一种基于无偏协方差估计RLS的自适应阵列天线抗干扰算法

递推最小二乘法(RLS)是自适应阵列天线抗干扰的主要算法之一。为提高RLS算法对遗忘因子选择健壮性,避免因遗忘因子选择不当所造成的算法不收敛问题,针对自适应阵列天线的多路接收信号,基于其无偏协方差矩阵模型,推导设计出了一种新的RLS算法,相比于常规RLS,在该算法中遗忘因子可以更加精确地控制RLS迭代过程项,降低因遗忘因子设置不当而造成的算法不收敛风险。通过仿真验证了算法的有效性。

多传感器测量中的方差估计

在多传感器加权融合算法中 ,各传感器的权值仅由传感器的测量方差决定。假设各传感器噪声为平稳过程且相互独立 ,本文提出了待测状态未知且时变情况下 ,多传感器测量方差的估计算法 ,并讨论了估计方差的统计特性 ,证明了估计的无偏性。针对工程中环境噪声的变化 ,进一步提出了加窗方差估计方法 ,并给出了窗口宽度和估计精度的关系 ,使算法能有效地跟踪环境噪声的变化。该算法无需设置依赖于环境的初始值 ,并给出了递推公式 ,使其可用于对多传感器测量方差的实时自适应估计。

基于最小方差估计的图像低秩去噪

自然图像通常表现出一定的自相似性,这种相似性意味着由相似图像块所构成的图像矩阵具有低秩性.基于图像的这种低秩性和最小方差估计理论,提出一种有效的迭代去噪方法.该方法通过构造图像相似块矩阵将图像去噪问题转化为低秩矩阵估计问题,并由最小方差估计理论导出低秩矩阵的估计值;在此基础上,对图像块的估计值进行加权平均即可重构出去噪后的图像;针对少量噪声残留问题,将去噪方法与反向投影方法相结合实现图像的迭代去噪,进一步抑制图像中残留的噪声.实验结果表明,采用文中方法产生的去噪图像不仅具有较高的峰值信噪比和特征相似度均值,而且具有很好的视觉效果.

基于稀疏迭代协方差估计的缺失数据谱分析及时域重建方法

应用于缺失数据恢复的迭代自适应方法(IAA)被证实可利用20%的有效数据估计信号参数,并能高精度恢复缺失数据,优于经典GAPES方法,但当缺失数据超过80%时其数据恢复性能迅速下降。该文基于稀疏迭代协方差估计提出一种新的缺失数据谱分析方法(M-SPICE)及针对该方法的缺失数据修正时域重建方法。该方法将加权缺失数据协方差拟合代价函数转换为凸优化问题,构造循环最小化器保证缺失数据参数估计的全局收敛特性,通过对缺失数据估计算子的更新实现了时域重建方法的修正,使其在有效数据功率谱欠估计的情况下获得更高的数据重建精度。仿真实验表明无论是数据块缺失还是任意缺失,该方法均能够利用更少的有效数据进行谱分析,并重建大比例缺失数据。

基于移动开窗法协方差估计和方差分量估计的自适应滤波

基于移动窗口协方差估计和方差分量估计 ,提出了一种新的自适应Kalman滤波技术。计算结果证实 。

小波域高斯混合模型方差估计近红外降噪方法

针对抑制近红外光谱噪声与保留光谱信号细节的矛盾,提出一种基于噪声方差估计的小波域降噪方法。该法对光谱信号小波域高频系数建立了两状态高斯混合模型,用EM算法估计模型系数,推证模型对噪声方差准确估计特性,将估计得到的噪声方差建立了阈值降噪模型。实验建立黄酒近红外光谱快速预测酒精度偏最小二乘模型,对比分析Penalty阈值、Brige-Massart阈值和缺省阈值三种小波阈值降噪模型的降噪效果,验证了该法比上述三种常规阈值降噪模型具有更优的降噪效果,能有效应用于近红外光谱处理。

轨道机动过程中推力加速度的在线最小方差估计

定位和跟踪空间机动目标时,对目标运动建模受发动机推力的不确定性影响,通过统计处理离散的雷达观测数据实时估计发动机的推力,进而定位和跟踪机动目标便是本文所要研究和解决的问题.本文在地心惯性系建立了常推力轨道机动过程中连续变质量运动模型和离散雷达量测模型,机动过程中质量秒耗量和排气速度作为表征轨控发动机推力的两个近似常量,应用扩展卡尔曼滤波对离散雷达测量数据进行序贯统计处理得到发动机推力的最小方差估计;文中详细地给出了线性化量测模型的变分方程和观测矩阵;仿真结果表明该算法能快速、准确地在线估计轨控发动机的等效推力.

刀切法在我国劳动力调查方差估计中的应用

我国劳动力调查抽样设计复杂,采用通常方法进行方差估计比较困难。本文提出使用刀切法。在使用刀切法时需要划分随机组,文中提出三种划分随机组的方法并对它们作了比较。最后,对我国的失业人数与失业率应用刀切法进行方差估计。

基于噪声方差估计的小波阈值降噪研究

信号中包含的噪声不仅降低了信号的质量,而且还严重影响着各种相关处理算法的有效性,因此,高效稳健的噪声方差估计对于各类信号处理非常重要。提出一种噪声方差估计的新方法,该方法首先应用两状态高斯混合模型对高频系数建模,混合模型的各项参数通过EM(Expectation-maximum)算法迭代估算得到。在建立的高斯混合模型中,当参数满足一定条件时,可以将高频系数分为噪声类和边缘类。基于高频子带内系数的相关性,对噪声类所包含的系数再次应用高斯混合模型的方法分类,并在每个类中分别进行噪声的估计,最后对所得噪声信号计算方差作为原始信号的噪声方差估计。基于这种估计方法,将小波阈值法应用到反求工程的降噪中,实际信号的降噪结果在光滑性和特征保持方面均有较好的效果。试验表明,该噪声方差估计方法对噪声大小具有一定适应性,且小波阈值降噪法简单易行,应用广泛。

AR模型参数的Bootstrap方差估计

针对故障诊断中AR模型参数判别门限值的确定需要大量样本和重复多次试验的问题 ,采用小样本统计的Bootstrap方法对车削振颤AR模型参数的方差进行了估计 .结果表明 ,该方法具有较好的估计结果和工程应用价值 .

基于Monte-Carlo方法的强非线性函数方差估计

以Monte Carlo方法为基础研究了强非线性函数的方差估计问题。对直接观测量的方差进行了随机扰动 ,将由线性同余法产生的一组伪随机数用Box Muller变换法转换为服从N(0 ,1)分布的正态伪随机数 ,并对伪随机数作了多项统计检验。在此基础上应用Bessel公式统计出强非线性函数的模拟方差。算例表明 :Monte Carlo方法估计出的非线性函数的方差比经典方法估计出的方差更优。

基于小波系数层间相关性的图像噪声方差估计

噪声的方差估计是含噪图像处理中的常见问题之一,其基本思想是通过某种方法寻找含噪图像中的"纯"噪声子图像来估计原噪声方差。传统方法是通过空域或频域采样,得到该子噪声图像,然后直接对其估计方差,它对图像信息的分布有要求。在传统频域采样方法的基础上,提出一种结合图像小波变换系数层间相关性的新方法。其过程是:对第一级有效小波分解的斜向子块进行分析,利用小波变换系数的层间相关性,去除其中的图像信息,得到更"纯"的子噪声块,再估计其方差。通过仿真实验和实际4 f系统输出图像实验证明,该方法比传统方法的估计结果更准确,更适合带宽较低的系统图像和图像本身高频信息较丰富的场合。

卡尔曼滤波法方差估计的理论研究

在卡尔曼滤波中,用传统的赫尔默特法进行方差估计时,不仅计算公式复杂,而且计算量非常大.基于广义最小二乘法导出的滤波公式,根据赫尔默特方差估计的基本原理,推导出了用预测残差向量进行方差估计的新公式.与传统的方差估计公式相比较,新公式不仅形式简单,而且大大减少了方差估计的计算量.

基于噪声方差估计和模型参考的传感器动态补偿

针对采用最小二乘法(least-squares,LS)无法得到传感器动态补偿器参数无偏估计的问题,提出了一种基于输入信号噪声方差估计和模型参考的无偏辨识算法.该算法先通过小波变换估计噪声的方差,再由估计得到的方差,通过偏差消除的递推最小二乘法,对补偿器的参数进行无偏辨识.同时,利用参考模型建立卡尔曼滤波器,消除高频噪声对测量精度的影响.在薄膜热电偶上进行了仿真研究,以验证该方法的有效性.结果表明,算法降低了对输入辨识信号的要求,即不再必须为白噪声,具有较强的实用性.

轨道机动过程中推力加速度的实时最小方差估计(英文)

飞行器轨道机动过程中 ,为跟踪、定位机动目标和干预机动控制过程 ,需要统计处理离散的雷达观测量实时估计推进发动机的推力 ,进而确定飞行器的瞬时轨道参数。本文所述算法是该工程问题的探讨和解决方案。文章建立了轨道机动过程中连续变质量运动模型和离散雷达量测模型 ,推进发动机的质量秒耗量作为表征推力加速度的一个近似常量 ,应用扩展卡尔曼滤波对离散的雷达测量数据进行顺序统计处理给出秒耗量的最小方差估计 ;文章详细地推导了线性化量测模型的变分方程和观测矩阵 ;仿真结果表明该算法能快速。

迭代异方差估计及其在多传感器数据融合中的应用

本文提出一种适应任意噪声分布的迭代渐近无偏估计异方差的方法,它能对多个不同测量噪声的方差进行估计.不同于传统的异方差估计算法,本文提出的迭代异方差估计,可在不损失估计精度和减少运算量的前提下,对多个不同的测量噪声方差进行捕获和跟踪.在多传感器数据融合中的应用结果表明:本文提出的方法具有估计稳定性好、运算简单和具有较强的鲁棒性等优点,仿真和实验的结果均证明了提出方法的有效性和可行性.

线性模型中Bayes线性无偏最小方差估计的优良性

在均方误差矩阵准则下研究了未知参数的Bayes线性无偏最小方差(Bayes linear unbiasedminimum variance estimator,BLUMV)估计相对于最小二乘(least square,LS)估计的优良性,并讨论了3种不同相对效率的界.在predictive Pitman closeness(PRPC)准则下研究了BLUMV估计相对于LS估计的优良性.

基于无偏最小方差估计算法的分布式CFAR检测

为了提高分布式CFAR检测的性能,文中研究采用无偏最小方差估计(UMVE)CFAR作为局部检测器的分布式CFAR系统。文中推导出采用"与"融合和"或"融合准则时分布式UMVE-CFAR的目标函数和参数优化方程。并将其与CA,OS等经典分布式CFAR检测进行了性能比较,结果表明,分布式UMVE在均匀背景和多目标环境下具有比分布式OS更好的性能,在杂波边缘环境中的性能则稍逊于分布式OS-CFAR。

平衡损失下Bayes线性无偏最小方差估计的优良性

在平衡损失风险函数准则下研究了未知参数的Bayes线性无偏最小方差(BLUMV)估计相对于最小二乘(LS)估计的优良性.在predictive Pitman closeness(PRPC)准则下研究了BLUMV估计相对于LS估计的优良性.

取样方差估计值的精度与样本数目之间的关系

通过数学推导建立了取样方差估计值的精度与样本数目之间的定量关系。实验也证明，取样方差估计值的标准偏差与样本数目的平方根之积可近似为一常数。应用蒙特卡罗技术模拟随机取样，对该关系式进行了验证，并探讨了取样方差估计值的分布规律，表明其规律对于组分含量服从正态分布，均匀随机分布及多项分布总体是相似的。