快速子空间分解方法及其维数的快速估计

提出一种快速子空间分解方法.该方法只需要知道某一期望信号的训练信号就可以实现信号子空间和噪声子空间的快速估计.给出快速确定子空间维数的方法.子空间维数的估计和子空间的快速分解是同时进行的.本文方法只需要多级维纳滤波器的前向递推,不需要估计协方差矩阵和对其作特征值分解,所以运算量可以明显地降低,而估计的性能接近于常规方法.最后,仿真结果验证了方本文法的有效性.

基于子空间分解的多通道盲解卷积算法

针对卷积混合信号,提出了一种新的多通道盲解卷积算法,该算法首先利用子空间分解方法,将信号卷积混合模型变换成线性混合模型,然后利用线性混合盲分离算法分离出源信号。该算法相对频域盲解卷积算法来说无需解决线性混合盲分离中存在的幅度和排列顺序的模糊性问题,而且该算法不要求信号独立同分布,只要求各源信号统计独立即可。因此,该算法可以直接在中频对观察信号进行处理。计算机仿真结果表明,该算法不仅能对不同频不同调制方式的通信信号进行盲解卷积,而且对同频同调制的通信信号,该算法同样有效。

基于子空间分解的信道阶数估计算法

提出一种新的基于子空间分解的信道阶数估计算法.首先基于子空间分解,将观测向量自相关矩阵的几何子空间按照某一正整数La分解为"信号"子空间和"噪声"子空间,由"噪声"子空间构建了一个特殊矩阵Gv,提出了Gv特征分析定理,该定理表明当且仅当La等于信道阶数时,Gv奇异并有唯一的零特征值,并进行了详细的理论和实验证明;然后根据该定理,不断修正"噪声"子空间的大小,判定Gv的奇异性,完成信道阶数的估计.仿真证明该算法不但在低信噪比条件下具有很好的估计性能,而且当信道具有较小的初始和结尾系数时,也能达到很好的效果.

基于Radon-STFT变换的含噪LFM信号子空间分解

由于线性调频信号占有非常宽的频带，用奇异值分解就不能将含噪线性调频信号分解成信号子空间和噪声子空间针对这一缺陷，本文提出了一种基于时颇面旋转的含噪线性调频信号的子空间分解算法文中分析了算法的性质，并提出了“伪信号子空间”的概念和用于检测直线倾角的Radon-STFT变换理论分析和仿真实验的结果表明了这种子空间分解方法对一类含噪线性调频信号是可行的．

脑电逆问题的延时相关阵子空间分解算法

根据头表观测电位反演脑电源的空间信息是脑电研究中的一个重要问题 .本文提出了脑电逆问题的延时相关阵子空间分解算法 .通过在三层同心球头模型上 ,与现行延时为零的相关阵子空间分解算法的对比研究表明 ,该方法能更好的压制空间相干噪音 。

一种新的基于Krylov子空间的快速子空间分解

快速有效地进行子空间分解是子空间类算法走向工程应用的关键。提出了一种新的期望信号的选择方法,并证明了在空时白噪声条件下由观测信号的协方差矩阵及观测信号与期望信号的互相关矢量构成的Krylov子空间等价于信号子空间,从而可以通过多级维纳滤波方法计算Krylov子空间的基来实现信号子空间的快速估计。由仿真实验可以看出所提出的方法能够快速有效地实现子空间分解,尤其在低信噪比下仍然具有较高的性能。

一种鲁棒的基于子空间分解的盲信噪比估计方法

为解决原子空间分解算法中对信号和噪声子空间维数估计鲁棒性差的问题,根据信号的过采样率信息提出了一种新的构造自相关矩阵的方法,以减少矩阵内部数据间的相关性,从而达到提高信号和噪声子空间维数估计精度的目的。同时,针对利用最小描述距离(MDL)准则估计维数时,只能在有限信噪比范围内实现精确估计这一情况,采用噪声功率(NP)法对信号子空间维数进行估计,进一步改善了原算法在信噪比过低或过高时估计性能变差的问题,增大了信噪比的估计范围。仿真结果表明:新算法能对中频信号直接处理,具有较低的估计偏差和均方误差,且对成型滤波器滚降系数及调制方式均不敏感。

子空间分解法在声目标特征提取中的应用

目的 研究用于识别直升机目标声信号的特征提取方法 .方法 通过对直升机声信号频域特性分析 ,采用基于子空间分解的多重信号分类法 ( MUSIC)算法提取信号谐波频率作为目标特征 ,利用子空间分解将观测数据分解为信号子空间与噪声子空间的特点 ,抑制噪声干扰 ,提高识别能力 .结果与结论 对实测的直升机声信号谐波频率提取结果表明 ,子空间分解方法提取目标频域特征是可行的 ,用

一种基于全域子空间分解挖掘的QoS准确预测方法

QoS的准确预测是评判和选择最佳Web服务的一种重要标准;传统的QoS预测方法采用时间平均值和各种参数简单加权的方法,无法对大量Web服务下的资源进行准确预测,预测结果模糊;提出一种基于全域子空间分解挖掘的QoS准确预测方法,即采用全域分析的思想对所有数据进行预处理,在此基础上,通过子空间分解的方法,在子空间中对数据进行分解分析,提取数据的深层次特征,然后将全域分析的结果与子空间分解分析的结果进行有效的数据融合,从而实现对所分析数据的准确预测;采用一组Web节点和拟定度量参数进行了预测实验,结果显示,基于全域子空间分解挖掘的QoS预测方法可以精确预测出渐变过程,结果准确,在QoS预测中具有广泛的应用价值。

基于自适应子空间分解的自适应超谱图像波段选择方法

针对超谱图像数据波段选择问题,最大限度地保留图像数据中的分类诊断特征,提高分类识别的精度,本文提出了一种基于自适应子空间分解的自适应波段选择的新方法。通过仿真实验,证明了这种方法对超谱图像数据分类的有效性。

复平面子空间分解的TOA无线定位方法

提出了一种利用复平面对二维移动站定位进行建模的方法,将到达时间信息转化为复数求模,通过代数运算,利用子空间的方法对目标进行定位,再利用蜂窝站址的旋转不变性对定位解进行融合,推导了复平面下TOA定位的克拉美界(CRB)。通过计算机仿真证明该方法具有较好的定位性能,在TOA测量精度较高时能够达到CRB界,有较好的应用价值。

一种基于子空间分解的IIR信道盲辩识算法

本文证明了对IIR信道输出进行过采样 (采样率是输入码率的整数倍 )可以转化成单输入多输出的多信道模型 ,并且不同的信道有相同的AR系数 .基于这一特性本文提出一种基于子空间分解的信道参数盲辩识方法 ,即不同信道的MA系数可以由输出信号的噪声子空间唯一确定 。

基于子空间分解的OFDM信道盲辨识

该文提出一种基于子空间分解的正交频分复用(OFDM)信道的盲辨识算法,将OFDM信号等效为单输入多输出的过采样信号,采用过采样信号的循环稳态特性和子空间分解方法估计信道参数,算法不需要任何训练序列和周期性的引导信号,实现了0FDM信道的盲辨识。对于宽带OFDM移动通信系统,通常子信道数较大,信道响应持续时间短于0FDM符号周期,因此,可以将整个系统分为若干个子系统,各子系统分别进行信道辨识,能有效地降低信道估算的复杂性。

基于快速子空间分解的组滤波自适应杂波抑制算法

针对部分相关、中等起伏目标的最佳检测，本文提出了基于快速子空间分解的组滤波自适应杂波抑制算法．由于采用了快速子空间分解方法，明显降低了算法运算量而使其易于实时实现．文中所采用的最小二乘同组滤波相结合的方法使得即使在非平稳的条件下也可以获得良好的杂波谱估计，进而可以有针对性地完成特定多普勒域的目标提取，实现在变化杂波条件下的有效杂波抑制和目标检测．

OFDM中基于子空间分解的半盲信道估计

针对OFDM系统中盲信道估计计算量大、收敛速度慢和估计精度低的缺点,以及传统信道估计方法的频带利用率低的缺陷,详细介绍了基于子空间分解的半盲信道估计方法。该方法利用接收信号的相关矩阵特性来估计信道,其是传输速率和收敛速度的折衷,通过Matlab软件仿真表明,此方法能较大地改善信道估计精度和降低系统的误差。仿真结果对信道估计问题的深入研究具有借鉴意义。

基于四阶累积量矩阵子空间分解的脑电逆问题算法

根据头表观测电位反演脑电源的空间位置是脑电研究中的一个重要问题。基于四阶累积量矩阵的子空间分解，提出了一种新的脑电逆问题算法。与现有的基于二阶统计量矩阵的子空间分解算法相比，二阶方法存在对空间相关噪音敏感的问题，而四阶方法可以抑制在时间方向上呈高斯分布，在空间方向相关的噪音，从而显示了四阶方法的较好性能。

链接文档中基于子空间分解的高效谱聚类算法

提出了一种基于子空间分解的高效谱聚类算法。首先,基于共识信息和特定域信息的矩阵分解将链接文档划分为3个子空间,然后对子空间添加正则化项建模共识信息和特定域信息对聚类的不同影响,并采用交替优化方法实现谱聚类。考虑到谱聚类的复杂性,提出了一种带曲线搜索的梯度下降法加速求解过程。3个真实数据集上的实验结果表明,所提算法在聚类质量和效率方面始终明显优于目前典型的基线算法,且对输入参数不敏感。

核共空域子空间分解特征提取算法研究

脑-机接口中特征提取算法是脑电信号处理的关键步骤。提出一种基于核方法的核共空域子空间分解特征提取算法,将用于多通道两类别分类的共空域子空间分解算法推广到核空间。应用新算法对BCI竞赛Ⅱ的数据集Ⅳ进行实验仿真。实验中核函数使用的是线性核函数,求解空域滤波器时,为了减小计算的压力,在原空间对每一个试验的训练数据进行层次聚类,训练的分类器为最近邻分类器,实验的测试集结果为84%,与数据集Ⅳ的竞赛胜利者的分类结果相同。

子空间分解在FPGA上的高效实现

传统的信号子空间分解算法有着算法复杂、运算量大的缺点,紧缩近似投影子空间跟踪算法克服了上述缺点,但在硬件实现时其顺序串行的结构却严重地制约了数据处理速度,文章介绍了并行流水线结构的紧缩近似投影子空间跟踪算法在FPGA上的实现方法,同时也讨论了延时对算法收敛速度造成的负面影响,最后在Quartus Ⅱ环境下验证了算法改进后的性能;结果表明所实现的算法误差较小,达到了很高的数据处理速度,适合在实时性要求较高的场合应用。

基于快速子空间分解的宽带非相干DOA估计快速算法

总结了快速子空间分解在窄带阵列到达角估计中的应用，给出了几种构造参考信号的方法。将快速子空间分解与宽带非相干信号子空间方法相结合，得到了宽带到达角估计快速方法。在性能基本保持不变的同时，新方法大大降低了运算量。仿真结果证明了算法的有效性。