有限预测混合交叉有效平滑法

在信号去噪声中 ,要同时去除脉冲噪声和白噪声 ,并保持信号的突变现象 ,有一定的困难。研究了左预测和右预测 ,及交叉有效 (CV)平滑法 ,并证明了 CV平滑中的两个限制条件。提出了有限预测混合 CV平滑法去噪 ,能同时达到以上目的。分析了该方法的根信号特征。并通过模拟试验检验了该方法 ,并与有限混合中位数滤波 (FMH )法和自适应小波收缩法 (WSA )作了比较 ,试验结果说明了该方法是切实可行的 ,并优于 FMH和 WSA。     

基于自然梯度的递归最小二乘盲信号分离

研究在线盲信号分离问题. 先提出一种递归最小二乘(RLS)白化算法, 然后与一种基于自然梯度的RLS信号分离算法相结合, 并经合理近似, 得到一种新的RLS盲信号分离算法, 它不需要对观测数据进行白化预处理. RLS白化算法和RLS信号分离 算法的平衡点分析表明, 这两种算法具有所期望的收敛性. 理论证明了提出的RLS盲信号分离算法具有等变化性和分离矩阵的非奇异性这两个关键性能. 仿真实验验证了新算法的有效性.     

多载波码分多址系统中的峰均功率比分析

针对多载波码分多址系统的特点,推导出了其峰均功率比的理论表达式,给出了使用不同交织器时所能达到的下界,并给出了一种能使峰均功率比到达下界的方法.仿真结果表明理论分析及给出的方法是有效的.     

基于局部双谱的高分辨距离像雷达目标识别

针对飞机目标的分类问题 ,介绍了一种基于局部双谱的高分辨雷达目标距离像识别方法 ,利用 Fisher类别可分性鉴别测度在距离像的双谱平面选择用于分类的局部双谱。将局部双谱方法与现有的几种基于双谱的方法进行比较 ,分析出局部双谱既利用了双谱的平移不变性 ,实现了一维匹配 ,又避免了在识别过程中计算整个双谱 ,减少了计算量 ,而且不需考虑极坐标双谱的插值与积分步长问题。利用三种缩比模型飞机的微波暗室转台数据对局部双谱的分类性能进行了测试 ,结果表明局部双谱是一种很有价值的平移不变特征 ,对于高分辨雷达目标距离像具有较高的识别率     

Gabor原子网络法在雷达目标高分辨距离像识别中的应用

针对飞机目标的分类问题 ,介绍了一种称为 Gabor原子网络的高分辨雷达目标距离像识别算法。 Gabor原子网络的输入层采用 Gabor原子变换作为预处理单元 ,完成对特征的提取。Gabor原子网络的隐层和输出层组成一个多层前馈网络 ,采用改进的反向传播算法对权值进行调整。文中同时给出了网络在训练过程中自动调整 Gabor原子节点的特征参数的算法。对 3种缩比模型飞机的微波暗室转台数据进行了分类 ,结果表明三维空间内的 Gabor原子网络方法比一维空间内的原始距离像或 Fourier幅度方法和二维空间内的 Gabor变换或小波变换方法更适合高分辨雷达目标距离像的识别     

接收相干处理算法的分析与评述

接收相干处理算法是磁控管脉冲振荡体制雷达实现动目标检测的关键。在分析几种接收相干处理算法的基础上 ,重点评述了它们的相干性、优缺点、适用性和实现的难易程度。总结了接收相干处理算法在磁控管脉冲振荡体制雷达应用中要注意的几个典型问题。指出了接收相干处理技术目前研究的难点和发展方向 ,这对接收相干处理算法的研究和应用具有积极意义。     

Nonlinear Principal Component Analysis Using Strong Tracking Filter

The paper analyzes the problem of blind source separation (BSS) based on the nonlinear principal component analysis (NPCA) criterion. An adaptive strong tracking filter (STF) based algorithm was devel- oped, which is immune to system model mismatches. Simulations demonstrate that the algorithm converges quickly and has satisfactory steady-state accuracy. The Kalman filtering algorithm and the recursive least- squares type algorithm are shown to be special cases of the STF algorithm. Since the forgetting factor is adaptively updated by adjustment of the Kalman gain, the STF scheme provides more powerful tracking ca- pability than the Kalman filtering algorithm and recursive least-squares algorithm.     

Gradient Search Non-Orthogonal Approximate Joint Diagonalization Algorithm

The problem of approximate joint diagonalization of a set of matrices is instrumental in numerous statistical signal processing applications. This paper describes a relative gradient non-orthogonal approximate joint diagonalization （AJD） algorithm based on a non-least squares AJD criterion and a special AJD using a non-square diagonalizing matrix and an AJD method for ill-conditioned matrices. Simulation results demonstrate the better performance of the relative gradient AJD algorithm compared with the conventional least squares （LS） criteria based gradient-type AJD algorithms. The algorithm is attractive for practical applications since it is simple and efficient.     

类相关时频分布在雷达目标识别中的应用

针对雷达一维距离像的非平稳特性,提出一种利用类相关时频分布的高分辨雷达目标识别方法.该方法通过优化时频分布中的核函数来实现在模糊时频平面的特征抽取和特征压缩.在此基础上,提出并实现了利用模拟退火算法同时优化时频特征和识别性能的目标识别方案.仿真实验结果表明,基于类相关时频分布的雷达目标识别方法合理可行,提出的模拟退火核函数优化算法在识别性能上优于已有的Fisher鉴别比优化算法.