信号盲分离问题多阶段分解算法

提出了一种新的信号盲分离算法,它每个阶段仅抽取单个独立分量.这种方法通过一种求所定义的代价函数的最优解的有效迭代算法,可以找到单个独立分量,通过系统化的多阶段分解和多阶段重构,可以得到全部独立分量.当存在空间色噪声时,这种方法的性能优于一组特征矩阵近似联合对角化(JADE)技术.仿真实验表明在独立源较多(如25个以上)情况下,该方法所花时间明显小于JADE所花时间.

谐波恢复的多阶段分解算法

研究了加性噪声中的谐波恢复问题。基于一组相关矩阵的结构化信息,提出了一种频率估计的多阶段分解算法,在每个阶段仅抽取单个分量。通过一种求所定义的代价函数最优解的有效迭代算法,该算法可以找到单个分量,再利用多阶段分解和多阶段重构,可以得到全部分量。仿真实验表明,该算法的性能优于TLS-ES-PRIT方法。

二维频率估计的多阶段分解算法

研究了加性白Gauss噪声中的二维频率估计问题．基于旋转不变性和矩阵伪逆的双正交性, 提出了一种新颖的迭代算法,它在每一步迭代过程中得到一个二维频率分量．通过系统化的多阶段分解和重构可以得到所有的二维频率分量,并且所得的二维频率自动配对．同时利用循环最小化的思想研究了算法的全局收敛性．仿真实验表明了所给算法的有效性和优越性．

一种新的双基地MIMO雷达目标定位和多普勒频率估计方法

该文提出了一种新的双基地MIMO雷达目标定位和多普勒频率估计方法。该方法利用矩阵的双正交性构造合理的代价函数,通过迭代求解代价函数和系统化的多阶段分解依次估计每个目标的2维方位角和多普勒频率。仿真结果表明,与基于ESPRIT的方法相比,该文方法能够估计目标的多普勒频率,消除了雷达发射信号不满足理想正交对目标定位精度的影响并且在发射和接收阵列不具备平移不变结构的条件下仍具适用性。

支持产品设计全过程和全性能的潜模型理论

针对现有产品设计中信息不全和无法满足并行设计渐进的动态需求问题,以传统逻辑论和信息论中的潜模型理论为基础,结合产品设计进程中变量、目标与约束等信息的扩张过程,提出了产品设计广义潜模型与狭义潜模型理论。采用复杂函数的多阶段分解法和置信度建序法,实现了传统函数的潜模型改造,将传统的面向单点的产品信息模型扩展为面向进程的过程模型,并提出了基于敏度分析的设计导向机制与潜模型的有效推理运行机制,为该理论的实际应用奠定了基础。最后,以挖掘机设计目标为例,进行了函数改造说明。

一组特征矩阵的联合对角化

发展了一组特征矩阵联合对角化的新算法 ,这个算法利用了左右特征矢量之间的双正交性 .定义了用于追踪单个特征分量的代价函数 ,找到了快速求解代价函数全局最优解的迭代算法 .通过系统化的多阶段分解和多阶段重构 ,可以得到全部特征矢量 .