基于子空间拟合的 UWB 稀疏信道盲估计

针对 TH-PPM 超宽带系统,利用信道的稀疏性,提出一种基于子空间拟合的稀疏信道盲估计算法.该算法首先利用接收信号的均值循环卷积特性,估计出信道的频域响应,接着利用子空间拟合算法确定出非零抽头系数的位置,最后再采用最小二乘算法完成对非零系数值的估计,避免了无谓的零抽头估计,改善了算法性能.该算法以码片周期采样,且仅需要作一些简单的信号处理如重叠相加、离散傅立叶变换等,因此运算量较小.仿真表明,与没有利用信道稀疏性的一阶盲算法相比具有更优的均方误差和误比特率性能.     

用Chebvshev多项式加速的预处理子空间迭代法

研究了计算大型稀疏对称矩阵的若干个最大或最小特征值的问题的子空间迭代法.首先引入了加速子空间迭代法的Chebyshev迭代法和预处理技术.为了更好地加速子空间迭代法的收敛速度,作者把Chebyshev多项式和预处理技术同时应用到子空间迭代法中,对预处理过的残余矩阵用Chebyshev多项式加速.即讨论了Chebyshev迭代法对预处理子空间迭代法的应用.这样既缩小了矩阵特征值的分布范围,又改善了每次循环的初始矩阵.从而给出了用Chebyshev多项式加速的预处理子空间迭代法.最后给出了数值例子,结果表明加速后的预处理子空间迭代法比原来的预处理子空间迭代法更优越,进一步加速了迭代法的收敛速度,减少了计算量和计算时间.     

用Chebyshev多项式加速的预处理子空间迭代法

研究了计算大型稀疏对称矩阵的若干个最大或最小特征值的问题，首先引入了求解大型对称特征值问题的预处理子空间迭代法和Chebyshev迭代法，并对其作了理论分析．为了加速预处理子空间迭代法的收敛性，笔者采用组合Chebyshev迭代法和预处理子空间迭代法，提出了计算大型对称稀疏矩阵的几个最大或最小特征值的Chebyshev预处理子空间迭代法．数值结果表明，该方法比预处理子空间方法优越．     

一种改进的稀疏子空间聚类算法

在现有的稀疏子空间聚类算法基础上提出了一个改进的稀疏子空间聚类算法。首先,利用高维数据可以通过同一子空间的低维数据稀疏地表示这一理论,建立一个稀疏最优化模型,获得稀疏矩阵。然后把稀疏矩阵应用到一个正则化谱聚类算法中,从而有效地把数据聚类到子空间中。最后,该算法应用到一个视频序列中,对每个视频帧里的运动物体进行识别,并与现有的子空间聚类算法相比较。实验结果表明,该算法能够有效地识别运动物体,具有良好的实时性和有效性。     

ZP-OFDM系统中基于信号子空间迭代拟合的盲信道估计

介绍了一种用于ZP-OFDM系统的基于子空间拟合的盲信道估计算法,该算法采用信号子空间迭代拟合技术代替了传统的噪声子空间信道估计中奇异值分解获取子空间进行估计信道。仿真表明,在低信噪比下该算法获得了比传统的噪声子空间信道更优的估计性能,更接近ZP-OFDM盲信道估计的CRB（Cram6r-Raobound）。     

基于子空间的OFDM系统半盲信道估计研究

提出了一种基于子空间的改进OFDM系统半盲信道估计算法,利用信号子空间和噪声子空间的正交特性将子空间分解,实现了色噪声背景下高效半盲信道估计.仿真结果表明,在时变信道下具有更好的收敛性,体现了算法好的稳定性以及快速跟踪系统变化的性能.     

求解大型稀疏矩阵广义特征值的子空间迭代法加速研究

采用Wilson移频策略对子空间迭代法进行了加速. 为加速高阶特征值的收敛,对Wilson移频策略进行了改进,给出了详细的移频子空间迭代求解特征值的步骤,讨论了若干移频控制参数的选取. 从给出的对比算例可看出,采用移频算法,子空间迭代法求解特征值明显加速,且随着待求特征值阶数的增加,加速效果更加明显,求解时间与待求特征值数近似成线性关系.     

基于区域失衡子空间的领先NSGAII算法

针对传统进化算法求解多目标优化问题时存在计算量大、难以平衡收敛速度和种群分布均匀性的问题,本文提出了一种基于区域失衡子空间的领先NSGAII算法(NSGAII-URS).首先,基于NSGAII算法,结合局部搜索算法,在每次遗传过程中添加种群领先解解集,引导种群快速收敛;然后,将非支配解所在的目标空间均匀划分,提出稀疏子空间和空闲子空间的概念,通过基于稀疏度的局部搜索策略对失衡子空间优化,进一步提升种群分布的均匀性.我们将本文方法与其他5种先进的多目标进化算法比较,通过基准测试函数进行验证,并采用反世代距离(IGD)和超体积(HV)两个通用指标进行性能评价.实验结果表明,该算法在解的分布性和收敛性方面明显优于对比的其他多目标优化算法.     

CDMA信道的盲均衡和多用户检测

把码分多址 (CDMA)信道等效为一多输入多输出 (MIMO)信道模型 ,用子空间分解的盲估计方法进行信道估计 ,而且估计出信号子空间特征向量 ,利用信道参数和信号子空间的特征向量构建解相关和最小均方误差 (MMSE)两类线性检测器 ,能同时消除码间干扰 (ISI)和多址干扰 (MAI)。     

基于SP-LCCMA的STBC MC-CDMA系统盲信道估计

研究了空时编码多栽波码分多址系统(STBC MC-CDMA)盲信道估计技术.根据信道位于信号子空间的特点,提出基于信号子空间投影线性约束恒模算法(SP-LCCMA)的盲信道估计,避免了噪声子空间信道估计的缺点,将估计信道应用于STBC MC-CDMA系统多用户检测.仿真结果表明,提出算法的收敛速度和信干噪比(SINR)性能优于一般恒模算法.     

一种新的子空间聚类算法

通过对数据空间进行网格划分并寻找稀疏区域来发现类的边界,提出了一种基于密度与网格的新的子空间聚类算法.该算法使用投影寻踪的搜索策略来发现存在于子空间内的类,同时运用基于竞争的修剪方式来有效地控制算法的计算复杂性.实验结果表明,所提算法在精度、时间复杂性等方面具有优良性能.     

基于加权特征子空间的支持向量机核函数研究

针对数据分类交叉空间易错分问题,提出一种基于加权特征子空间的支持向量机核函数方法。该方法利用加权特征子空间与稀疏表达等相关理论进行支持向量机核函数优化,首先利特征子空间重叠率与数据的信息熵对数据特征进行加权,再通过对L_1范数正则项的加权处理调节异类数据间的稀疏性和同类数据间的稠密性;最后对处理好的数据进行分类测试。仿真实验表明该算法能够在一定程度上提升分类效果,以达到优化核函数的目的。     

求解大型稀疏对称矩阵极端特征值的子空间加速的截断牛顿法

利用扩展子空间的方法,对求解大型稀疏对称矩阵极端特征值的截断牛顿法进行改进,提出了子空间加速的截断牛顿法。理论分析和数值结果均表明,新方法对计算对称矩阵的极端特征值是有效的。     

Suboptimal MMSE Channel Estimation with Subspace Tracking for MIMO-OFDM Transmission

A suboptimal minimum mean-squared error estimation (MMSE) is proposed for a dispersive wireless channel in the absence of its correlation matrix for multiple-input multiple-output orthogonal frequency division multiplexing (MIMO-OFDM) transmission.It utilizes a fast subspace approximation tracking to separate signal subspace with a limited set of channel estimates.The subspace rank is adjusted by pre-set thresholds in different signal-to-noise ratios (SNRs).The performance comparison among the proposed algorithm,least square based,and the optimal MMSE estimation is shown by numerical simulation under a spatially correlated multi-tap channel scenario.It demonstrates that the approach has better normalized mean square error than recursive least square estimation and yields 3 dB gain over the latter.     

基于OS-SASP算法的欠定盲源分离

针对基于稀疏分量分析的欠定盲源分离问题,提出一种基于优化支撑的稀疏度自适应子空间追踪(OS-SASP)算法.通过引入自适应思想,克服传统子空间追踪(SP)算法对稀疏度的依赖;同时在迭代开始之前通过离散余弦变换的能量集中特性确定最小支撑集的大小,对最小支撑集求并集获得优化支撑集,优化支撑集联合迭代过程中的候选集来定位最佳原子,提高源信号的恢复精度.仿真结果表明,OS-SASP算法在一维稀疏信号与语音信号的欠定盲源恢复过程中表现出良好的性能.     

凸组合实时判决反馈稀疏水声信道盲均衡算法

针对高速水声通信信道稀疏特性,提出了一种凸组合实时判决反馈盲均衡算法。将盲均衡器分为保持均衡器支路和稀疏均衡器支路,以保持均衡器能量和权系数的瞬时梯度为判据,对稀疏均衡器支路对应抽头进行实时稀疏化处理。算法中避免设置稀疏化阈值,对不同稀疏水声信道和通信信号具有通用性,且对于时变稀疏水声信道可以利用保持均衡器支路恢复稀疏均衡器支路置零抽头系数,使算法对信道具有较强跟踪和冷启动能力。典型稀疏水声信道条件下的仿真结果证明,凸组合实时判决反馈稀疏水声信道盲均衡算法性能稳健,与全阶判决反馈盲均衡算法相比,计算简单,收敛速度快,稳态剩余误差小,有利于算法在水声通信系统中的推广应用。     

预处理子空间迭代法

研究了计算大型稀疏对称矩阵的若干个最大或最小特征值的问题．首先引入求解大型对称特征值问题的预处理技术，给出了改善后的算法及相应的算法收敛分析．而求解特征值问题的子空间迭代法，当矩阵的特征值的分布范围较大时，其收敛速度会受到限制．为了加速子空间迭代法的收敛速度，对每次迭代所得的残余矩阵直接进行预处理以改善矩阵特征值的分布而加速收敛．讨论了预处理技术对子空间迭代法的应用，从而给出了预处理子空间迭代法．最后给出了数值例子，结果表明预处理子空间迭代法比子空间迭代法优越，不仅收敛速度快，并且减少了计算量和计算时间．     

Krylov隐式积分因子法在火焰加速数值模拟中的应用

基于描述可燃气体火焰加速及爆燃转爆轰的Navier-Stokes方程组,针对非刚性的对流扩散项及刚性的反应项之间的不同时间尺度,从而导致了直接数值模拟十分困难的问题,构造了Krylov隐式积分因子法（IIF）进行直接数值模拟,对刚性的反应项采用隐格式,非刚性的对流扩散项采用显格式,从而减少了计算步数,提高了计算效率,对于由隐格式带来的方程组,采用Krylov子空间映射来降低方程组的阶数使得计算量减小,数值模拟结果与实验结果相吻合.研究结果表明,IIF方法可以较好地应用于NS方程组的数值模拟中.      

基于偏最小二乘分析和稀疏表示的目标跟踪算法

经典的基于子空间学习的跟踪方法通过主成分分析(principal component analysis, PCA)建立并更新目标的特征模型,只考虑目标的特征信息而忽视模型中每个样本的类别特征,从而降低了目标的跟踪精度。为此,提出一种基于偏最小二乘分析(partial least squares analysis, PLS)和稀疏表示的目标跟踪算法。通过PLS去分析关于目标与背景中纹理特征和类别信息之间的相关性,建立一个可区分的低维特征空间。将目标模板线性表示为所有目标候选的线性组合,当存在与目标模板相似的候选时,线性表示的系数满足稀疏性约束,通过L1范数最优化求解稀疏表示系数,根据最小的重构误差得到最优的目标位置。在多个视频场景下的实验结果展示了改进的跟踪算法具有较好的跟踪性能。     

空间相关信道下空时分组码的子空间修正解码

针对空时分组码子空间盲解码算法在空间相关信道下性能下降的问题，提出了一种修正解码算法．在分析空间相关性破坏信号子空间和统计噪声子空间正交性的基础上，利用接收端已知的信道相关矩阵，修正接收端用于搜索的码字矩阵集合，使相关信道下分解得到的统计噪声子空间正交于修正的发送信号子空间，提高了解码性能．与传统解码的算法不同，该算法无需在发送端进行信道相关矩阵的估计和预编码，降低了发送端的编码复杂度．Monte-Carlo仿真实验表明，空间强相关信道下空时分组码子空间盲解码性能下降比较剧烈，采用新算法修正后的解码性能明显改善，在误比特率为10^-2、相关系数为0．8时，修正性能提高约2dB．