基于似P范数FOCUSS的稀疏信号盲分离

把似P范数FOCUSS方法应用于稀疏信号盲分离中,采用k均值聚类算法来估计混合矩阵;然后利用似P范数FOCUSS方法来求解具有线性约束优化问题的稀疏源信号,从而给出了一种基于似P范数FOCUSS方法的稀疏信号盲分离算法。该算法计算量小,精度较高。仿真结果表明该算法是有效的,具有良好的分离性能。

引入梯度导引似p范数约束的稀疏信道估计算法

为克服l0和l1范数约束的最小均方算法在不同信道稀疏程度下对稀疏信道估计中出现的收敛性能起伏较大等缺点,提出一种新的似p范数约束的最小均方算法,通过在最小均方算法代价函数中引入p值可变的似p范数约束以适应信道的不同稀疏程度,并在验证代价函数凸性的基础上导出p值的梯度导引寻优。最后给出仿真实验及其讨论,实验结果表明了新算法的优越性。

稀疏似p范数变步长LMS的水下多径抑制算法

针对稀疏似p范数LMS算法存在收敛速度较慢、失调误差较大的不足,本文在建立浅海环境中离散多径干扰模型的基础上,提出一种变步长稀疏似p范数LMS算法,采用与误差有关的函数值来调整零吸引项,同时使用改进的Sigmoid函数变化自适应迭代步长。数值仿真表明:与经典LMS算法和已有的稀疏似p范数LMS算法相比,该算法具有良好的干扰抑制效果,同时具有较快的收敛速度和较小的稳态误差。

惩罚参数及p范数对FOCUSS算法影响的仿真分析

FOCUSS是一种基于p范数约束的稀疏信号重构方法,是一种迭代加权最小均方算法,也是一种新的信号处理框架,在雷达、无线传感器网络、医学图像处理等众多领域均具有广泛应用,由于FOCUSS算法的重构性能既受惩罚参数的影响又受p范数约束的影响,因此本文拟通过仿真实验对各参数的影响进行深入剖析,以期为FOCUSS算法的最优应用提供技术参考。

似P范数特征值分解高分辨率声源定位识别方法研究

提出一种基于似P范数特征分解的高分辨率声源定位识别方法,该方法在子空间类算法原理基础上,利用特征分解得到子空间响应函数向量,通过预设声源类型建立各子空间声源向量重构模型,进而利用似P范数稀疏性约束条件求解最优解,获取高分辨率声源定位识别效果。理论及仿真研究表明,与其它常规算法相比,该方法不仅能真实反映声源位置信息,而且能反映不同声源能量分布的绝对大小,对多种类型声源具有高精度,高分辨率定位识别效果,适用性强。通过对影响定位性能参数的仿真分析,给出了合理的选取范围。水池试验进一步验证了该方法具有良好的工程应用前景。