基于协方差矩阵重构的DOA估计方法

针对空间信号的波达方向估计,提出了协方差矩阵重构测向算法。由数据协方差矩阵的特征分解求得信号特征值及其对应的信号特征向量,根据各个信号特征向量构造相应的子协方差矩阵,算法定义一个新协方差矩阵。从理论上证明了新协方差矩阵在信号相干时仍然满秩,新算法在解除信号相干性的同时没有造成阵列孔径的损失。与空间平滑类算法相比,估计同样相干信号数,新算法能节省更多阵元。仿真实验证实了新算法优越的分辨能力和估计性能。     

水声信号的调制方式识别

研究了不同水声信道环境下不同调制方式的水声信号识别算法。该算法利用双谱计算信号的双谱矩阵,并对双谱矩阵进行特征值特征向量分解,将分解得到的最大特征值对应的特征向量作为特征量。文中选取不同水声信道传输的样本信号计算其特征量,将待识别信号的特征量与样本信号的特征量做内积运算,将最大内积值对应的调制方式作为待识别信号的调制方式。实验仿真结果表明,该算法较好地实现了不同信道环境下的水声信号分类识别,在高信噪比条件下能达到90%以上的识别率。     

基于模态能量的随机子空间虚假模态剔除

针对基于协方差驱动随机子空间辨识法虚假模态影响识别结果的问题,提出了一种基于模态能量的虚假模态剔除方法.利用输出矩阵、状态矩阵的特征值与特征向量以及状态-输出协方差矩阵计算出识别结果中各阶模态分量的模态能量,对各假设模型阶数下计算出来的能量进行排序,保留能量最大的前j个模态用于绘制出稳定图,剩下的模态视作为虚假模态予以剔除.通过对3自由度的线性时不变系统和重庆朝天门长江大桥模型进行辨识,验证了该方法的有效性.     

基于重构噪声子空间的相干信号DOA估计

传统DOA(direction of arrival)估计算法无法处理相干信号,因此提出一种基于重构噪声子空间的高精度DOA估计算法.该算法利用阵元接收数据的自协方差与互协方差信息构造成增广矩阵作为新的协方差矩阵,对该矩阵进行奇异值分解得到相应的噪声子空间和特征值矩阵.为了获得更精确的信号向量,重构一个由新特征值矩阵对应的特征向量所组成的噪声子空间.最后通过谱峰搜索得到DOA估计值.算法不影响对非相干信号估计的效果,并且比IMMUSIC(improved multiple signal classification)算法具有更高的估计精度,在低信噪比及信号入射间隔较小的情况下也有良好的准确性.仿真结果表明,提出的改进算法在低信噪比及低采样快拍数的条件下,能有效估计出相干信号的波达方向.     

基于延时处理的对角加载信源数估计方法

为了解决在有色噪声背景下信息论准则算法估计信源数失效以及盖氏圆方法在低信噪比下性能下降的问题,提出了一种利用接收信号延时信息的协方差矩阵对角加载技术估计信源数的方法.首先构造接收信号的延时协方差矩阵,抑制色噪声的影响,然后对延时协方差矩阵做出变换处理,得到抑制噪声后的协方差矩阵特征值,最后对得到的特征值进行对角加载技术处理,利用信息论准则进行信号源数目的估计.仿真结果表明了该算法的正确性和有效性.     

基于PCA的对等网络流量时空特性监测

在对等网络中,节点可以动态地进入和离开网络,增加了业务监测的难度。该文提出了采用主成分分析(PCA)方法检测并分析对等网络流量特征,解释了流量协方差矩阵最大特征值和最大特征矢量的物理意义,同时定义权重矢量作为流量观测指标,利用流量的协方差矩阵最大特征值和特征向量给出了全网的P2P流量时间和空间的动态特性。仿真结果表明,该方法能够很好地识别P2P流量的动态时间和空间特性,为互联网流量检测提供了一种有效方法。     

基于压缩采样信号特征值的信号检测方法

以压缩采样为理论基础,通过调制宽带转换器进行信号采样,利用采样数据协方差矩阵特征值的特性进行信号检测.在多带信号检测研究里,依据传统的信号检测方法需要极高的采样速率和大量的采样点数,对采样系统和存储容量构成了很大的挑战.针对这一问题,提出了一种基于压缩采样信号特征值的信号检测方法.依据最小二乘法的求解原理,应用调制宽带转换器(MWC)结构进行数据采样,求得采样数据协方差矩阵并计算得到其归一化的特征值;根据高斯白噪声协方差矩阵特征值的直线分布特性,利用特征值偏离拟合直线的程度构造信号检测的判定准则.仿真结果表明了在低信噪比情况下依据少量数据进行信号检测的有效性,而且仿真也表明了随着MWC采样路数的增加,检测性能也随之增加.     

Karhunen-Loeve变换及其几种计算方法

对于K-L变换所涉及的协方差矩阵的特征值和特征向量的计算，给出特征多项式的降价法和镜像阵法，使K-L变换在实现上有更多的选择。此外，在矩阵的降维上给出一点说明。     

矩阵的特征值与特征向量的研究

对矩阵的特征值与特征向量研究具有一定意义。本文对矩阵特征值与特征向量相关问题进行系统的归纳,得出了通过对矩阵进行行列互逆变换就可同时求出特征值及特征向量的结论,同时讨论了反问题．     

一种调和Ritz向量的精化算法及应用

利用调和Arnoldi算法的一种等价形式,用较少的运算量将大规模矩阵特征值问题转化成一个小型的标准特征值问题来求解调和Ritz对。针对调和Arnoldi算法中调和Ritz值收敛而相应的调和Ritz向量往往不收敛的情况,保持调和Ritz值不变,结合精化Arnoldi算法的思想给出了一种在位移Krylov子空间上对调和Ritz向量进行精化求解的精化变形算法,以寻求使残量范数达到极小的近似特征向量。理论分析和数值实验表明这种精化变形算法的可行性、有效性以及更快的收敛速度,利用此算法可以更快求解满足精度要求的大规模矩阵的特征值和特征向量。同时,将这种算法应用于图像K-L变换的协方差矩阵的特征值和特征向量的求解,克服了K-L变换中由于图像矩阵过大而求解过程困难的问题,选取前若干个较大的特征值所对应的特征向量构成变换矩阵进行K-L变换来压缩图像,能直接应用于实时的图像压缩,较对图像分块在每个小块上进行K-L变换的方法更有效。