基于支持向量机的概率密度估计方法

介绍了基于支持向量机的概率密度估计。从概率密度的定义出发，利用支持向量机求解线性算子方程的方法，直接估计出密度。建立了几种不同的支持向量机仿真模型来进行概率密度估计。从仿真结果来看，该种方法与Parzen窗的精度等级类似，同时又具有Parzen窗方法所不具备的稀疏解。     

一种时变移动信道中的相干多径来波方向估计算法

基于菲涅尔区平板聚焦多波束天线模型 ,提出一种联合子空间平滑和子阵波束空间处理的来波方向估计算法。该算法可以解决时变移动信道环境中相干多径信号的来波方向估计问题 ,并克服了空间平滑方法的来波数目限制 ,同时具有较低的处理复杂度。对该算法进行计算机仿真 ,结果表明 ,在低信噪比门限和小样本数条件下 ,该算法还具有较好的估计精度和分辨力。     

基于LPFT-MUSIC的窄带多项式相位信号波达方向估计方法

基于局部多项式傅里叶变换（local polynomial Fourier transform, LPFT）,提出了一种新颖有效的窄带多项式相位信号波达方向估计算法。虽然LPFT比Wigner-Ville分布运算复杂,但该变换具有更优的瞬时频率估计能力、较低的交叉项影响,及处理多项式相位信号的能力。理论分析表明,本文方法的信噪比提升能力优于基于Wigner-Ville分布的传统时频子空间多重信号分类（multiple signal classification, MUSIC）法。仿真实验验证该方法的性能。     

基于信号时频表示的宽带源波达方向估计

提出一种时频域宽带源波达方向(DOA：Direction of Arrival)估计算法。该算法通过计算参考阵元和其它阵元的互Wigner-Ville分布，构造出一种新的时频域数据向量模型，并利用Chirp信号的局部窄带特性，在信号的主要能量聚集区选择时频点构造时频相关矩阵代替传统的阵列相关矩阵，进行特征分解实现信号的DOA估计。该方法同时在空域和时频域进行处理，充分利用了时频分布的能量聚集性，不但实现了非平稳信号时频域的分离，还有效地提高了信噪比，增强了算法对噪声的稳健性。仿真结果验证了新方法的有效性。     

基于双模天线阵列的ESPRIT波达方向估计

考虑阵列信号波达方向(DOA)估计问题,提出了一种基于双模天线阵列的模式域旋转不变参数估计(ESPRIT)算法.与传统空域ESPRIT相比,模式ESPRIT的旋转因子仅与信号DOA有关而与阵列结构无关,因而无需阵元位置信息,也无需阵列存在空间匹配子阵.若阵元位置信息精确已知,还可利用空域稀疏采样获得无模糊多尺度DOA估计.计算机仿真结果验证了算法的有效性.     

任意平面阵列的相干信号二维波达方向估计方法

相干信号的波达方向(direction of arrival, DOA)估计一直是阵列信号处理中研究的关键问题,但传统的算法受到阵列流型的限制。为了解决任意平面阵列对二维相干信号的DOA估计问题,提出了一种新的方法。首先利用信号的循环平稳特性构造数据协方差矩阵,再利用信号在极化域的差异来实现解相干。该方法具有噪声抑制的能力,无需空间平滑,不影响阵列孔径,并且对窄带信号和宽带信号均适用。仿真结果证明了该算法的有效性。     

一种新的波达方向与幅相误差联合估计方法

研究了信源方向未知时,对信源方向与幅相误差同时进行估测的问题。针对两者的耦合导致估计精度下降的问题,提出了一种阵列幅相误差校正方法。该方法通过对分时工作信号的分析,分离信源方向与幅相误差的耦合,通过一次迭代即可得到信源方向、幅相误差的精确估计值,且适用于任意阵列。给出了该方法实现的具体步骤,通过仿真结果验证了该方法的有效性和可行性。     

基于RLS-SVM的OFDM信道估计算法

为了提高OFDM系统的传输效率,提出了一种新的信道估计算法.通过改变导频模式,在一个OFDM符号的前若干子载波处插入导频,并在导频处进行信道估计,在此基础之上,采用递归最小二乘支持向量机(RLS-SVM)测后续子载波处的信道频率响应.仿真结果表明,在违反采样定律的情况下,与传统的信道估计算法相比,基于RLS-SVM的信道估计算法获得了较好的性能,在同样的传输速率下,减少了导频个数,提高了系统的传输效率.     

基于导频的OFDM信道估计小波核SVM算法

针对传统多径衰落下的OFDM导频信道估计性能低下,地板效应的缺陷,提出了基于导频的小波递归最小二乘支持向量机(WRLS-SVM)时变信道频率估计算法。首先讨论了小波成为核函数的条件,构造了小波核。然后将根据结构风险递归二乘最小化准则回归估计支持向量机原理,把导频训练序列映射到高维空间,并在高维空间采用结构小波核函数,达到了将低维空间的非线性估计转化为高维空间的线性估计的目的。仿真结果表明,在快衰落信道条件下,小波递归最小二乘支持向量机导频信道估计方法可以获得较好误码性能。该方法优于传统的信道插值方法。     

基于模糊函数的LFM UWB雷达信号滑动平均波达方向估计

针对线性调频类超宽带雷达信号的线性时频特性,提出了基于2阶统计量——信号模糊函数的线性调频类超宽带雷达信号波达方向估计算法,通过分析仿真证明该方法优于传统方法。根据分析指出循环平稳算法与模糊函数算法之间的关系,介绍了循环平稳算法对基于窄脉冲形式的无载波超宽带雷达信号DOA估计的有效性。系统完整地论述了超宽带雷达信号DOA估计算法。     

一种基于PCA分析的DoA估计算法

阵列信号处理中,MUSIC、ESPRIT等高分辨率DoA估计算法都要通过特征值分解来获得波达方向估计,然而矩阵特征值分解的计算量较大,不利于实时处理。提出使用PCA(principal component analysis)高效迭代算法,来逼近信号子空间矢量。该算法的计算过程相对简单,并具有自组织特性,适合于神经网络实现。仿真结果表明,所提算法的DoA估计性能与MUSIC算法相当。     

基于多普勒频差的矢量脱靶量参数估计方法

提出了一种基于长基线条件下利用多普勒频差进行矢量脱靶量参数估计的方法。目标多普勒频率是矢量脱靶量参数的非线性函数,对此函数的求解是一个非线性优化过程,对应优化代价函数的估计参数为6维,寻优迭代过程较复杂,且结果受限于优化初值的选取。算法充分利用了目标的连续特性,将此非线性优化过程进行分步伪线性化处理,利用积分多普勒以及距离差定位方法得到参数估计值,并将此估计值作为非线性优化过程的优化初值,快速、准确地得到参数优化估计值。仿真结果表明该方法可以得到高精度的矢量脱靶量估计结果。     

Direction of arrival estimation on cylindrical conformal array using RARE

When the information of mutual coupling and shadowing effect of a conformal antenna array are unknown,the performance of direction of arrival (DOA) estimation will be seriously degraded by using some classical methods,such as the multiple signal classification (MUSIC) algorithm.Meanwhile it is difficult to measure or estimate the shadowing effect.The DOA estimation for a conformal uniform circular array (UCA) is studied.Firstly,the azimuthal angle is separated from all the unknown information by transforming the UCA from the element space to the mode space.Then the rank reduction (RARE) algorithm is applied in the estimation of the azimuthal angle.The π ambiguity existed in the RARE is solved by the beam forming.The main advantage of this method is that it does not need to measure the mutual coupling and the shadowing effect.Compared with the subarray method,it will not decrease the aperture of the array.Simulation results validate the advantages of the method.     

Novel method of ordinal bearing estimation for more sources based on oblique projector

A novel direction of arrival (DOA) estimation method is proposed when uncorrelated, correlated, and coherent sources coexist under color noise field. The uncorrelated and correlated sources are firstly estimated using the conventional spatial spectrum estimation method, then the noise and uncorrelated sources in Toeplitz structure are eliminated using differencing, finally by exploiting the property of oblique projection, the contributions of correlated sources are then eliminated from the covariance matrix and only the coherent sources remain. So the coherent sources can be estimated by the technique of modified spatial smoothing. The number of sources resolved by this approach can exceed the number of array elements without repeatedly estimating correlated sources. Simulation results demonstrate the effectiveness and efficiency of our proposed method.     

基于自适应旁瓣相消的干扰源方位估计方法

提出了一种基于自适应旁瓣相消器的压制式干扰源方位估计方法。首先,利用自适应旁瓣相消器对压制式干扰信号进行抑制处理并得到一组收敛权值;然后,利用收敛权值计算出接收阵列的方向图;最后,在接收阵列方向图上寻找较深的谷值点对应的方位来估计干扰源的方位。所提方法估计精度高且易于工程实现。针对典型卫星导航接收机阵列,通过计算机仿真验证了所提方法的有效性。     

相关噪声下基于对角加载的相干信源DOA估计算法

针对更为广泛的空间相关噪声背景下相干信源的DOA估计问题,提出了一种对角加载的改进空间差分平滑（diagonal loading improved spatial smoothing difference, DL ISDS）算法。该算法利用均匀线阵协方差矩阵的Toeplitz分解特性进行差分运算对消相关噪声,将独立和相干信源分开分辨,重复利用阵列接收数据,可分辨更多信源,相比常规谱估计算法,DL ISDS算法具有更强的信源过载能力及阵元节省能力;另外,该算法无需预知或专门估计相干信号源数及特征值分解,可明显减小算法的运算量和复杂度。计算机仿真结果证明了DL ISDS算法理论的正确性和有效性。     

基于可拒识SVM的并行增长图像分割算法

针对经典区域增长算法中生长规则以及特征选取困难的问题,提出基于可拒识双层支持向量机模型的多目标并行区域增长图像分割算法。首先交互选择多个不同区域的种子点,并交互选择属于每个目标区域的子块和非目标区域的子块形成双层支持向量机训练样本;然后利用这些已知的训练样本训练双层支持向量分类器;在区域增长过程中,首先利用第一层的最大间隔超平面的支持向量分类器(SVC)进行分类判决,对属于该区域的点再利用第二层的支持向量域数据选择器(SVDD)进行拒识或接受处理,最后利用两层分类器的结果进行综合判决。为避免初始种子点位置选择对算法性能的影响,采用了多区域并行竞争增长策略。仿真实验获得了较好的分割效果,实验结果表明,提出的算法是合理可行的。     

Compression method based on training dataset of SVM

The method to compress the training dataset of Support Vector Machine （SVM） based on the character of the Support Vector Machine is proposed. First, the distance between the unit in two training datasets, and then the samples that keep away from hyper-plane are discarded in order to compress the training dataset. The time spent in training SVM with the training dataset compressed by the method is shortened obviously. The result of the experiment shows that the algorithm is effective.     

基于特征向量空间聚焦的宽带DOA估计方法

针对传统宽带阵列信号波达方向(direction of arrival,DOA)估计方法中由入射角预估带来的DOA估计偏差及其在多径效应等环境下的应用问题,提出基于特征向量空间聚焦的宽带阵列DOA估计方法.首先,考虑多径干扰等对DOA估计算法的影响,对接收信号自相关矩阵进行平滑处理.然后,以平滑自相关矩阵特征向量空间过...