OFDM信道估计的复矩阵分解及FPGA实现

应用基于奇异值分解的OFDM(orthogonal frequency dirision multiplexing)信道估计降低计算量的同时能够保证信道估计的性能,研究OFDM信道向量自相关矩阵奇异值分解的FPGA(field programmable gat array)实现,提出一种复共轭对称矩阵奇异值分解的FPGA简化实现方法,将复矩阵的奇异值分解转换为实矩阵的奇异值分解,并根据实对称矩阵SVD(singular value decomposition)的特点对Systolic阵列结构进行改进,减少了所占用的资源.最后设计了高阶实对称矩阵SVD的FPGA实现方案,仿真结果表明该设计方案是可行的,能够应用于OFDM信道估计系统.     

一种基于二元树复小波变换的特征提取

利用二元树复小波变换(DT CWT)良好的方向选择性和矩阵奇异值分解(SVD)的稳定性,作者提出了一种新的特征提取方法并用于车牌汉字识别.实验证明该方法比二维实小波变换具有更好的识别效果     

3D多输入多输出正交频分复用系统中基于奇异值分解的信道估计方法

在3D多输入多输出正交频分复用(MIMO-OFDM)系统模型中,分析了基于导频的信道估计方案.针对线性最小均方误差方法的算法复杂度高的问题,应用奇异值分解(SVD)算法降低信道自相关矩阵的维数,以减小算法的复杂度.仿真结果表明:所提出的基于奇异值分解的信道估计算法,能够在保证误码率(BER)性能的情况下,具有更低的算法复杂度.     

块Hankel矩阵快速低秩估计及在地震信号中的应用

通过利用BHHB矩阵(复数块Hankel矩阵)的结构特点,提出了快速稳定的对BHHB矩阵进行SVD(奇异值分解)分解的方法.该方法首先进行Lanczos二对角化,若是对称BHHB矩阵,则进行三对角化来保持对称性;然后利用Twisted分解方法对实二对角方阵(或对称三对角矩阵)进行SVD分解.此快速SVD算法的优势在于,Lanczos分解过程中使用了新的BHHB矩阵与向量的快速乘法,该乘法通过1维FFT(快速傅里叶变换)代替多维FFT,在加快计算速度的同时减少了存储量;而后Twisted分解采用部分SVD而不是整体SVD,从而节约了计算时间.数值试验结果表明,快速SVD算法大大提高了计算效率,减少了存储空间;地震信号的实验结果说明,Cadzow滤波方法比目前常用的预测滤波技术效果更好,结合快速SVD算法后,能够快速有效去除信号中的噪声.因此,块Hankel矩阵的快速SVD分解算法在地震信号处理和其他涉及块Hankel矩阵的实际应用中,尤其是解决大规模问题方面,有很好的发展前景.     

基于信号噪声子空间的OFDM信道估计

在分析基于奇异值分解(SVD)的线性最小均方误差(LMMSE)估计的实现原理的基础上,结合信号、噪声子空间理论,给出了矩阵低阶近似时秩的选取方法.计算机仿真结果表明提出的低阶秩选取准则能够提高该算法在各种工作环境下的适应性.     

基于CORDIC矩阵奇异值分解的FPGA实现

在矩阵的奇异值分解(singular value decomposition,SVD)过程中,随着矩阵维数的增加,SVD的计算量呈指数型增长,从而降低了算法运行的实时性。针对这个问题,基于Hestenes-Jacobi数值计算方法,提出了一种改进的基于坐标旋转数字计算机(coordinate rotation digital computer,CORDIC)的逻辑设计,该逻辑设计采用并行的全流水线设计思想,能够提高Jacobi平面旋转变换的运行速度,进而加快任意维矩阵奇异值分解的计算速度。分析了基于Hestenes-Jacobi方法的SVD的数值计算过程,介绍了CORDIC算法的基本原理,并具体说明了基于CORDIC算法的Jacobi平面旋转模块的设计,利用Verilog语言实现设计并验证,在现场可编程门阵列(field-programmable gate array,FPGA)上运行该逻辑设计单元,与Matlab软件的运行结果进行对比。实验测试结果表明,该结构能够减少计算时间,适应高速数据处理的要求。     

一种ELMMSE信道估计算法的简化计算方法

提出一种ELMMSE信道估计算法的简化计算方法。为简化ELMMSE信道估计算法的复杂度,首先利用信道自相关矩阵的固有特性,简化了信道自相关矩阵求解;然后利用算法中逆矩阵满足共轭对称Toeplitz特性,简化了矩阵求逆。结果表明:当OFDM子载波数为128时,提出的ELMMSE算法简化计算方法的复乘、复加次数分别减小为ELMMSE算法的5.84%和5.79%。其中,信道自相关矩阵求解的复乘、复加次数分别减少了33.14%和16.64%;矩阵求逆的复乘、复加次数均由原来的o(N3)变为o(N2)。     

基于导频的OFDM信道估计技术研究

OFDM（正交频分复用）技术由于具有较高的频谱利用率和强大的抗多径能力,被普遍视为第四代移动通信系统的核心技术。本文介绍了基于导频信号的OFDM系统的基带信道估计算法,主要研究了块状导频插入的LS（最小二乘法估计）算法、MMSE（最小均方误差估计）算法和SVD（奇异值分解）算法。在广义平稳的多径时变瑞利衰落信道模型下,利用MATLAB实现算法仿真,得出误比特率（BER）随信噪比（SNR）变化的曲线。仿真结果表明LS、SVD、MMSE算法性能逐渐变好,但运算复杂度逐渐增大。分析和结论对工程应用有一定的指导意义。     

基于SVD的抗差UKF算法在短时交通流状态估计中的应用

针对城市区域快速路网,以实现交通流运行状态实时估计为目标,建立宏观交通流状态空间模型,在实现交通流状态估计的同时,更新交通流模型参数,提高交通流模型的适应性和准确性.然后提出了基于奇异值分解(SVD)的优化抗差无损卡尔曼滤波(UKF)算法,用奇异值分解代替标准UKF的Cholesky分解,解决了协方差矩阵非正定时滤波计算不能持续的问题,同时,该算法根据观测协方差矩阵是否病态选择抗差因子,对增益矩阵和观测协方差矩阵进行自适应计算,进而抑制由于模型较高的非线性带来的误差.通过实验证明,文中所提算法避免了扩展卡尔曼滤波(EKF)算法的滤波发散问题,能准确跟踪交通流的变化趋势,提高交通流状态估计的稳定性和精度.     

基于奇异值分解和均值聚类的单通道盲源分离算法研究

提出了一种基于奇异值分解(Singular Value Decomposition,SVD)的均值聚类单通道盲源分离算法.首先将单通道信号利用SVD分解,依据中值准则进行滤波去除噪声分量,然后在去除噪声分量对应的特征值基础上,根据剩余SVD特征值重构对应分量信号作为盲源分离观测信号.将重构分量信号进行短时傅立叶变换(Short Time Fourier Transform,STFT)进行稀疏化处理,利用散点图判别源信号数目,最后采用均值聚类方法估计混合矩阵,以估计混合矩阵求逆作为分离矩阵实现单通道信号的盲源分离.利用计算机仿真结果证明了算法的有效性.     

基于NSFC-OFDM的非协作式虚拟MIMO

针对多用户配对虚拟MIMO(multiple input multiple output)安全性差,对信道估计器依赖性强的问题,提出一种基于非相干空频码(non-coherent space frequency code,NSFC)和正交频分复用(orthogonal frequency division multiplexing,OFDM)的非协作式虚拟MIMO.在分析NSFC成对错误概率的基础上,给出能满足全分集阶数和最大编码增益的编码准则.为了获得平行子信道传输效果,利用信道循环矩阵奇异值分解(singular value decomposition,SVD)后得到的酉矩阵分别进行预编码和预解码.基于最优NSFC和OFDM预编解码,提出一种新颖的虚拟MIMO策略.该虚拟MIMO在收发两端均无需信道瞬时信息,以非协作方式在单天线内模拟多天线收发效果.理论和仿真分析结果表明,虚拟MIMO系统能有效逼近实际理想MIMO的系统容量和误比特率性能,显著降低了虚拟MIMO系统的检测门限.     

基于奇异值分解和深度信度网络多分类器的滚动轴承故障诊断方法

提出一种基于奇异值分解(SVD)和深度信度网络(DBN)多分类器的滚动轴承故障诊断方法.对滚动轴承的振动信号进行相空间重构,得到相应的特征矩阵;对特征矩阵进行SVD分解,并用所得整个奇异值序列构造特征向量,建立DBN多分类器模型,以实现滚动轴承的故障诊断;同时,将所提出的方法与DBN、反向传播神经网络、支持向量机等算法进行对比.结果表明,所提出的方法能够更加稳定、可靠地识别滚动轴承的故障类型和故障程度.     

信道估计对传输预处理系统性能的影响

传输预处理技术可以降低下行链路终端的处理复杂度和功耗，但它的前提条件是发射端已知信道信息，目 前的传输预处理算法都是假设通过信道估计的信道冲激响应值就是理想的信道信息。但是，在实际系统中，不可 能已知精确的信道信息，非理想的信道估计对传输预处理的性能会造成影响。研究了信道估计对信道奇异值分解 (SVD)和(JT)联合传输两种传输预处理算法性能的影响，分析了估计误差项及其产生原因，通过仿真进一步验证 了理论结果。     

基于SVD的数字水印算法及相似性度量方法的改进

在基于奇异值分解(SVD)算法的基础上,提出了一种基于Strassen矩阵乘法的奇异值分解水印算法;提供了原图像和水印图像的相似性度量方法;给出了该算法与SVD及Block-SVD算法的时间对比分析.实验结果表明:该算法的鲁棒性强,速度快,效率高.     

复矩阵的对称满秩分解

在矩阵的正交三角分解、奇异值分解的基础上,给出了复矩阵的Hermite标准形的求解方法,得到了将复矩阵分解为一个酉矩阵和Hermite半正定矩阵的乘积,以及分解为满秩矩阵与幂等矩阵之乘积的方法.证明了复方阵可分解为一个复对称矩阵与一个复对称满秩矩阵之积.进一步给出了复满秩阵分解为两个Hermite酉矩阵与正定阵之积的方法.     

基于SVD算法的无线光MIMO系统的性能分析

介绍了无线光多输入多输出(OMIMO:Wireless Optical Multiple-input Multiple-output)通信系统的基本组成,针对系统中存在背景光噪声和多址干扰对系统的影响,分别采用了基于奇异值分解(SVD)算法和迫零(ZF)检测算法来消除多址干扰,用Matlab进行了仿真,并对两种算法的仿真结果做了比较.仿真结果表明:在通信质量要求不高、信道矩阵奇异的情况下,采用SVD算法可以有效地消除多址干扰,很好地逼近ZF算法性能.     

基于EMD和SVD的虹膜特征提取及识别

为克服小波变换和Gabor滤波器提取虹膜特征时小波基函数固定和Gabor滤波器参数需优化选择的问题,提出了一种基于经验模态分解(EMD)和奇异值分解(SVD)的虹膜特征提取方法.首先,对预处理后的虹膜图像进行EMD,将获得的一系列固有模态函数和残差分量构成初始矩阵;然后,对该矩阵进行SVD,以其奇异值作为虹膜特征向量:...     

基于奇异值分解的液压缸动态特性分析新方法

针对经验模态分解(EMD)方法、数学形态法和经验模态分解(MM-EMD)方法在处理液压缸油压波动信号时产生模态混叠的缺点,提出了一种基于奇异值分解(SVD)的液压缸动态特性分析的新方法。首先,在相空间对周期性冲击力作用下的液压缸油压波动信号进行重构,得到合适的特征矩阵;然后将特征矩阵进行奇异值分解,获得奇异值序列和多个可线性叠加的分量信号;最后,根据奇异值分布规律、分量信号特点和油压波动模型,将分量信号进行分类和重组,提取能够反映液压缸动态性能的自由振动分量。试验结果表明,基于奇异值分解的液压缸动态特性分析新方法提取的自由振动分量,能够避免模态混叠,保留了更多的信号细节,为评价液压缸动态性能提供可靠的依据。     

特征系统实现算法的虚假模态剔除方法

针对虚假模态影响特征系统实现算法识别结果的问题,提出用奇异值分解结合模态能量水平来剔除特征系统实现算法识别结果中的虚假模态。利用奇异值分解(SVD)方法滤除信号中的部分噪声,减少噪声模态并提高识别结果精度,利用输出矩阵、状态矩阵的特征值和特征向量以及输入分配矩阵计算出识别结果中各阶模态能量矩阵,对其进行奇异值分解得到最大奇异值,将其作为各阶模态对输出能量贡献的衡量指标,称之为模态能量水平,然后由计算模态与噪声模态能量为零的特点剔除识别结果中的虚假模态。通过数值仿真和实例分析验证了方法的有效性。     

基于分块SVD变换域下的图像盲水印算法

提出了一种新的基于分块奇异值分解(SVD)和离散小波变换(DWT)的数字图像盲水印算法. 该算法充分利用了SVD和DWT的特性,首先对原始图像分块进行SVD分解,提取每一块主要的奇异值进行小波变换,最后采用量化的方法将Arnold置乱后的水印嵌入到小波域的LL子带. 经过实验,该算法能够实现水印的盲提取,能够对JPEG压缩、椒盐噪声干扰、高斯噪声干扰、图像剪切等有较好的鲁棒性.