线性电磁矢量阵列的空时极化平滑算法及相干源多参数估计

该文提出了一种基于线性电磁矢量阵列的空时极化平滑算法(STPSA),解决了相干信源的频率,2维波达方向和极化参数的联合估计问题。该算法通过对不同子阵和矢量传感器不同传感单元的测量数据及其相应延迟数据进行平滑,实现解相干预处理并抑制噪声干扰,然后利用传播算子方法得到相应的参数估计。与目前的算法相比,该文提出的算法能够同时实现相干信源的多个参数联合估计;无需通过奇异值或特征值分解提取信号/噪声子空间,也无须进行参数搜索,有较低的运算量;另外,算法能够通过增加相邻阵元的间隔来扩展阵列的有效孔径,改善估计性能,且无须进行参数去模糊处理。仿真结果验证了算法的有效性。     

二值传感器网络的分布式稀疏LMS算法

在基于无线传感器网络的参数估计中,每个节点在数据采集、存储、处理和传输等方面的能力是有限的。二值传感器网络中的每个节点只能提供低精度1比特测量值,与能够提供模拟测量值（无限精度）的传感器相比,二值传感器有较低的使用成本。如何利用低成本二值传感器网络获得较好的参数估计性能近些年已引起广泛关注,基于该二值传感器网络,论文提出了一种分布式稀疏参数估计的自适应最小均方（LMS）算法。该算法采用稀疏惩罚最大似然优化,并结合期望最大化和LMS方法,获得稀疏信号的在线估计。仿真实验表明,尽管只采用1比特测量,提出的算法仍具有较好的收敛性,并且稳定状态的估计误差接近于非1比特测量的同类算法。      

基于压缩感知的高分辨频率估计

压缩感知是信号离散表示的新理论.本文将该表示理论用于正弦信号的频率估计,提出一种新的高分辨率的频率估计方法.该方法根据信号的稀疏表示,利用一个随机的压缩矩阵先对信号进行压缩,再在压缩域中通过对l1模优化重构该稀疏信号,获得信号的频率估计.模拟分析了新方法性能,并与直接l1模优化算法、Pisarenko、MUSIC等算法进行了比较.结果表明本文方法分辨性能明显优于Pisarenko和MUSIC等算法;具有直接l1模优化算法相当的性能,但计算量大大降低.     

变遗忘因子递推最小二乘Hammerstein系统辨识算法

摘.要:本论文研究了单输入单输出非线性Hammerstein系统的辨识问题,提出了一种具有变遗忘因子的递推最小二乘算法.由于Hammerstein系统模型的非线性特征,传统的递推最小二乘算法无法直接用来解决该系统的辨识问题.为此,论文将Hammerstein系统参数进行了映射变换,使得变换后的系统参数与Hammerst...     

基于电磁矢量阵列孔径扩展方法的相干目标DOA估计

该文采用均匀且稀疏分布的电磁矢量矩形阵列,针对相干目标提出了一种有效的2维波达角(DOA)估计算法,该算法通过增加相邻阵元的间隔来扩展阵列的有效孔径,从而提高算法的DOA估计性能。论文首先结合极化平滑算法和传播算子方法得到存在相位周期性模糊的方向余弦估计。为了解决模糊性问题,论文通过协方差矩阵平滑提出一种新的解相干预处理算法,由该算法得到的信号子空间包含矢量阵元的导向矢量,且不存在相位模糊,利用此特点实现去模糊处理,得到目标的DOA估计。仿真结果表明,与基于ESPRIT的孔径扩展算法相比,提出的算法能够实现相干目标的DOA估计,同时无需特征值或奇异值分解,有更低的运算量。     

基于小波变换的信号断点检测

小波分析是近15年来发展起来的一种新的时频分析方法,其在信号处理中有着广泛的应用。在很多情况下单单分析其时域或频域的性质是不够的,比如在电力监测系统中,即要监控稳定信号的成分,又要准确定位故障信号,这就需要引入新的时频分析方法。小波分析正是由于这种需求而发展起来的通过小波变换来精确地检测信号发生变化的时刻,构造一个信号模型,由一个低频正弦波信号连接一个高频正弦波信号,利用小波工具可以检测出信号发生不连续的间断点的位置。     

速度传感器阵列近场声源定位的孔径扩展算法

采用速度传感器阵列提出了一种近场声源定位(距离和DOA估计)的新算法.与目前提出的其它算法相比,本文算法有以下几个优点:无需计算高阶累积量,从而有较低的计算量;能够实现参数估计的自动配对;阵元间隔无需限制在1/4波长内,并可以通过增加阵元间隔扩展阵列孔径,从而提高算法的参数估计精度.论文最后给出了仿真实验,验证了算法的定位性能.     

非凸投影自适应Hammerstein滤波算法

该文研究了Hammerstein系统参数辨识和非线性系统预测问题,提出一种基于非凸投影的自适应滤波算法。论文将问题归结为具有非凸可行域的约束优化问题,并建立了基于交替方向乘子法(ADMM)和递归最小二乘相结合的算法框架。在该算法框架下,非凸约束优化问题的全局最优解可通过岭回归和欧几里得(Euclid)投影循环计算得到。将提出的算法分别应用于Hammerstein系统的参数辨识、非线性未知系统预测以及非线性声学回声消除,并进行仿真实验,结果显示所提算法具有较好的收敛性和稳定性,能够得到较准确的辨识和预测效果。