基于方向密度检测与霍夫变换的混合矩阵估计

针对欠定盲源分离混合矩阵的估计问题,提出一种基于局部方向密度检测的孤立时频点处理与霍夫变换相结合的混合矩阵估计算法.首先通过变换域单源时频点处理增强信号的稀疏性,对散点图中的方向直线进行霍夫变换,通过判断局部极大值点确定源信号数量并估计混合矩阵.针对霍夫变换易出现的峰值簇拥问题,提出采用局部方向密度检测方法先判别并去除孤立时频点,之后再进行霍夫变换,提高了混合矩阵的估计精度.实验结果表明本文所提出的方法能够在未知源信号数量情况下实现混合矩阵估计,且估计精度高于K-means等常用方法.      

基于支撑集融合的分布式协作压缩频谱检测方法

针对认知无线电(cognitive radio, CR)宽带频谱检测过程中存在的采样压力大、数据传输量大、信道衰落严重等问题,提出了一种基于支撑集融合的分布式协作压缩频谱检测方法。在该方法中,本地信号重构过程和频谱稀疏支撑集的分布式融合过程反复交替进行,将本地重构过程中获得的稀疏支撑集信息进行分布式融合,又将融合结果作为先验信息指导本地信号再次重构,多次重复以实现信号重构与频谱检测。仿真结果表明,所提出方法的频谱检测性能可接近集中式的压缩检测方法,而该方法的迭代重构过程复杂度低,具有计算开销少的优势。