一种新的基于四阶累积量的DOA估计算法

提出了一种新的用于均匀线阵的四阶累积量DOA估计算法.针对传统MUSIC-like算法中四阶累积量矩阵存在大量冗余信息的情况,本文算法提出了一种新的四阶累积量矩阵构造方法.用该方法构造的四阶累积量矩阵在保证阵列扩展性能的同时,去掉了MUSIC-like算法中四阶累积量矩阵的冗余信息,降低了矩阵的阶数.与MUSIC-li...     

一种改进的四阶累积量测向算法

针对降维的四阶累积量矩阵因采样快拍数有限而存在估计误差的问题,提出一种结合To-eplitz近似的四阶累积量旋转不变子空间(ESPRIT)测向算法(TFOC-ESPRIT).该算法在保持虚拟阵列有效孔径不变的同时,通过去除原始四阶累积量矩阵中的冗余元素,得到降维的四阶累积量矩阵,再对降维矩阵进行Toeplitz操作,恢复其Toeplitz结构,最后利用ESPRIT算法估计到达信号的方向.仿真实验表明:与MFOC-ESPRIT算法相比,TFOC-ESPRIT算法有效地提高了测向精度,不仅在少阵元数下能实现多信号的估计,而且当快拍数为400时,在空间白噪声和空间色噪声环境中其归一化成功概率也较高,分别达到了0.996和0.788.     

一种混合噪声图像去噪的平滑算法

提出了一种新的混合滤波算法,对混有高斯和椒盐噪声的图像进行去噪处理.该算法首先对受椒盐噪声污染的像素点,采用自适应中值滤波算法进行去除;然后利用高阶统计量针对高斯噪声的不敏感特性,对受高斯噪声污染的像素点,采用其周围梯度和最小的几个点的灰度平均值来代替其灰度值去除噪声.实验结果表明,该算法能够在去除高斯和椒盐噪声的同时,保留更多的图像细节信息,特别是对感染较大噪声的图像有更好的去噪效果.     

基于二阶和高阶统计量的语音信号盲分离算法研究

研究了两种基于高阶统计量的盲信号分离算法,在各种不同的实验条件下比较了两种算法与基于二阶统计量的盲信号分离算法的分离性能,分析比较了3种算法的计算复杂度,为工程应用和DSP（数字信号处理器）实现提供了参考,最后总结了两大类算法的优缺点,并分析了原因．     

一种基于高阶累积量的复共轭四阶系统辨识方法

研究了利用高阶累积量方法对复共轭四阶系统进行辨识的问题，分析讨论了四阶系统的特点，给出了由连续系统到离散系统的转换公式，并利用基于累积量表示的修正尢勒－沃克方程对该四阶系统进行了辨识。针对估计精度不高的问题，提出了前滤波的方法。在各种不同条件下的仿真对比实验表明，在SNR（Signal Noise Ratio)比较低和两对共轭极点距离相距较近时，基于高阶累积量的复共轭四阶系统辨识方法比普通自相关方法具有更好的辨识结果。     

基于二阶和高阶统计量DOA估计算法的对比

阵列信号处理是信号处理的一个重要分支,而波达方向估计又是阵列信号处理的一个重要方面,一些常用的方法可以用来获得DOA估计,例如基于二阶统计量的MUSIC法,但是这些方法存在一些缺点.对比了基于二阶和高阶统计量的DOA估计算法性能,仿真结果表明,基于高阶统计量的DOA估计算法具有更好的性能,此外,还分析了基于二阶或高阶统计量的DOA估计算法的相同点和不同点.     

基于四阶累积量的MIMO雷达空间平滑角度估计算法

针对MIMO雷达系统的多目标DOA估计问题,本文提出了一种基于四阶累积量的双向空间平滑算法。当目标数多于发射阵元数,接收信号发生相干现象使普通子空间类算法可估计DOA数受到限制。本文提出的算法通过对接收信号构造四阶累积量矩阵,并对构造的矩阵做子阵空间平滑处理,在接收阵元足够多的情况下,可估计比发射阵元数更多的目标,并且在高斯白噪声下和高斯色噪声背景下均具有有良好的DOA估计性能。     

一种基于四阶累积量的近场源二维参数估计方法

提出了一种基于四阶累积量和极化敏感阵列的近场源方位角、距离二维参数联合估计算法,其特点是采用非中心对称均匀线阵,无需参数配对,可直接计算出待估计参数的闭式解,具有较高的估计精度,可应用于加性高斯噪声环境,仿真试验证明了该算法是有效的.     

尖峰脉冲噪声下基于分数低阶统计量和函数变换的时延估计新算法

针对α稳定分布噪声环境下的时延估计问题,对最大似然加权估计法进行改进,给出了三种高效实用的新算法。首先,以分数低阶统计量为基础,提出了一种基于分数低阶统计量的最大似然时延估计算法(FLO-ML算法);其次,通过函数变换,提出了两种不依赖于分数低阶统计量的新算法(Log-ML算法和UDE-ML算法);进一步,本文还详细讨论了三种新算法的适用范围及计算复杂度。仿真分析表明,三种新算法均能在分数低阶α稳定分布噪声环境下实现准确的时延估计,其性能优于同类算法,同时三种新算法都能在传统高斯噪声环境下保持良好的稳健性。     

一种基于四阶Taylor展开的多目标改进的拟牛顿算法研究

借助于目标函数的四阶Taylor展开导出新的拟牛顿方程,并将其应用到多目标优化问题中,给出了一种多目标优化改进的拟牛顿算法(称为M-TBFGS算法),同时在一定的假设条件下,结合Wolfe搜索准则,证明了本文算法的收敛性,并进行了数值试验,结果表明,本文的M-TBFGS算法是正确和有效的。     

基于树的递归算法分析技术

针对扩展递归技术的局限性,本文提出基于树的递归算法分析技术。借助于分析树,可直观地、清晰地描述递归算法的分析过程,从而有效地解决递归算法时间复杂性的分析问题。     

模幂运算的一个递归算法

模幂算法广泛应用于公开密钥加密技术。在分析已有模幂算法基础上,提出模幂算法的递归实现,省去了模幂算法中指数的二进制化过程已经对指数的扫描过程,简化了算法。     

一种改进的递推最小二乘盲多用户检测算法

为提高基于递推最小二乘(RLS)算法的盲多址干扰抑制检测器的稳态输出性能，根据空间正交投影算法和自适应判决反馈控制算法，提出一种基于RLS算法的自适应判决反馈盲干扰抑制检测器，该检测器在启动阶段，等价为一种基于RLS准则的盲干扰抑制检测器，在稳态收敛阶段，等价为一种有训练数据的RLS干扰抑制检测器．既保持了最小输出能量(MOE)检测器的全局收敛性，又具有最小均方误差检测器高输出信干比的优点．计算机仿真结果表明，该检测器性能优于已有的基于MOE准则的检测器，且能应用于时变信道．     

RLS算法的改进性能分析

讨论了递归最小均方误差算法（RLS）的性能分析。对该算法误差的均值及方差都进行了研究,在平均原理基础上使用了更精确的算是方法,得到一种改进的性能分析方法,新的分析方法得到的理论值更接近模拟的结果,优于通常方法的结果,还利用新的分析方法讨论了基于RLS算法的稳定性。     

基于递归分割的绝对尖锐特征造型算法研究

递归分割曲面的尖锐特征不仅能够增加递归分割曲面的造型功能,而且有助于保留网格模型上的重要特征,其简捷、高效等特点具有广阔的应用前景。为解决在实际应用过程中存在的问题,进一步推动其在产品建模和机械制造中的应用,在特征造型方面,实现了递归分割曲面的折痕、尖刺、角等绝对尖锐特征造型,避免了为构造特殊效果而建立不同的递归分割算法,增加递归分割曲面的造型能力。     

一种基于数组的递归算法

以Hanoi塔问题为例,分析递归程序运行速度慢的原因,提出一种基于数组的递归算法.该算法可以使计算机程序的计算速度提高到最快.     

非线性系统的递推最小二乘自适应模糊控制

提出了一种可有效消除被控系统不确定性的自适应模糊控制方法．该方法采用模糊逻辑系统（FLS）来辨识系统的未知函数，并采用连续形式的递推最小二乘算法作为自适应律调节FLS权参数．该自适应律可保证FLS权参数稳定收敛，最终收敛至最佳值的一个很小邻域中，同时保证跟踪误差指数衰减趋于0．倒立摆仿真结果表明，采用该方法时，辨识的归一化平方误差小于2％，其相对跟踪误差较混合自适应控制方法减少了58％．     

基于递推总体最小二乘的机载单站无源定位算法

对于机载单站无源定位中观测向量和系数矩阵均存在噪声的情况,采用经典的最小二乘(LS)算法会导致估计结果有偏,而一般的批处理算法运算量大,不满足定位的实时性要求.为此提出一种递推总体最小二乘定位(RTLS)算法.在建立机载无源测向定位模型的基础上,引入由系数矩阵和观测向量构成的增广矩阵,利用矩阵分解的性质建立了增广自相关逆矩阵和最右奇异向量的递推方程,从而推导出RTLS定位算法.仿真结果表明,RTLS算法的收敛速度和定位精度优于RLS算法和TWDRLS算法,并且实现了TLS算法对目标位置的实时估计,能够定位需求.     

基于递推正交最小二乘的RBF网络结构优化

讨论了次胜者受罚的竞争学习规则,提出了基于最小二乘（OLS）递推算法,采用改进的Givens旋转变换技术避免了大型矩阵的QR分解运算。在满足系统测量精度条件下,使用反向优选算法优化RBF网络结构。仿真结果表明,所得算法能有效地解决网络学习隐层单元的确定需要人介入的问题,适用于非线性系统的建模。     

一种基于递归技术的一维下料算法

用递归技术进行排样,并将排样方式与线性规划相结合,提出一种基于递归技术的一维下料算法.该算法通过约束一个排样方式中所含毛坯种数,达到减少开堆数的目的,利用上界技术来减少计算时间.该算法可以大幅缩短计算时间,在材料利用率基本不下降的情况下,可以明显减少最大开堆数.