高斯色噪声背景下的单通道信源数目估计算法

目前信源数目估计算法大都是基于多通道接收模型且对高斯色噪声抑制能力较差,而实际应用中单通道接收模型及色噪声环境非常普遍,因此研究色噪声背景下的单通道信源数目估计算法意义重大。针对现有算法的缺陷提出了一种基于构建信号时间快拍和四阶累积量矩阵的单通道信源数目估计算法。首先通过构建信号时间快拍实现单通道接收信号的升维得到矢量化空间,然后以此组信号空间构造出四阶累积量矩阵,并从理论上验证了该四阶累积量矩阵能有效抑制高斯白噪声及高斯色噪声的影响,最后对该矩阵进行奇异值分解并通过信息论准则估计出信源个数。仿真实验和实际信号实验都表明本文算法能较好地解决单通道信源数目估计问题,且能有效抑制高斯色噪声。

基于移位协方差矩阵Otsu算法的信源数目估计

针对阵列信号处理中信号源数目估计的问题,提出了一种基于移位协方差矩阵的Otsu类间方差法。与协方差矩阵相比,移位协方差矩阵克服了噪声自相关过程中零位极大值的影响,提高了协方差矩阵的信噪比,移位协方差矩阵的信号特征值与噪声特征值差别更为明确,更有利于信源数目的估计。由于零均值且独立同分布噪声的移位协方差理论值为0,所以移位协方差矩阵针对零均值独立同分布α稳定分布噪声同样具有较强的抑制能力。利用Otsu类间方差法对移位协方差矩阵的特征值进行分类,可以更加明确地区分信号特征值与噪声特征值。理论分析和仿真实验结果均表明,基于移位协方差矩阵的Otsu类间方差法具有比传统信源数估计方法更好的估计性能。

运动单位数目估计和传统肌电图技术在神经肌肉疾病中的应用比较

目的比较运动单位数目估计(MUNE)法和传统肌电图(EMG)在神经肌肉疾病中的诊断价值。方法应用肌电图仪中的MUNE程序和定量运动单位电位分析(QMUP)程序检测53例神经肌肉疾病患者的趾短伸肌、鱼际肌或小鱼际肌。结果8例肌萎缩性侧索硬化患者在针电极EMG检测中均为巨大电位,在MUNE检测中计数均显著减少。45例周围神经疾病患者,2例在EMG检查中无法确诊,但MUNE计数减少;2例在EMG检查中仅有自发电活动,而无肯定运动单位电位变化,MUNE计数也在正常范围内;其余41例EMG均明确显示神经源性损害,同时MUNE计数也减少。结论MUNE和传统EMG各有优缺点,两者相结合有助于提高诊断。

一种新的宽带信号源数目快速估计方法

信号源数目估计是波达方向(DOA)估计的基础。基于两个子阵接收数据的信号子空间的旋转不变性,利用Lanczos方法来求解多级维纳滤波器的匹配滤波器组,即子阵的信号子空间,本文提出了一种新的宽带信号源数目快速估计方法。该方法不需要计算协方差矩阵或对其进行特征值分解,避免了特征值分解的大运算量。最后通过计算机仿真验证了本文方法的有效性和优越性。

一种新的导数可靠度的RFID标签数目估计

时隙ALOHA是一种分时隙通信方案,对于采用了时隙ALOHA的RFID(radio frequency identification)系统,标签数目估计可以指导时隙数目的选取,有助于优化系统效率。目前的估计方法存在准确度低、估计范围小的缺点,尤其在标签数目大于时隙数目的时候估计误差很大。针对这种情况,提出一种新的导数可靠度合并的标签数目估计方法DRCTE(derivative reliabilities combinedtag estimation),该方法统计时隙ALOHA的空白时隙、独占时隙和碰撞时隙的数目,据此对标签数目做出3个初步估计;然后用3种时隙数目与总时隙数目的比值函数的导数作为初步估计的可靠度;最后用可靠度合并3个初步估计,得出最终估计结果。算法合理利用了可靠度高的信息,遏制了可靠度低的信息,具有估计精度高,估计范围大的特点。

高光谱影像端元数目估计的谐波分析假设检验模型

端元提取是高光谱遥感研究的重点内容之一。在高光谱影像信息识别、环境监测、资源探测和丰度反演等领域有着重要运用。为了实现有效的端元提取,如何准确估计(尤其是未知区域)高光谱影像中端元数目就显得更为关键,特别是在无人或境外地区的遥感探测方面极有实际价值。端元数目估计过多或者过少,都会影响端元提取和混合像元分解的精度。基于谐波分析(harmonic analysis,HA)理论实现了高光谱影像有效去噪,并结合二元假设检验方法构建了一种高光谱影像端元数目估计的谐波分析假设检验(HA-hypothesis testing,HAHT)模型。通过AVIRIS和Hyperion高光谱影像的可行性分析与普适性验证,并与HFC(Harsanyi Farrand Chang)、特征值极大似然函数(eigenvalue likelihood maximization,ELM)和最小误差高光谱信号辨识法(hyperspectral signal identification by minimum error,HYSIME)等常规的端元数估计算法应用成果相对比,表明HAHT模型所估计的端元数目与实际地物数具有更高的吻合度。同时,采用较成熟的连续最大角凸锥(sequential maximum angle convex cone,SMACC)方法提取了端元波谱曲线,通过比较设置2(HFC估计数)、8(HAHT估计数)和14(HYSIME估计数)不同端元数的提取结果,也证明HAHT模型在估计端元数目时具有较高准确性,以及较好的适用性和应用前景。

基于能量衰减比的双通道源数目估计方法

利用源信号到达两传感器间具有不同能量衰减比的特性,提出了一种新的源数估计方法,解决了因传感器数量不足而无法准确估计源信号数目的问题。首先,利用线性时频变换方法得到两观测信号在频域的能量分布,然后,计算能量散点图中对应角度上的能量总和;最后,通过峰值检测法实现源数目的自动检测。通过理论分析、仿真和实验,证明了该方法的有效性。本方法为盲源分离算法处理振动、噪声信号,提供了可靠的先验信息。

基于小波变换的单通道盲分离中源信号数目估计算法

推导了常用数字调制信号的小波变换幅度函数表达式,并给出了统一的近似表达式。在此基础上给出了单通道接收混合信号模型中小波变换幅度函数的近似表达式。通过充分利用与混合信号中奇异点有关的码元周期信息,给出一种基于小波变换的单通道接收条件下源信号数目估计算法,实现了在无先验知识的情况下对源信号数目的估计,并通过仿真验证了算法的可行性和有效性。

基于能量算子的单通道盲分离中源信号数目估计算法

分析了利用Teager能量算子检测信号奇异点的原理,给出了数字调制混合信号能量函数幅度的表达式,重点研究了加性高斯白噪声对混合信号能量函数的影响,提出一种基于能量算子的单通道盲分离中源信号数目估计算法。仿真结果验证了算法的有效性。

基于ICA与MUSIC相结合的未知源数目DOA估计算法

从阵列入射信号具有统计独立和空域独立这两个方面出发,利用ICA和MUSIC算法相结合,进行未知源信号数目的 DOA估计,在算法迭代的过程中,得到源信号数目的同时也得到了源信号的DOA.通过仿真实验表明,该算法能对未知源数目的信号进行DOA估计,并且在低信噪比和存在弱信号的情况下仍然有效.

基于信源数目估计的超定盲信号分离

针对盲信号分离中信道噪声大、信号分离效果差等问题,在传统主分量分析和特征值分解方法的基础上,提出了一种基于信源数目估计的超定盲信号分离方法。首先,采用主分量分析和最大似然估计方法分别对混合矩阵和噪声协方差进行估计,用于对信道噪声的估计与去除;然后,采用交叉验证法对源信号维数进行估计,实现盲信号分离。为了验证提出算法的分离效果,对轻拖尾与轻拖尾混合信号以及重拖尾与轻拖尾信号混合情况进行仿真实验验证,结果表明该算法具有良好的分离效果。

一种基于ICA与空间谱相关系数最大化的源数目估计算法

为提高在低信噪比和存在小信号情况下的源信号数目估计正确率,提出了一种利用ICA估计出的信号和利用空间谱分离出的信号的相关系数最大化为依据的源数目估计方法。该方法综合利用源信号的统计独立特性和阵列结构信息,降低了算法对噪声和信号强弱的敏感。计算机仿真结果表明,在低信噪比和存在弱信号的情况下,该算法可以高精度的估计出源信号数目。

基于高阶累积量的信源数目估计方法

信源数目确定在许多高分辨阵列信号处理中具有至关重要的作用。提出了一种基于阵列输出4阶累积量信息的信源数目估计方法。通过构造阵列输出的4阶累积量矩阵,根据4阶累积量矩阵特征值分布并采用最小描述长度(MDL)准则估计信源数目。由于信号高阶累积量具有盲高斯特性,该方法能有效地抑制色噪声干扰,可实现色噪声背景下的信源数目估计。仿真分析验证了该方法的有效性。

基于光谱信息的空间碎片材料种类数目估计方法仿真研究

在观测空间碎片时,受碎片结构紧凑、组成材料复杂,以及地基观测设备空间分辨率的限制,同一像元中通常会包含多种材料的信息,即产生"混合像元"。目前国内外对混合像元的研究主要集中在获取混合像元的纯物质光谱以及丰度上,往往忽略了高光谱数据中纯物质个数的确定对于没有任何先验信息的混合像元分析是至关重要的。如果估计的材料数目过少,将会导致解混出的材料光谱仍然是混合状态的像元;如果估计的材料数目过多,提取出的端元中将很有可能包含冗余噪声成分。基于光谱线性混合模型,提出一种改进的p范数纯像元辨识算法。主要利用光谱数据具有近似于低维流形的特性,首先采用正交投影的原理,将提取的端元扩充至正交投影算子中,然后分析投影后各个像元向量的p范数值,最终将p范数值高于阈值的向量个数作为材料种类数目。对实测碎片常用材料和美国地质勘测局数据库分别进行仿真实验,实验结果表明:提出的方法在估计材料种类数目的同时,还能提取出目标所包含的材料光谱,这在一定程度上提高混合光谱分解过程的自动化程度;相对于现有的一些主流算法,该方法有较强的鲁棒性,并且在信噪比不高的情况下仍能正确地估计空间碎片材料种类数目。

基于特征值分布的信源数目估计

在信号源数目未知或信号源数目估计与实际不符条件下，大多数高分辨DOA估计算法性能都会严重下降或失效，因此信号源数目信息是空间谱估计的先决条件。文章提出了基于特征值分布的信源数目估计及其改进方法，通过仿真分析证明，该算法在低信噪比、小快拍数下检测性能与AIC准则趋于一致，而在高信噪比、大快拍数的情况下检测性能要优于MDL准则。

一种估计宽带信号源数目的新方法

信号源数目估计是波达方向(DOA)估计的基础。基于噪声特征值的统计特性,文章在宽带信号条件下,基于各个频率点下的阵列采样协方差矩阵的噪声特征值在平面直角坐标系中几乎处于同一条直线上这一统计特性,提出了一种新的估计宽带信号源数目的方法,该方法简单且易于实现。最后通过计算机仿真验证了此方法的有效性和优越性。

前向多层代数神经网络隐层神经元数目估计方法

结合目前估计前向三层神经网络隐层神经元数目的方法 ,提出一种向量不交关系来确定多层(层数 >3)前向代数神经网络隐层神经元的数目 ,该方法只须估计出第一隐层神经元的数目 ,其余各层神经数目利用不交关系的算法随之确定 ,通过多项式代数函数实例表明 。

基于盖氏圆方法的宽带信源数目估计

针对低信噪比和小快拍数情况下宽带信号源数目较难精确估计的问题,提出了一种基于盖氏圆方法的宽带信号源数目估计算法(GDECSM)。盖氏圆方法通过利用盖氏半径对矩阵特征值范围的限定关系,能有效区分信号子空间与噪声子空间,在宽带信号源数目估计中能够产生良好的检测效果。仿真实验表明,与基于AIC准则的宽带信源数目估计算法(AICCSM)相比,GDECSM算法在低信噪比和小快拍数时都具有更高的检测概率,运算复杂度也有所降低。

时隙ALOHA-CDMA无线通信网络节点数目估计

针对现有的适用于时隙 ALOHA 系统的网络节点数目估计方法应用于时隙 ALO-HA-CDMA 系统时估计误差很大,节点数目大于时隙数目时估计误差尤为严重的情况,提出了一种考虑了系统的时间维度和码维度的新的节点数目估计方法——码时二维估计方法。该方法考虑节点数目是已知的,然后实测一个时隙里面出现的码数目,利用码数目与节点数目的函数关系,就可以估计节点数目。理论分析和仿真结果表明,由于该方法充分利用了时隙 ALOHA-CDMA 系统的时间维度和码维度的二维信息,估计精度较高,在应用于节点数目大于时隙数目的 ALOHA—CDMA 系统时,该方法的优势尤为明显。