基于三阶累积量的闭环辨识

将高阶累积量对具有高斯分布特性的（白色或有色）随机噪声的强烈抑制特性,用于辨识开环条件下的干扰,一些文献中提出了基于高阶累积量的改进均方辨识准则（MSE）。针对三阶累积量的情形,探讨了该晨噪声上环辨识中的适用性。理论分析表明,扩展到闭环情形下的MSE辨识准则等价于无噪声干扰下对象处理开环情形时的均方误差辨识准则,该方法可获得处于闭环运行状态下对象的渐进无偏参数估计;当对象采用ARMA模型时,可获得相应的线性递推辨识算法,仿真实验证明了该算法的有效性。     

利用高阶统计量方法进行自适应信号处理

该文研究了高阶统计量（主要是三阶累积量）在自适应信号处理中的应用。探讨了线性系统自适应辨识的高阶累积量算法及其改进算法,并以自适应时延估计为例,推广了新算法在自适应信号处理中的应用。通过计算机仿真,对改进前后算法性能作了比较,还比较了它们同基于相关算法的性能差异,给出了仿真结果。     

四阶累积量 ESPRIT 波达方向估计算法研究

ＥＳＰＲＩＴ是一种基于阵列数据相关矩阵信息的广义特征值分解的高分辨率波达方向（ＤＯＡ）估计算法．由于空间噪声的相关性，这种基于自相关的高分辨率算法将出现极大的偏差．本文针对自相关算法的局限性，提出一种基于高阶累积量的ＥＳＰＲＩＴ算法．实验结果表明，借助高阶累积量方法，不仅能有效地抑制高斯色噪声，而且还能获得高精度、高分辨率的渐进无偏估计．     

基于高阶统计量信号检测的研究

研究了高阶统计量（主要是三阶累积量）在信号检测中的应用，探讨了信号检测的高阶累积量算法.利用高斯噪声的高阶累积量的零均值特性，用计算机对SNR=20dB和SNR=0dB的输入信号进行模拟仿真，并将检测结果与原始信号进行比较，从结果上看执行效果较好．     

基于高阶累积量方法的非高斯非最小相位ARMA模型辨识

从利用高阶累积量对加性高斯噪声有色中非高斯过程辨识的基本理论出发,对近年来基于高阶统计量方法辨识非高斯、非最小相位ARMA模型的算法进行了分析和综述,阐明了借助高阶统计量方法可以克服传统的基于2阶统计量方法在解决此类问题中的缺陷,有效地解决非高斯、非最小相位系统的辨识问题。     

基于高阶累积量和星座图的调制识别算法

提出了一种基于高阶累积量和星座图的数字调制信号识别的算法.该算法利用信号的高阶累积量,并结合改进的星座图聚类分析法,采用一种分层的多分类器对信号进行分类.算法中所选用的特征参数对信号的幅度和相位抖动不敏感,同时能有效地抑制加性高斯噪声.仿真结果表明,在接收数据长度为800和信噪比不低于6 dB的情况下,该算法对不同调制...     

NARMAX模型辨识的直交化最小二乘新算法

基于实际中常用的ＣＧＳ（ＣｌａｓｓｉｃａｌＧｒａｍ－Ｓｃｈｍｉｄｔ）、ＭＧＳ（ＭｏｄｉｆｉｅｄＧｒａｍ－Ｓｃｈｍｉｄｔ）、ＨＴ（ＨｏｕｓｅｈｏｌｄｅｒＴｒａｎｓｆｏｒｍａｔｉｏｎ）及Ｇｉｖｅｎｓ算法，给出了１类改进的直交化最小二乘新算法，分别称之为改进的ＣＧＳ、ＭＧＳ、ＭＨＴ及ＭＧＶ算法，改善了原算法的数值稳定性．将改进算法用于非线性ＮＡＲＭＡＸ模型辨识，构造出了１种新的模型结构与参数辨识的一体化算法．新算法基于逐步回归进行模型选项并消去模型中的冗余项，保证了最终模型的结构优化，并可给出比Ｂｉｌｉｎｇｓ等算法精度更高的参数估计．仿真结果证明了文章中算法的优越性     

基于高阶累积量的文本图像去噪算法

根据高斯噪声三阶以上累积量为零,从而可以将其有效抑制的特点,提出了一种基于高阶累计量的文本图像去噪方法.与平滑滤波和中值滤波2种经典算法相比,高阶累积量的使用不仅提高了文本图像去噪效果,而且能够较好地保留图像的边缘和细节信息,保证了原有文字的完整性.实验表明,提出的去噪算法对于去除文本图像的加性高斯噪声较为理想.     

利用高阶统计量进行非最小相位FIR系统识别研究

该文将高阶统计量应用于线性，时不变非最小相位ＦＩＲ系统的识别问题。对由非高斯、非对称分布白噪声激励的非最小相位ＦＩＲ系统，当仅已知其输出信号（可能含有噪声）时，该文提出一种利用输出信号三阶，四阶累积量进行系统辨识的新算法，在计算机仿真中，将该算法与ＧＭ法和Ｔ法进行比较，结果表明，当输出信号中含有高斯有色观测噪声时，新算法的处理效果明显好于ＧＭ法和Ｔ法。     

基于高阶累积量张量分解的联合盲源分离算法

提出一种基于高阶累积量张量分解的联合盲源分离（JBSS）算法,该算法可以从多组数据集的观测信号中恢复出源信号.首先通过计算多组数据集观测信号的高阶互累积量张量,利用累积量张量潜在的对角结构,将JBSS问题转化为高阶张量CP分解（CPD）问题.接下来,通过张量列分解（TTD）将高阶张量分解为由不高于3阶的多个互连的核张量组成的简单张量网络,由此将高阶CPD问题转化为多个3阶CPD问题.最后,根据TTD与CPD之间的关系,在多次3阶CPD之后,通过依次对因子矩阵进行重新排序与缩放得到多数据集的混合矩阵,进而实现对源信号的分离.实验结果表明,该算法具有较快的运行速度.     

非高斯噪声下的参数自适应高斯混合CQKF算法

研究非高斯噪声环境下的高斯混合滤波方法,进行纯方位跟踪系统的目标跟踪。利用改进的参数自适应方法,调整位移参数的大小,从而修正了高斯混合模型,提出了在非高斯噪声下的参数自适应高斯混合CQKF算法;基于非高斯噪声下的离散系统模型,分析了高斯混合CQKF算法中建模过程的局限性,并结合初值优化方法,提出了利用参数自适应方法修正高斯混合滤波模型的方法,从而克服了高斯混合滤波的局限性,提高了滤波精度。仿真实验表明在非高斯噪声下参数自适应高斯混合CQKF算法比原算法有更高的滤波精度。      

基于CORDIC算法的高斯随机噪声实时产生研究

该文提出了一种基于坐标旋转数字计算机（CORDIC）算法实时产生高斯随机噪声的硬件实现方法。运用变换抽样法处理均匀分布随机序列,实时产生一对独立的高斯噪声序列,处理过程中用到的对数、开方、三角函数等超越代数计算利用CORDIC算法,构建运算功能单元在超大规模集成电路上实现。硬件仿真结果表明,这种方法生成的高斯噪声精度高,误差小,性能稳定,硬件速度可达到90MHz以上,适用于高速信号处理领域。     

Robust maximum-likelihood parameter estimation of stochastic state-space systems based on EM algorithm

This paper addresses the problems of parameter estimation of multivariable stationary stochastic systems on the basis of observed output data. The main contribution is to employ the expectation-maximisation (EM) method as a means for computation of the maximum-likelihood (ML) parameter estimation of the system. Closed form of the expectation of the studied system subjected to Gaussian distribution noise is derived and parameter choice that maximizes the expectation is also proposed. This results in an iterative algorithm for parameter estimation and the robust algorithm implementation based on technique of QR-factorization and Cholesky factorization is also discussed. Moreover, algorithmic properties such as non-decreasing likelihood value, necessary and sufficient conditions for the algorithm to arrive at a local stationary parameter, the convergence rate and the factors affecting the convergence rate are analyzed. Simulation study shows that the proposed algorithm has attractive properties such as numerical stability, and avoidance of difficult initial conditions.     

Robust maximum-likelihood parameter estimation of stochastic state-space systems based on EM algorithm

This paper addresses the problems of parameter estimation of multivariable stationary stochastic systems on the basis of observed output data. The main contribution is to employ the expectation-maximisation (EM) method as a means for computation of the maximum-likelihood (ML) parameter estimation of the system. Closed form of the expectation of the studied system subjected to Gaussian distribution noise is derived and parameter choice that maximizes the expectation is also proposed. This results in an iterative algorithm for parameter estimation and the robust algorithm implementation based on technique of QR-factorization and Cholesky factorization is also discussed. Moreover, algorithmic properties such as non-decreasing likelihood value, necessary and sufficient conditions for the algorithm to arrive at a local stationary parameter, the convergence rate and the factors affecting the convergence rate are analyzed. Simulation study shows that the proposed algorithm has attractive properties such as numerical stability, and avoidance of difficult initial conditions.     

基于GMM统计参数和SVM的说话人辨认研究

支持向量机(SVM)是以统计学习理论为基础,解决模式识别问题的有力工具,但是它训练算法复杂,难以处理大量样本,限制了其在说话人识别方面的使用。针对这个问题,提出了一种基于GMM(高斯混合模型)统计参数和SVM的说话人辨认系统,以GMM模型的统计参数来训练SVM说话人辨认模型,有效解决了大样本数据下SVM模型的训练问题。实验表明,该方法有良好的效果,并且与倒谱加权方法结合后,可以增强系统的健壮性,进一步提高系统的识别率。     

一种新的超宽带脉冲设计方法与性能分析

讨论了基于粒子群算法设计的超宽带脉冲,对设计脉冲的UWB系统性能进行了分析.依据FCC辐射掩蔽,对一组正弦高斯函数进行加权组合,通过粒子群优化算法选取组合系数得到新脉冲,对采用设计脉冲的系统性能分别从单链路误码率、多址性能、链路预算3个方面进行仿真比较.结果表明:与Schlotz脉冲、随机组合脉冲相比,基于粒子群算法设计的脉冲具有更好的误码性能和传输性能.     

SAR图像的多尺度建模与分割

根据合成孔径雷达图像的成像机理,基于遗传算法,提出了SAR图像的期望最大建模方法和多尺度无监督分类方法。利用最小长度准则能够有效地确定SAR图像分类数,且集遗传算法和EM算法的优点于一身,使得算法能够取得全局最优结果。试验结果表明:该分割方法是可行的,与其它方法相比,分割质量有明显改进。     

林地场景下的超宽带无线信道模型研究

为了研究超宽带信号在林地中的传播特性,依据信道频域测量数据,提出了符合中国超宽带(UWB)技术频率使用规定的林地场景信道模型.信道总体模型采用修正S-V模型.在信道测量信号的后处理中,使用过渡带为高斯滚降特性的类高斯窗来提取符合中国超宽带频谱规范的测量信号,利用CLEAN算法得到高分辨率的离散信道响应,并为信道时域测量信号提出了一种基于小波分析的分簇算法,最后统计提取出了信道模型参数.仿真结果表明,提出的林地超宽带信道模型和实测数据有着相近的时延扩展特性和主要多径个数.     

基于高斯搜索的改进粒子群优化在磨矿预测控制中应用

磨矿车间工业现场在保证控制效果的同时,一般要求控制变量具有较小的变化率。提出一种基于高斯搜索的改进粒子群优化算法,该算法以高斯分布来初始化粒子群,并改进粒子速度更新公式,将所提算法融合到最小二乘支持向量机预测控制中。针对选矿厂磨矿过程,给出了基于最小二乘支持向量机的预测控制系统,以及基于高斯搜索的改进粒子群优化算法步骤。对实际磨矿过程进行仿真实验,结果表明该算法在保证控制效果的同时,能大幅度减小控制量的变化率,具有良好的性能指标和应用前景。