一种基于实值变分贝叶斯推断的大规模MIMO系统下行信道估计方法

酉矩阵变换是一种常用的实值化方法,可有效地降低计算复杂度。然而,在现有的基于酉矩阵变换的大规模多输入多输出系统(Multiple input multiple output,MIMO)下行信道估计方法中,观测矩阵的维度增加了一倍,若不进行维度压缩,降低计算复杂度的目标将难以实现。虽然利用信号空间和噪声空间的正交性可压缩维度,但信号空间只能近似计算获得,不可避免地带来性能损失。为了改善信道估计性能,本文将信号空间矩阵当作变量,在估计过程中自适应地调整信号空间矩阵,但这使得信号空间矩阵和稀疏信号矩阵高度耦合,传统的贝叶斯推断无法适用。为了应对该挑战,本文进一步引入列向量独立分解的贝叶斯变分假设,成功将信号空间矩阵和稀疏信号矩阵解耦。仿真结果表明,所提方法可显著提升信道估计性能。

未知互耦下双基地MIMO雷达阵列DOD和DOA估计算法

针对MIMO雷达阵列中存在的互耦效应会严重影响发射角(DOD)和接收角(DOA)估计性能的问题,提出了一种基于ESPRIT算法的双基地MIMO雷达阵列DOA和DOD估计方法。该方法利用阵列流型矩阵的结构特点和均匀线阵互耦矩阵的带状Toeplitz特性,能实现互耦效应未知情况下DOA和DOD的精确估计。本文方法无需对角度进行搜索,计算量小,对角度的估计精度高,特别是在低信噪比环境下依然能取得较好的估计性能。仿真结果验证了本算法的可行性和正确性。

未知互耦条件下的均匀线阵波达方向估计算法(英文)

基于互耦矩阵的特殊结构,提出了两种在未知互耦条件下改进的均匀线阵波达方向估计算法.为了提高在未知互耦条件下波达方向估计算法的性能,提出了一种采用空间平滑的改进算法.由于未采用迭代算法,从而降低了算法运算复杂度.仿真实验证实了该算法的有效性.

On English Curriculum for College Students in China

In this paper,a detailed description of the English curriculum for college students is offered in terms of its aim,teaching princi-ple,the question of intended and enacted experience,as well as a philosophical analysis of its key elements,including the initiative'sown philosophical underpinnings,as well as an evaluation of its values,including the centrality of experience,education in a holisticsense both on the individual level and the societal level,the values of interactivity of the education system and the negative aspects ofthe curriculum.It is argued that the curriculum is open to both progressive ideals and with its processive character it is likely that it willcontinue to evolve,which parallels the education system's hope that its students will evolve in various ways.

未知互耦条件下基于四阶累量的非均匀圆阵波达方向估计算法(英文)

基于互耦矩阵的特殊结构,给出了一种更具一般性的非均匀圆阵模型,提出了一种在未知互耦条件下的非均匀圆阵波达方向估计算法.由于采用了四阶累量,该算法可以估计出比阵元数更多信号的波达方向,并且对高斯噪声不敏感.由于未采用迭代算法,从而降低了算法运算复杂度.仿真实验证实了该算法的有效性.

互耦效应下一种基于实值稀疏表示的波达方向估计算法

针对未知互耦条件下的波达方向(DOA)估计问题,提出了一种未知互耦条件下基于实值稀疏表示的加权子空间DOA估计算法。新算法利用一个特定的酉变换矩阵,将一个复杂的复值优化问题转化为一个实值优化问题,从而有效地将原问题的计算复杂度减少4倍以上。此外,为了进一步提高稀疏表示的估计算法估计精度,在原有l1范数优化模型基础上引入一个能使得DOA估计方差取得最小值的最优子空间加权矩阵。仿真实验表明,在低信噪比情况下,新算法能进一步提高稀疏表示的估计算法抗噪能力,获得更好的估计精度。

一种基于加权子空间的稀疏表示DOA估计算法

针对未知互耦条件下的波达方向（DOA）估计问题,本文提出一种未知互耦条件下基于加权子空间（WSF）的稀疏表示DOA估计算法。新算法在原有l1范数优化模型基础上引入一个子空间加权矩阵,并推导出了一个使得DOA估计方差取得最小值的最优子空间加权矩阵。仿真实验表明在低信噪比情况下,新算法能进一步提高稀疏表示估计算法的抗噪能力,获得更好的估计精度。

基于块稀疏学习的光谱基线校正方法

光谱数据在采集过程中易发生基线偏移现象,导致后续的鉴别和分析结果偏离真实值。因此,在光谱数据分析前,需利用基线校正技术获取更为准确的光谱数据。基于稀疏贝叶斯学习(SBL)的基线校正方法无需人工选择参数,基线校正结果在贝叶斯框架下具有最优性。然而,现有的稀疏贝叶斯建模较为简单,无法适用于复杂的稀疏结构。在实际应用中,当纯谱的某些谱峰较宽时,对应的稀疏向量将具有一定的块稀疏特性。利用额外的块稀疏结构,有助于进一步提升SBL方法的性能。为了建模稀疏向量的块稀疏结构特性,在原有的贝叶斯模型框架中引入模式耦合分层模型。得益于稀疏贝叶斯框架固有的学习能力,引入的模式耦合分层模型可自适应地学习稀疏向量的块稀疏结构,从而大幅提升了基于SBL的基线校正方法的性能。为验证本文方法的基线校正性能,首先利用模拟数据集进行仿真实验,并将该方法与SSFBCSP方法和SBL-BC方法在不同噪声方差条件下进行对比。仿真实验结果表明,该方法恢复谱峰较宽纯谱的效果提升明显,特别是当噪声方差较大时,其他方法的性能均有不同程度的下降,但该方法依然具有较好的稳定性。蒙特卡罗仿真实验结果也显示该方法纯谱拟合的标准化均方根误差明显优于其他对比方法。最后,利用色谱数据集与三种矿物的拉曼光谱数据集进行实测数据的基线校正性能验证,结果表明该方法能产生比其他方法更为平滑的纯谱拟合结果,且去噪效果更优。