复杂度交替网格搜索功率分配alternatina grid search power allocation，AGSPA）方案．在此基础上，本文又提出了基于Quasi-MSR和低复杂度AGSPA的双层交替迭代结构（alternatingiterativestructure，AIS）．仿真结果表明：考虑大尺度衰落和天线相关性时．AIS结构在和速率性能上明显优于4种典型的预编码算法（最大化信泄噪比、块对角化、最小均方误差与速率最大化）．     

基于平行因子分析的频率、二维到达角和极化参数联合估计

文中基于平行因子分析、结合高阶累积量,提出了一种信源频率、二维到达角和极化参数联合估计的新算法。该算法给出了一种新的阵列结构;接着巧妙选择特定偶极子对的输出计算四阶累积量,进而构造高维矩阵;然后基于形成的矩阵在累积量域构造平行因子分析模型,并分析了该模型低秩分解的唯一性,最后利用其分解的结果联合估计信源参数。文中算法有效减小了阵列孔径损失、避免了参数配对。最后给出的仿真结果证实了文中算法的有效性。     

压缩感知非凸优化超宽带信道估计方法研究

超宽带信号由于传输路径较复杂且功率谱密度较低，准确的信道估计十分重要．但是由于其带宽较宽，难以直接采样．压缩感知理论提供了一种可行的低速采样方法．目前的压缩感知超宽带信道估计方法一般采用l1范数约束的凸优化形式或无稀疏性的l2范数约束形式，对目标向量的稀疏性约束不强，而拥有最强稀疏性的l0范数又缺少有效的重构算法．针对上述问题，本文设计一种基于非凸优化算法的压缩感知超宽带信道估计方法．首先将目标函数设置成l，范数约束的非凸优化形式，然后利用凸函数较易求得极值的性质，将原非凸函数组合成为凸函数形式的目标函数，并通过每步迭代凸函数对非凸函数的逼近来求解目标函数，进而估计出原信道．由于lp范数更接近于l0范数，所以对目标向量稀疏性的约束更强．实验结果表明，所提方法相对于现有的压缩感知超宽带信道估计方法能够有效降低重构误差．     

基于Unscented Kalman Filter算法的一个快速路动态OD矩阵估计模型

基于主干道和匝道出入口的交通流量计数及起迄点旅行时间分布假设，论文提出了一个新的快速路动态Origin-Destination（OD）矩阵估计状态空间模型及其在线估计算法．论文通过引入一阶宏观交通流模型以计算OD旅行时间，并假定相同起讫点、相同时刻出发的车辆到达时间分布遵从正态分布．由于引入的宏观交通流模型参数受交通状况的影响，因此模型参数也作为状态变量进行估计，这将增加了新的测量方程．模型的求解采用了一种新的适合于非线性状态空间方程的在线估计算法（UKF，Unscented Kalman Filter）．特别地，论文考虑了约束条件下UKF算法截断问题，这将为运用UKF算法求解存在约束的其他模型提供了新的思路．模型运用了仿真数据进行评估．实验结果达到了很好的精度，这为处理动态OD估计问题提供了新的方法，并可应用于实际的在线动态OD估计．     

基于混合非圆率信号的CESPRIT算法

根据信号常常为圆和非圆信号混合形成的这一情况，提出的做一种基于ESPRIT思想的CESPRIT算法。该算法对阵元接收数据取共轭，然后重组出新的接收数据矩阵，利用构造出的两个选择矩阵，将新接收数据矩阵在分割为两个特定子矩阵，并结合ESPRIT算法思想，对获取的两子阵间的旋转不变关系矩阵进行特征值分解。通过获得的特征值估计出信号DOA．仿真实验表明，与传统ESPRIT算法相比，该算法具有估计精度高，需要的快拍数少和处理的信号个数可大于阵元个数等优点。     

信源数目未知和动态变化时的盲信号分离

研究源信号数目未知与／或动态变化情况下的盲信号分离问题．首先证明若混合矩阵满列秩（观测信号的数目m不小于源信号的数目n），则互信息是盲信号分离的对比函数；在互信息的全局极小值点即分离点处，盲信号分离系统的输出除了零分量外，其他非零分量；黾希望提取的源信号．其次，利用混合矩阵的转置和m个观测信号向量构成的矩阵以概率1具有相同的零空间这一性质，只需少量观测样本就可以估计源信号的数目n，进而检测其动态变化情况．源信号数目未知且动态变化的盲信号分离计算机仿真验证了所提出理论和算法的有效性。     

多输入多输出系统中基于长方阻塞矩阵的酉多级Wiener降秩联合检测算法

针对传统均衡算法复杂度高、收敛速度慢的问题,提出了一种基于长方阻塞矩阵的多级Wiener降秩联合检测算法,其中的多级Wiener滤波器通过相关相减结构来实现,即酉多级Wiener滤波器.该算法选取酉多级Wiener滤波器阻塞矩阵中的一个长方子阵作为阻塞矩阵,使得酉多级Wiener滤波器前向递推分解中接收信号向量的维数逐级降低,从而在降低了均衡的迭代复杂度的同时,加快了算法的收敛速度.理论分析和仿真结果表明,基于长方阻塞矩阵的酉多级Wiener联合检测算法具有复杂度低、收敛速度快的优点.在具有4根发射天线、8根接收天线,并且采用BPSK调制的V-BLAST(vertical Bell labs layered space-time)系统中,采用本算法仅用基于酉多级Wiener滤波的均衡算法一半的计算复杂度在高信噪比处即可达到与其相同的误码性能.     

BLAST结构ML检测简化方法分析

MIMO无线通信系统中，BLAST结构ML检测性能优于其他检测方法，但这是以增加检测复杂度为代价的．文中提出一种ML的简化算法——RML算法，该算法使用ML和ZF联合检测，理论分析及仿真均表明，在检测性能相同的情况下，RML复杂度比ML的复杂度要低很多．     

Covariance estimation for multivariate conditionally Gaussian dynamic linear models

In multivariate time series, estimation of the covariance matrix of observation innovations plays an important role in forecasting as it enables computation of standardized forecast error vectors as well as the computation of confidence bounds of forecasts. We develop an online, non‐iterative Bayesian algorithm for estimation and forecasting. It is empirically found that, for a range of simulated time series, the proposed covariance estimator has good performance converging to the true values of the unknown observation covariance matrix. Over a simulated time series, the new method approximates the correct estimates, produced by a non‐sequential Monte Carlo simulation procedure, which is used here as the gold standard. The special, but important, vector autoregressive (VAR) and time‐varying VAR models are illustrated by considering London metal exchange data consisting of spot prices of aluminium, copper, lead and zinc. Copyright © 2007 John Wiley & Sons, Ltd.     

MIMO-OFDM系统中基于变分Bayes EM算法的联合符号检测与鲁棒Kalman信道跟踪

基于变分Bayes期望最大化VBEM(variational Bsayes expectation maximization)算法和Turbo原理,提出了快时变信道条件下MIMO-OFDM系统中的联合符号检测与信道估计算法.在VBEM框架下,信号检测和信道估计分别由修正的列表球形译码算法和软输入Kalman算法完成,检测器和估计器分别考虑了信道和检测信号的估计误差协方差矩阵.当信道时变剧烈时,存在较大检测误差的数据在软输入Kalman算法中引入异常值(outliers),由于Kalman算法对于异常值的敏感性,系统会在错误传播的影响下出现误码平台.为削弱异常值的影响,利用鲁棒统计理论设计了VBEM框架下改进的鲁棒软输入Kalman算法,该算法能在出现异常值的条件下保持较好的信道跟踪能力.仿真结果表明:在快速时变多径信道条件下,文中设计的鲁棒VBEM算法优于传统的VBEM算法和EM算法.     

一种基于Arnold变换的图像Hash算法

提出一种基于Arnold变换的图像hash算法。算法首先将原始图像经过Arnold置乱变换得到加密图像，然后将原始图像与加密图像的差值矩阵由若干混沌序列生成的伪随机矩阵进行调制，最后将调制后的结果矩阵进行量化判决以产生固定长度的图像Hash序列。仿真结果表明，该算法对JPEG压缩、低通滤波、图像缩放等操作有一定的鲁棒性。     

互耦条件下双基地MIMO雷达的收发角度估计

阵元互耦的存在会使双基地MIMO雷达多目标定位算法的性能恶化．利用发射和接收互耦矩阵的带状、对称Toeplitz性质，提出了一种基于ESPRIT的双基地MIMO雷达收发角度算法，并针对现有参数配对算法中存在参量兼并的问题，给出了一种改进的自动配对算法．仿真结果表明：在存有相同发射角／接收角时，本文算法仍能有效实现多目标定位，无需进行谱峰搜索和额外的目标配对；本文算法对互耦系数自由度和扰动误差的稳健性优于MUSIC-like算法，并且具有更高的估计精度．此外，还推导了确定信号模型下收发角和互耦系数的CRB（Cramer—Raobound）．     

基于压缩感知的多角度合成孔径雷达成像

多角度合成孔径雷达（syntheticapertureradar，SAR）成像是实现多SAR信息融合的重要方式．对提高成像分辨率．重构目标轮廓进而提高雷达目标检测或分类性能具有基础性价值．由于各传感器发射信号和测量位置的多样性，实现多角度SAR成像具有挑战性．如何在噪声干扰情况下快速实现多角度SAR成像是一个新问题．本文建立了基于压缩感知的多角度SAR测量模型．通过对测量矩阵的分析，证明多角度SAR测量角度范围、发射信号载频和空间采样位置是影响成像性能的关键因素，研究了目标空间离散间隔对成像质量和分辨率的影响．以上述分析为基础，本文对多角度SAR发射信号载频和测量位置进行设计，构建满足约束等距性的测量矩阵．针对测量矩阵阶次较高的问题，文章提出用分段正交匹配追踪（stagewiseorthogonalmatchingpursuit，STOMP）进行模型求解，在测量矩阵欠定严重的情况下，该算法可以迅速求得模型最优稀疏解．在实验环节．通过分析多角度SAR参数对成像性能的影响，进一步验证了本文结论．实验验证了模型和相应求解算法的有效性和鲁棒性．     

Ensemble Forecasting for Complex Time Series Using Sparse Representation and Neural Networks

Based on the concept of ‘decomposition and ensemble’, a novel ensemble forecasting approach is proposed for complex time series by coupling sparse representation (SR) and feedforward neural network (FNN), i.e. the SR‐based FNN approach. Three main steps are involved: data decomposition via SR, individual forecasting via FNN and ensemble forecasting via a simple addition method. In particular, to capture various coexisting hidden factors, the effective decomposition tool of SR with its unique virtues of flexibility and generalization is introduced to formulate an overcomplete dictionary covering diverse bases, e.g. exponential basis for main trend, Fourier basis for cyclical (and seasonal) features and wavelet basis for transient actions, different from other techniques with a single basis. Using crude oil price (a typical complex time series) as sample data, the empirical study statistically confirms the superiority of the SR‐based FNN method over some other popular forecasting models and similar ensemble models (with other decomposition tools). Copyright © 2016 John Wiley & Sons, Ltd.     

基于反馈机制的抗混合噪声的盲图像源分离方案

针对基于稀疏成分分析的盲图像源分离算法无法解决混合噪声问题,本文提出一种采用反馈机制的盲源分离算法.通过小波域稀疏成分分析和置零反馈的方法,逐次分离出各支路信号.实验结果表明,该方法无需大量的迭代运算,与传统稀疏成分分析法相比,能有效地分离高斯白噪声参与的混合图像,与经典快速独立成分分析法相比,取得了更高的分离精度.     

基于单形体几何的高光谱遥感图像解混算法

提出一种新的基于单形体几何的高光谱遥感图像混合像元丰度估计算法.该算法的目标是在已知端元矩阵的基础之上,估计高光谱图像中各个观测像素点中每个端元的丰度.根据凸几何理论,基于线性混合模型的高光谱解混问题可以看成一个凸几何问题,其中端元位于包含整个高光谱数据集的单形体的顶点,而它们对应的重心坐标则可以看作各个观测像素的丰度.提出的方法由3部分组成,分别为基于单形体体积的重心坐标计算方法、距离几何约束问题和基于内点的单形体子空间定位算法.与其他基于单形体几何的算法相比,该方法具有诸多优点.Cayley-Menger矩阵的引入使得欧式空间上的运算转化为距离空间上的运算,在降低运算复杂度的同时很好地兼顾到数据集的几何结构.而且,单形体重心的使用确立了一种快速而精确的判断方法来确定观测像素所属的子空间,进而利用递归的思想得到丰度值.此外,算法核心仅仅涉及观测点与端元之间的距离,而与波段数无关.因此,该算法无须对数据执行降维处理,从而可以避免因数据降维而造成的有用信息的丢失.仿真和实际高光谱数据的实验结果表明,所提出的算法与同类其他优秀的算法如FCLS和SPU相比,具有更高的运算精度,同时在端元数目较小时具有较快的运算速度.     

基于时间相关和可变块的 H.264去块滤波优化算法

基于块的混合编码在压缩率较高的情况下会产生明显的块效应,导致编码图像主观质量下降.本文在研究和分析了 H.264标准中采用的去块滤波方法后,为了进一步提高去块滤波的性能,提出了一种新的算法.该算法利用相邻两帧图像的时间相关性,即利用参考帧中已计算好的边界强度来预测下一帧的边界强度,并采用了基于可变块的去块滤波方法,以降低滤波过程中的计算量.实验结果表明该算法在对解码图像质量没有任何影响的情况下较标准算法降低了78%左右的滤波运算时间,有效地缓解了 H.264解码运算复杂度,提高整体解码时间,以有助于实时应用的实现