采用时域测量矩阵的压缩感知稀疏信道估计方法

针对传统最小二乘和伪随机序列相关信道估计方法在稀疏信道应用时估计精度差的问题,提出一种采用时域测量矩阵的压缩感知稀疏信道估计方法.新方法首先将循环前缀单载波分块传输系统中的稀疏信道估计建模为一个典型的压缩感知问题,然后利用具有最优循环相关特性的伪随机序列优化构造确定性压缩感知测量矩阵,避免了使用随机测量矩阵造成的存储不便及估计性能差的问题,且提高了信道估计性能.基于准静态COST 207典型城市信道模型的仿真结果表明:该估计方法能够有效地降低稀疏信道的估计均方误差,在16 dB处的误码率可达2×10-5,而相同情况下最小二乘信道估计方法的误码率只能达到3×10-3.     

基于连续Riccati方程解的界的估计

研究了Riccati方程的定界估计问题,采用矩阵不等式和特征值不等式方法,给出了Riccati方程解矩阵的上下界估计.计算实例表明了该方法的有效性.     

计算机视觉中基本矩阵的估计方法

基本矩阵的估计是计算机视觉中一项重要的研究课题.从特征点的提取、匹配到从一组对应点求出基本矩阵的估计值,完整地介绍了求解基本矩阵的方法.对于噪声干扰以及问题固有的复杂性所导致的误匹配,以及由此导致的估计结果恶化问题,采用最小中值法（LMedS）,有效地解决了存在误匹配情况下稳定、准确地估计基本矩阵的问题.     

Nekrasov-矩阵的逆矩阵的无穷大范数的上界新估计

Nekrasov矩阵作为H-矩阵的一个重要子类,一直都是广大学者研究的热点矩阵之一.研究了Nekrasov矩阵的逆的无穷范数上界估计问题,首先,给出了其逆矩阵的无穷范数的新估计式.其次,证明了新估计式改进了相应文献的结果.最后,通过数值例子表明新估计式比已有估计式估计更具优越性.     

具有随机约束的混合效应模型参数的岭型谱分解估计

对于具有随机线性约束的线性混合效应模型参数提出一种称之为条件岭型谱分解估计的方法.利用均方误差矩阵和广义均方误差对固定效应参数的几种估计量进行比较,给出条件岭型谱分解估计优于条件谱分解估计的充分条件,并给出这两种估计的相对效率的上下界.最后,模拟算例验证了理论结果的正确性.     

一种基于衰减-时延聚类估计的欠定语音盲分离算法

针对衰减-时延混合模型,提出一种改进的欠定语音盲分离算法.第一步根据独立语音源在时频域上的稀疏性,用势函数法分别聚类估计衰减矩阵和时延矩阵,然后配对以确定各声源混合矩阵.第二步由估计的混合矩阵,采用改进最短路径法恢复出目标语音.为了减少计算量,设置门限对能量较小的时频点直接置零处理,在衰减矩阵和时延矩阵聚类估计时采用了分段聚类算法.仿真实验表明本文算法分离出的语音和源语音相似系数达0.96,0.97,0.93,信噪比达12.66dB,12.86dB,8.87dB,且有效减少了计算量,证明了该算法的可行性和有效性.     

基于稀疏性约束非负矩阵分解的人脸年龄估计方法

基于人脸图像的年龄自动估计已经成为当前人脸识别领域的一个重要研究方向。首先通过非负矩阵分解(non-negative matrix factorization,NMF)算法对基矩阵或系数矩阵进行稀疏性约束,用形成的更具有局部表达能力的子空间对人脸图像数据进行表示。然后使用径向基函数神经网络进行训练和测试,提取包含在大多数人脸图像上的年龄信息来进行年龄估计。实验结果表明,具有稀疏性约束的非负矩阵分解算法对年龄估计问题具有良好的应用效果。     

有关非负矩阵谱半径及分离度界的估计

给出了非负矩阵谱半径上下界的一个估计，并将我们的结果与以往的结论做比较；在推论部分给出了非奇异M矩阵之逆的谱半径的界的估计以及任意复矩阵谱半径的一个上界的估计．另外，我们还给出了非负矩阵分离度的上界估计．     

广义G-M 模型参数的Bayes线性无偏估计及其优良性

针对广义Gauss-Markov(G-M)模型,采用Bayes估计方法获得参数的Bayes线性无偏估计(BLUE),在均方误差矩阵准则下与广义最小二乘(GLS)估计进行比较,导出了4种相对效率的界,讨论了在PC准则下BLUE相对于GLS估计的优良性.     

严格对角占优M-矩阵一类界的新估计

目的 设A为严格对角占优的M-矩阵,估计||A-1||∞的上界及最小特征值σ(A)的下界.方法 利用严格对角占优的-矩阵A的元素估计这类界.结果 给出了||A-1||∞的一个新的上界估计式和最小特征值σ(A)下界的一个估计式.结论 这些新的估计式改进了已有的结果.     

采用信号相邻采样点联合估计的欠定盲源分离算法

两步策略是当前欠定盲信号分离的基本方法,混叠矩阵的估计是恢复源信号的先决条件。考虑在混合矩阵已经估计的前提下,通过矩阵子空间的方法估计源信号,并且利用信号相邻采样点的相关特性,联合判断任意时刻信号的归属,提高欠定盲源分离算法的抗噪能力。通过仿真实验显示了该算法的性能及实用性。     

基于改进SST算法的宽带信号DOA估计

信号子空间变换算法(SST)的聚焦矩阵是利用各频率点与参考频点之间信号子空间的关系导出的。针对传统的宽带DOA算法存在的计算复杂度高和估计偏差大的问题,利用聚焦的本质,提出了SST改进算法。改进后算法的性能分析优于传统算法,能正确的分辨出信号的方位,降低了运算量。     

基于深度卷积神经网络的DOA估计

针对现有均匀线阵远场窄带非相干多目标估计算法对低信噪比、少快拍情况适应性差、运算复杂度高，以及现有深度学习方法难以有效提取数据复值特征的问题，提出基于深度卷积神经网络的波达方向估计方法。该方法将波达方向估计问题转换为阵列输出协方差矩阵到目标到达角度的逆映射问题，利用阵列输出协方差矩阵的Hermitian特性，提取其上三角阵的实部、虚部及相位特征，构造网络的输入数据，搭建包含三维卷积层的深度卷积神经网络用来提取数据特征，网络的标签对应目标的到达角度，从而实现多个信源的波达方向估计。试验仿真表明:该方法可以充分提取空间特征，提高波达方向估计精度并降低算法复杂度。所提方法在低信噪比、少快拍数的情况下，其估计精度明显优于MUSIC、ESPRIT以及ML算法。     

基于子空间旋转的信号频率和波达方向同时估计方法

针对宽频段窄带信号,利用时间平移构造伪数据矩阵,同时,将伪数据矩阵信号子空间进行旋转,并通过对构造的信号空间矩阵进行特征分解,提取导向矢量矩阵和旋转因子中所包含的角度和频率信息,从而直接获得频率和波达方向（DOA）的同时估计,计算机仿真表明,该方法在中等信噪比下是有效的,且无需搜索过程和配对处理。     

非负矩阵谱半径的一个新估计

利用相似矩阵有相同的特征值对非负矩阵的谱半径进行了估计,通过算例与以往的结论相比较,说明了此估计的有效性。     

基于Chip延迟与矩分析的扩频序列估计方法

提出通过Chip延迟相乘与相关矩分析的方法实现对直扩信号扩频序列的估计,理论分析与计算机仿真显示该方法不但能实现对直扩信号扩频序列的估计,而且能提供序列的同步信息,并能适应对直扩信号检测的低信噪比要求.     

分块矩阵特征值的圆盘估计

在考虑非正规性因素影响下，对分块矩阵给出了复方阵特征值的整体圆盘估计，即给出复方阵的特征值相对于对角元素算术平均值的偏离程度的估计。     

一个基于统计方法的OD矩阵求解算法

在传统的OD矩阵估计模型的基础上,并在路段分配概率是随机变量这一假设的前提下,给出了一个统一的OD矩阵模型基本形式,针对该OD矩阵估计模型给出了一个基本求解算法———混合遗传算法。该算法是在传统的数学规划方法和遗传算法的基础之上给出的。同时通过算例的求解,分析了算法的优缺点。     

一种基于Toeplitz矩阵重构的波达方向估计新算法

为了提高空间谱中信号与噪声的区分度以及改善传统Toeplitz矩阵重构算法在进行波达方向(direction of arrival,DOA)估计时的精度,本文提出一种新的基于Toeplitz矩阵重构的DOA估计算法。首先将观测数据估计的自相关矩阵预处理得到数据向量,并基于数据向量进行Toeplitz矩阵重构;再对重构后的矩阵进行奇异值分解,得到信号子空间和噪声子空间;最后同时利用信号子空间和噪声子空间进行空间谱估计。结果表明:无论是相干源还是非相干源的DOA估计,该算法估计精度均优于传统Toeplitz算法,在非相干源的DOA估计精度性能与多重信号分类(multiple signal classification,MUSIC)算法一致,并在处理相干信源个数能力与传统Toeplitz算法相同。