基于矢量重构的相干信源测向

传统的解相干方法主要有空间平滑和子空间拟合两类,但这些方法或者阵列利用率低或者计算复杂度高,因此寻求计算量小且阵列利用率高的解相干测向方法有重要意义. 该文基于前后向矢量重构理论,提出一种相干信源测向方法. 根据信号导向矢量矩阵与信号子空间张成同一空间,充分利用大特征值对应的特征向量,采用前后向矢量重构方法构造列满秩的数据矩阵,利用总体最小二乘¡旋转不变子空间算法进行波达方向估计. 该方法适用于独立信源和相干信源同时存在的情况,具有良好的实用性,且运算过程简单,计算量小. 理论分析和仿真结果表明了所提方法具有优良性能.     

随机延迟细胞神经网络的几乎必然指数稳定性

依据细胞神经网络的输出函数的饱和线性特征,将状态空间分解成子区域来研究一类延时细胞神经网络在噪声环境下的几乎必然指数稳定性.当细胞神经网络模型的扰动项满足Lipschitz条件时,得到一些几乎必然指数稳定的代数标准.所有结果只需计算网络的平衡点与矩阵的特征值.     

共形阵列LFM信号DOA和极化参数的联合估计

利用分数阶傅里叶变换(fractional Fourier transform, FRFT)对线性调频(linear frequency modulation,LFM)信号的能量匹配聚焦特性来简化共形阵列的数据模型,根据子空间拟合原理提出一种信源DOA和极化参数的去耦联合估计方法. 直接进行DOA估计涉及求解难度较大的多维多峰参数搜索过程,于是通过重构噪声子空间
和流形矩阵建立了单峰的目标函数,然后用PSO算法估计信源方位角和俯仰角,在此基础上利用ESPRIT实现极化参数估计. 仿真实验表明,去耦参数估计方法能在保证算法性能的前提下简化问题复杂度,有效降低运算量.     

基于灰色(1,1)模型的近场源高阶特征估计

近场源的高阶特征参数估计是阵列信号处理的重要内容.通过对近场源高阶特征参量估计可以实现对波达方向(DOA)的频率估计、时延估计、运动目标的多普勒估计.传统的近场源特征估计算法采用单频特征估计方法,无法实现对信号各个参量的联合估计.该文提出一种基于灰色(1,1)模型的近场源高阶特征估计算法.构建近场源的参量估计数学模型,通过空间谱估计方法,实现对空间信息的获取,利用信号子空间和噪声子空间的正交性,通过改变灰色(1,1)数学模型来减少对高阶特征参量不平衡敏感性,实现高阶参量联合特征估计.仿真结果表明,采用该算法进行近场源的高阶特征参量估计,能较精确的估计出两个信源的方位角、距离和频率三维参数,在雷达、声纳、通信等信号与信息处理中展示了较好的应用价值.     

应用循环平稳特性的宽带信号DOA估计

针对循环平稳宽带信号DOA估计问题,结合信号的循环平稳特性和共轭循环平稳特性,采用子空间分解方法研究宽带信号DOA估计方法. 该方法同时利用宽带信号循环平稳和共轭循环平稳两方面信息构造出扩展循环相关矩阵,采用常规方法得到宽带信号的方位谱,继承了Cyclic MUSIC算法的优点,当处理宽带信号源时不需要估计最佳延时时间. 仿真结果表明该方法具有良好的宽带信号选择能力和分辨能力,能抑制大功率干扰信号,估计性能较好.     

提高空间谱算法分辨率的DOA估计

针对传统MUSIC算法在低信噪比,小快拍数等非理想条件下分辨率下降的问题,提出了改进的基于子空间投影的MUSIC测向算法. 该算法充分利用子空间信息,采用新的特征值校正方法对噪声子空间进行加权,并与加权信号子空间投影进行空间谱合成,得到新的空间谱函数. 搜索函数极大值,就能得到来波方向. 新方法既保
留了噪声子空间算法的高分辨性能,又保留了信号子空间算法的稳定性. 计算机仿真和实测数据表明新方法有效.     

应用空域局部高斯混合模型的LSB匹配隐写分析

考虑到图像是一个局部平稳信源,提出一种局部内容自适应的LSB(least significant bit)匹配隐写分析方法. 该方法将LSB匹配隐写建模为加性高斯噪声,将图像空域细节分量建模为高斯混合模型. 在局部区域内用期望最大化算法估计模型参数,取最小方差值为局部隐写噪声方差的估计. 然后提取局部方差直方图的加权和特征,以反映图像不同复杂度区域隐写前后的变化. 将原始特征和校准特征相结合,作为分类特征. 对未压缩图像库的实验表明,该方法较现有方法具有更好的检测性能,在嵌入率低至25%时仍有较可靠的检测性能.     

迭代更新信源模型参数的信源-信道联合译码

提出一种在HMM基础上同时更新模型参数和译码的信源信道联合译码算法.通过接收到的含噪声信息序列以及由训练序列获得的先验知识对信源模型参数重新估计,将参数更新与联合译码过程迭代进行,一方面得到了信源序列更精确的概率结构,另一方面提高了联合译码的性能,并从信息论角度给出了信源模型参数的改善量.     

空间靶标位姿的三维重建方法研究

从增强现实AR系统中目标跟踪的需要出发,介绍了空间靶标位姿的重建方法.文章在点重建和线重建方法的基础上,分析了空间矢量在任何成像面上的投影位置关系,导出了在世界坐标系和在图像坐标系中重建空间矢量的两种方法,并将上述方法用于空间靶标位姿的三维重建,且进行了验证.     

非线性阵列Khatri-Rao子空间宽带DOA估计

针对非线性阵列,基于Khatri-Rao子空间概念提出一种新的无预估角宽带到达角(direction-of-arrive,DOA)估计方法. 从Khatri-Rao子空间虚拟阵列导向矢量出发,利用虚拟阵列所增加的维数,以流形分离技术构造与到达角无关的宽带聚焦矩阵,无需预估角且估计性能良好. 采用Root-MUSIC算法避免传统算法中的谱峰搜索过程,降低了计算量. 仿真结果表明,该方法与需要预估角的已有Khatri-Rao子空间宽带DOA估计方法FKR-RSS相比,具有相近的估计精度和目标分辨力. 在信号源数大于阵元数的情况下,其性能优于FKR-RSS.     

GPS空时自适应滤波矩阵重构抗干扰算法

小快拍数、干扰移动及天线平台震动引起协方差矩阵估计误差增加,导致现有的全球定位系统(global positioning system,GPS)空时自适应滤波抗干扰算法的性能急剧下降,为此提出了一种基于矩阵重构的GPS空时自适应滤波抗干扰算法.该算法利用Capon空间谱估计方法重构干扰加噪声协方差矩阵,并对矩阵进行时域平滑得到空时滤波权值.仿真结果表明,该算法在多干扰、低信噪比、小快拍数情况下降低了阵列误差的影响,提高了阵列天线输出信干噪比,与对角加载算法和矩阵锐化算法相比提升5dB左右.     

用于行对角占优信道矩阵的MIMO盲均衡算法

对MIMO通信信道提出了一种基于矩阵初等变换的均衡算法,将其用于行对角占优的MIMO系统,则得到相应的MIMO盲均衡算法.该算法基于通信源信号的统计特性,利用数学上通过矩阵初等变换实现矩阵对角化的原理对MIMO信道矩阵实现了对角化.将该盲均衡算法用于常规的MIMO系统,则可以克服系统因突发干扰等因素产生的常规均衡器均衡参数的估计偏差,提高系统的误码性能.仿真实验证实,所提出的MIMO盲均衡算法在行对角占优信道矩阵的均衡和常规均衡器均衡参数估计偏差的克服中均取得了良好的效果.     

时延估计的克拉美—罗下界的渐近分析

从时延估计的Ｆｉｓｈｅｒ矩阵的最基本概率表达式入手，利用Ｔｏｅｐｌｉｔｚ（托布里兹）矩阵和循环矩阵的渐近等效性，以及循环矩阵的谱特性，导出了时延、多普勒、及其更高阶导数联合估计的Ｆｉｓｈｅｒ矩阵的严格渐近解析表达式，此结果较人们常采用的近似结果更加精确。两者之间的比较分析表明，有一定条件下两者具有较好的一致性。     

采用孤立点检测的欠定混合矩阵盲辨识

研究欠定盲源分离中的混合矩阵估计问题,针对多源时频点对混合矩阵估计的影响,提取时频域单源点用于混合矩阵估计,给出一种时频单源点检测方法. 针对时频单源点中孤立点对混合矩阵估计的影响,剔除单源点中的孤立点进一步提高混合矩阵的估计精度,应用减法聚类方法对剔除孤立点后的时频单源点进行聚类,实现了源信号数目和混合矩阵的同时估计. 语音信号的仿真实验表明,与其他两种基于时频单源点的欠定混合矩阵估计算法相比,所提出的算法具有更高的估计精度和更好的鲁棒性.     

基本矩阵随机采样鲁棒估计

提出一种新的基本矩阵鲁棒估计算法:随机采样算法,对含有大量出格点的数据点集,利用7个对应匹配点的最小子集来估计参数;然后在不同的子集重复多次,确保任何一个子集都含有一个好的数据点的机率达到95%.最优估计值是残差低于门限值点数最多的子集,一旦从数据点集剔去出格点,利用没有出格点的数据就可以得到最终估计值.用真实图像测试表明该算法鲁棒性好,精度高.     

解到达角估计模糊的二次虚拟阵列变换

引入非均匀时延构造虚拟阵列变换的变换矩阵,提出一种基于二次虚拟阵列变换的到达角估计方法. 该方法利用非均匀时延间隔的随机性,每一次快拍下都等效于随机改变虚拟阵元的阵元间隔,突破了空域采样定理的限制,解决了在使用较大阵元间距条件下到达角估计的模糊问题. 同时增大的阵元间距也提高了估计的精度和分辨力. 进一步的实验表明,该方法是可行的、有效的,且能改善小信噪比条件下的估计精度.     

简化B类噪声模型的参数估计

通信接收机的前置窄带滤波器波改变了非高斯脉冲噪声的幅度统计特性,B类噪声模型可以很好地描述窄带非高斯噪声幅度概率分布. 该文提出一种基于特征函数谱的B类噪声模型参数估计算法,其特点是采用最小均方梯度法求非线性代价函数的解. 计算机仿真验证结果表明：该算法具有快速收敛和复杂度低的优点,并给出了算法的详细推导过程.     

LDPC迭代译码联合噪声方差估计

基于EM算法推导了噪声方差的最大似然估计算法,并利用推导结果来修正LDPC的LOG域的置信传播译码算法,进行迭代译码联合噪声方差的估计.仿真结果表明,该文提出的噪声方差估计方法,较好地完成了噪声方差未知时LDPC迭代译码的辅助工作,使噪声方差未知时的系统误比特率性能恶化小于0.1 dB.