基于协方差矩阵的空间平滑解相干算法

空间平滑是相干信号DOA估计中的一种有效算法,但平滑不仅造成了阵列孔径的减小,而且不能灵活地调整子阵的长度,对于不同的子阵,均需要计算协方差矩阵然后求平均,运算量较大。通过分析协方差矩阵的结构,指出在协方差矩阵中包含了所有子阵协方差矩阵的信息,从而可以通过对协方差矩阵的处理,构成前后向子阵的协方差矩阵,避免了子阵协方差矩阵的运算,可以灵活地实现平滑算法。计算机仿真证明了该处理的有效性.     

基于伪协方差矩阵 Otsu 方法的信源数估计

为提高高斯色噪声背景下信源数估计的成功概率, 提出了一种基于伪协方差矩阵的 Otsu 类间方差法。 伪协方差矩阵对一定条件下的高斯白噪声和高斯色噪声具有免疫特性, 而且利用阵元间的时间相关性增加了 阵列的有效孔径, 进而提高了伪协方差矩阵奇异值分解后信号奇异值与噪声奇异值的差异程度。 在此基础上, 利用 Otsu 类间方差法对信号奇异值与噪声奇异值进行分类。 仿真结果表明, 该方法可进一步提高信源数的估 计成功概率。     

抗阻塞干扰的低速率语音编码传输算法

为满足在跳频信道上的语音传输需求,研究了一种抗阻塞干扰的"滑动窗"语音传输算法。将传输码流均匀地分成若干片段,用定长的"滑动窗"在码流上滑动并截取其中的一段连续片段作为某跳频点的数据。接收端比较连续若干跳的重叠部分,判断并恢复出"坏跳"数据。对每个片段进行差错控制保护,通过"联合最大后验概率译码"的方法抵抗更高误码率的影响。测试表明:在有阻塞干扰的跳频信道上,"滑动窗"算法的分段信噪比平均高出传统的连续可变斜率增量调制算法20dB。     

基于协方差矩阵重构和导向矢量优化的波束形成算法

针对传统波束形成算法在导向矢量失配和协方差矩阵误差情况下输出信干噪比下降严重的问题,提出了一种基于协方差矩阵重构和导向矢量优化的稳健自适应波束形成算法。该算法通过估计信号和干扰的功率及方向,重构干扰加噪声协方差矩阵,同时结合投影和空域积分思想,对假定的导向矢量进行优化计算,使其接近真实的导向矢量。进而通过相关运算求得复数加权值实现波束形成。所提算法可以有效抑制干扰,提高输出信干噪比。在多种失配存在的情况下,所提算法也具有较好的性能。研究共进行了6个仿真实验,所提算法性能均优于所对比算法。所提算法在快拍数固定且存在导向矢量失配的情况下,相比于最差情况性能最优算法有约5 dB的输出信干噪比提升。在信噪比固定且存在导向矢量失配的情况下,相比于对比算法均有4 dB以上的性能提升。实验结果验证了所提算法的有效性。     

波束空间两种自适应干扰抵消算法的研究

本文介绍了多个干扰波束进行窄带PIC处理的两种算法:GE(梯度估计算法)和RMGSEF(克莱姆-施密特修正递归误差反馈算法).利用海试数据计算了这两种算法的学习曲线和输出平均功率波束图.并和理论结果进行了比较,研究了RMGSEF算法的收敛特性与空间采样、时间采样的关系.结果表明:RMGSEF算法是收敛快、抵消性能好,便于PIC实现实时处理的最好算法.     

高频数据下基于LSTM的协方差矩阵预测模型

协方差矩阵的建模与预测,对于金融风险管理、投资组合管理等至关重要。 针对时间序列模型对高维变量预测精度较低的问题,利用长短记忆神经网络模型(LSTM),提出了基于深度学习的高频数据已实现协方差矩阵预测模型。 利用金融高频数据得到已实现协方差矩阵,对其进行 DRD 分解,针对相关系数矩阵 R 进行向量化处理,利用向量异质自回归模型(HAR)预测已实现相关系数矩阵 R;针对已实现波动率矩阵 D,利用半协方差(semi covariance)思想,结合 LSTM 模型,得到已实现波动率矩阵 D 的深度学习预测模型,构建了 LSTM-SDRD-HAR 已实现协方差矩阵动态预测模型。 LSTM 模型和 HAR 模型能捕捉实际数据的长期记忆性,半协方差有利于捕捉金融数据的杠杆性。 实证分析表明:相较于传统向量 HAR 已实现协方差矩阵预测模型,LSTM-SDRD-HAR 预测已实现协方差矩阵更为准确,基于 LSTM-SDRD-HAR 预测已实现协方差矩阵构造的有效前沿组合投资效果更佳。     

多级并行部分干扰抵消算法的CDMA系统性能

分析了多级并行部分干扰抵消算法应用于CDMA系统的性能。建立了系统信号模型，给出计算误码率的公式。对多级并行完全干扰抵消算法与多级并行部分干扰抵消算法进行了比较，认为部分干扰抵算法比完全干扰抵消算法性能优越。     

基于协方差矩阵同时对角化的盲信号分离算法

提出了基于自相关协方差矩阵同时对角化的两个盲源信号分离算法. 利用广义奇异值分解(GSVD)算法,将源信号观测数据预白化后的零阶和一阶自相关协方差矩阵同时对角化,估算出两路源信号. 与二阶盲识别(SOBI)算法进行了比较,该算法具有计算简单且运算精度高的优点. 在线性混合加噪模型下,计算机仿真表明该算法的有效性.     

多级并行干扰抵消算法的CDMA系统性能分析

分析了多级并行完全干扰抵消算法和多级并行部分干扰抵消算法应用于存在定时误差的CDMA系统中的性能。建立了系统信号模型,给出计算误码率的公式。作了在有远近效应情况下的性能比较。得出多级并行干扰抵消算法比传统的单用户检测性能优越,部分干扰抵消算法比完全干扰抵消算法性能优越的结论。     

高维协方差矩阵估计方法的比较

通过模拟比较门限估计方法和收缩估计方法之间的差异,得出2种方法在实际应用中的使用范围.由模拟结果可知,若有确切的证据表明总体协方差矩阵是稀疏矩阵,则采用门限估计方法,否则,采用稳健的收缩估计方法比较恰当.     

直接数据域双向多循环优化的二维波束形成

基于数据域提出一种前后向多循环优化的自适应二维波束形成新算法。将经典的线性约束最小方差(LCMV)波束形成算法的高维权向量分解成两个低维权向量的张量积的形式,提出一种前后向多循环优化方法,每步循环分为前向和后向优化,分别计算前后向低维权,再还原成所需的高维权向量,进而实现空间波束。仿真结果表明所提方法在较少的循环次数下可有效实现二维波束形成,且计算量比LCMV有明显的优势,方向图略好于LCMV,所给算法在信噪比和快拍变化以及指向误差下输出信干噪比性能有显著提高。     

修正协方差阵的投资组合方案及其稳定性

分析了最优化投资组合不稳定的原因,在此基础上,推广了由前人提出的一个新方法,即根据随机矩阵定理(RMT)对样本协差阵进行变化以得到一个更好的投资方案.首先对该方法中未证明的部分给出了更充分的实证理由,并运用这种思想,结合中国证券市场的实际数据,来模拟“真实的投资”.而这种方法得到的投资方案,较之传统方法有较好的收益率和方差,且可被前人对风险预测的分析方法所解释.     

300 MW汽轮机DEH电液转换器卡涩故障研究

从DEH运行中最常发生的电液转换器卡涩故障着手,在应用附加振颤信号防止和识别卡涩故障的前提下,确定了振颤信号的选取原则,并采用仿真方法探讨了不同卡涩程度对伺服阀油压和油动机输出的影响,论证了基于振颤信号幅值与频率响应监测电液转换器卡涩故障的诊断方法是行之有效的．     

矩阵损失下的协方差阵Σ的二次型估计的风险函数

考虑模型 H:Y=( Y1 ,Y2 ,… ,Yn)′=( X′1 ,X′2 ,… ,X′n)′β+ ( e1 ,e2 ,… ,en)′ Xβ+ e.其中 ,Yi:r维列观察向量 ,Xi:r× p已知矩阵 ,i=1 ,2 ,… ,n.β=( β1 ,β2 ,… ,βp)′是 p维未知参数向量 .e1 ,e2 ,… ,en　iid,e1 与r维正态分布 Nr( 0 ,Σ)有相同的前 4阶矩 ,这里Σ是未知的 r× r协方差阵 .在矩阵损失函数 L( d,Σ) =( d-Σ) 2 下 ,给出了Σ的二次型估计类 { Y′AY:A≥ 0 ,A∈ Rn× n}的风险函数 .     

海洋变分同化背景场误差协方差矩阵构造技术

为改进背景场误差协方差矩阵构造技术,提高海洋资料变分同化效果,首先将背景场误差协方差矩阵分解为背景误差标准偏差矩阵、非平衡变量空间相关算子以及多变量间平衡算子3部分,然后利用广义扩散方程模拟空间相关算子,联合引入温盐约束关系、线性状态方程、海表高度诊断方程、静力平衡、地转平衡关系模拟多变量平衡,最后给出了一种适用于海洋资料变分同化的背景场误差协方差矩阵构造方案。单点海表温度观测模拟同化试验表明,该方案可实现观测信息在三维空间、多变量间的传播,充分体现了背景场误差协方差矩阵在同化中的作用。     

基于灰度共生矩阵的微动干扰分类识别

针对雷达成像中面临的调制转发微动干扰、微动散射波干扰、脉冲卷积微动干扰3种新型微动干扰样式的识别问题,提出一种基于灰度共生矩阵的干扰识别方法。该方法从图像域角度出发,首先对雷达接收信号矩阵进行灰度化处理,然后利用灰度共生矩阵提取其纹理参数并构造特征参数,最后采用KNN分类器实现了对雷达接收信号中目标回波和3种微动干扰样式的检测与识别。仿真实验结果表明,当信噪比为-5 dB时,不同干信比下4种信号样式的识别率均能够达到90%以上,每种信号样式整体识别率在98%以上;当信噪比为5 dB时,不同干信比下4种信号样式的识别率均能够达到95%以上,每种信号样式整体识别率在99%以上。     

协方差阵扰动对Stein岭型主成分估计的影响分析

针对线性回归模型中协方差阵扰动对Stein岭型主成分估计β(P)G的影响问题进行研究.证明了β(P)G的某种极限是数据删除模型的Stein岭型主成分估计;建立了β(P)G与G-M模型的Stein岭型主成分估计β(P)之间的关系;定义了度量扰动影响的距离测度DG,并给出了DG的多种计算式;最后通过实例验证其有效性.     

基于矩阵分解的降水时空插值方法

为了提高基于雨量站网观测值估算降水空间分布的精度,同时考虑降水的时序发展趋势和站点空间分布,将传统的插值方法(反距离权重法、普通克里金法)和Funk矩阵分解(Funk-SVD)模型结合,提出了一种基于矩阵分解的插值方法,并采用黄河流域小浪底到花园口区间2009-2012年多场降水的日观测数据进行了精度检验.结果表明,通...