基于矩阵特征分解的水下声源匹配场定位

水下声源定位问题是水声信号处理领域的重点和难点,基于计算声场和接收声场相关性辨识目标距离、深度的匹配场定位方法具有广泛应用。针对Bartlett处理器宽容性好但分辨率低、最小方差处理器分辨率高但对失配敏感的问题,将空间谱估计中基于矩阵空间特征分解的目标定向算法引入匹配场定位。对水下单声源定位、双声源定位、环境失配处理等条件,对比3种定位算法的性能。仿真数据表明,与Bartlett处理器相比,基于矩阵空间特征分解的定位方法具有更高的目标定位准确度。与最小方差处理器相比,该方法在双声源定位时能够分辨相近声源,尤其对深度辨识更准确。实验数据表明,基于矩阵空间特征分解的处理器能够实现表面强干扰条件下的水下弱目标定位。

基于时域残余力向量特征分解的结构损伤识别方法研究

提出基于时域残余力向量的结构损伤识别方法。从结构振动方程出发,推导强迫振动条件下由结构动力响应求解时域残余力向量的表达式。时域残余力向量包含与损伤过程相关的时间信息,可以用来识别损伤发生的时刻。通过结点时域残余力向量值的变异系数建立损伤位置指标,识别损伤位置。建立结构残余力矩阵特征分解方法,特征分解获得的特征向量在损伤前后不发生改变,而特征值与单元刚度相关。因此,可以从特征值中提取单元刚度参数构建损伤程度参数,直接识别损伤程度。将时域残余力向量方法应用于武汉军山大桥模型的损伤识别,结果表明:提出的方法在单点激励和多点激励下均可高精度地识别出损伤发生的时刻、位置和程度。提出的方法通过对时域残余力向量特征分解提取损伤时刻、位置和程度指标,计算过程直观且精度高,避免了繁琐的时频变换、优化迭代等计算过程。

基于矩阵特征值分解的MIMO天线选择算法

天线子集选择技术是一种有效的低代价且能够获得MIMO好处的技术。文中提出了一种基于矩阵特征值分解的天线选择算法以最大化信道容量,它将大的搜索空间分成若干小区间,在较小的搜索空间中采用穷举法。分析了所提算法及相关算法的计算复杂度。仿真实验表明,该算法能够获得接近穷举法的中断容量性能而且具有较低的计算复杂度。

基于单通道SAR图像序列特征值分解的动目标检测方法

该文提出了一种基于单通道图像序列间协方差矩阵分解的动目标检测方法。首先给出基于方位频谱划分获取子图像的处理过程,分析了子孔径划分在图像序列间所产生的误差来源,结合二维自适应方法对幅度和相位上存在的误差同时校正,实现了子图像间的配准,构造出类似于多通道的子图像。在此基础上,结合多通道杂波抑制的思想,详细分析了两子孔径间协方差矩阵特征值分解实现目标与杂波分离的原理,并针对在图像域估计采样协方差引起的精度与目标能量损失之间的矛盾,提出了在距离多普勒域的改进处理。最后,经过仿真实验验证了该方法的有效性。

基于复特征值的信号二维角度联合估计

研究了阵列信号处理中高分辨率二维波达方向联合估计,根据包含二维到达角的旋转矩阵对角线元素处于复平面的单位圆上的特点,通过构造复矩阵,其复特征值为旋转矩阵的对角线元素的正确配对的组合,方位角和俯仰角的配对由复特征值的实部与虚部自动完成,该算法不存在参量兼并,不易受噪声的影响。仿真实验验证了算法的有效性。

数据加窗对MUSIC方法的分辨率和抗噪性能的改进

基于矩阵特征分解的频率及功率谱估计方法中的MUSIC(MultipleSignalClassification)方法有很高的分辨率,但它的缺陷在于抗噪声性能还有待提高,而且由于是对有限个观测数据进行处理,导致了误差的存在。在大量反复实验的基础上,结合几种常用窗函数的特点,提出了一种改进方法,这种方法先对数据进行加窗,进一步提高了MUSIC方法频率分辨率和抗噪声性能,同时提高了频率估计的准确性。

侦察中的直扩信号PN序列盲估计算法

为了解决通信侦察中低信噪比下直扩信号PN序列的盲估计问题,分析了矩阵特征分解算法。该算法基于直扩通信的基带信号模型,以及已知直扩信号的伪码周期,通过对信号的自相关矩阵进行特征分解,获取最大特征值对应的特征向量,进而估计出PN序列。理论分析与仿真数值结果表明,该算法在较低信噪比背景环境中,能够准确地恢复出PN序列。

抽样改进加权核大数据谱聚类算法

经典谱聚类算法将数据聚类转为图划分问题,在分析其Normalized Cut函数与传统加权核k-means等价基础上,设计了一种基于抽样改进加权核k-means算法的大规模数据集谱聚类算法,算法通过加权核k-means迭代优化避免Laplacian矩阵特征分解的大量资源占用,通过随机映射得到近似奇异值分解,并由近似奇异向量确定各点数据权重及抽样概率,以此得到快速合理抽样,通过数据抽样并将聚类中心约束到抽样点生成的子空间中,避免全部核矩阵的使用,从而降低经典算法的时间空间复杂度。实验结果表明,改进算法在保持与经典算法相近精度基础上,大幅提高了聚类效率,实验验证了改进算法的有效性。

实数域MUSIC高精度测向算法研究

给出了将经典MUSIC算法从复数域变换到实数域的数学推导,并阐述了算法实现所需要的阵列结构条件。在此基础上,进一步阐明了实数域MUSIC算法在工程实现上应考虑的问题。仿真分析表明了该方法的可实现性和有效性。

功率谱分析方法在引信系统中的应用研究

从引信系统信号处理角度出发,介绍了各种谱估计的方法,着重分析了现代谱估计的理论、方法和应用;讨论了作为参数模型谱估计中经典的方法AR谱分析方法和非参数谱估计的典型方法MUSIC法和特征向量估计法的处理过程,并对各种谱分析进行了比较,指出用现代谱分析处理引信系统探测信号的优点。

多径簇产生的阵列天线输出及其测向误差分析

在分析了单一来波多径簇与单一来波信号所产生的阵列输出自相关矩阵之间差别的基础上,通过引入平均误差角度及误差角度均方根扩展,讨论了单一多径簇来波方向估计结果与其中心角度之间的差异.通过数值计算,具体分析了多径簇的入射中心角、角域分布范围等因素对来波方向估计结果的影响.

抽样子空间约束改进大数据谱聚类算法

在分析经典谱聚目标函数与加权核k-means目标函数等价基础上,设计了一种基于抽样子空间约束的改进大规模数据谱聚类算法,算法通过加权核k-means迭代优化避免矩阵特征分解的大量资源被占用,通过数据抽样及聚类中心的子空间约束,避免全部核矩阵都被使用,从而降低经典算法的时间空间复杂度。理论分析和实验结果表明,改进算法保持与经典算法相近聚类精度,提高了聚类效率,验证了改进算法的有效性。

一种基于多级维纳滤波的信号子空间快速估计方法

基于多级维纳滤波的原理,提出了一种改进的信号子空间估计方法.该方法能够在没有期望信号先验知识的条件下,实现信号子空间的快速估计.理论分析和实验结果表明,与现有的信号子空间估计方法相比,该方法不仅计算复杂度低,而且还具有良好的总体估计性能,能够很好地满足工程应用中对信号进行实时处理的需求.

一种基于图注意力聚合的POI推荐新方法

在基于位置社交网络(Location-based Social Network,LBSNs)的服务中,有效的兴趣点(Point-of-Interest,POI)推荐具有极大的经济和社会效用,但如何深入理解LBSN中的位置、结构和行为等相关信息,并进行推理以及实现POI推荐仍然是一项挑战性任务。针对LBSNs中的多种异构数据,提出了一种能够挖掘用户社交和POI多种特征信息的用于POI推荐的图神经网络模型——POIR-GAT。首先POIR-GAT利用社交关系构建用户-用户图,并结合用户-POI交互图共同抽取用户特征向量;其次,基于POI的不同地理特征构造不同的特征矩阵,并通过矩阵分解获得不同的潜在因子,将这些潜在因子融入POI的特征向量,以学习它们对用户行为的共同影响,并用于实现融合社交因素和POI特征的推荐模型。通过在2个公开数据集上进行的实验,验证了所提POIR-GAT模型可以有效融合用户社交信息和POI特征信息,提高POI推荐质量。

频谱监测设备中的数字信号盲信噪比估计研究

目前,频谱监测设备中普遍提供数字信号解调功能,可给出数字信号的眼图、星座图和比特流。通信中数字信号解调的性能,一般是指在一定信噪比下的解调误码率。信噪比是通信信号的关键参数,它是通信质量的衡量指标之一。因此,研究数字信号的盲信噪比估计具有应用价值。本文研究基于频谱监测设备采集的数字信号基带I、Q数据,比较两种盲信噪比估计算法的性能,希望能给无线电监测技术人员提供参考。

一种可最优化计算特征规模的互信息特征提取

利用矩阵特征向量分解,提出一种可最优化计算特征规模的互信息特征提取方法.首先,论述了高斯分布假设下的该互信息判据的类可分特性,并证明了现有典型算法都是本算法的特例;然后,在给出该互信息判据严格的数学意义基础上,提出了基于矩阵特征向量分解计算最优化特征规模算法;最后,通过实际数据验证了该方法的有效性.