一种基于矩阵重组的功率倒置改进算法

针对功率倒置(Power Inversion,PI)算法信噪比恶化问题,推导了最小均方误差准则下最优权矢量组成,提出了处理增益更高、工作范围更广的改进算法。算法通过对接收信号协方差矩阵进行特征分解,根据特征值分布特点舍去噪声特征向量,组成新的协方差矩阵,得到具有指向性的最优权值矢量。仿真结果表明,与传统PI算法相比,改进算法在期望方向形成自适应波束,获得的信干噪比增益和信噪比增益高出约9.6 dB,较好地改善了信噪比恶化问题。

融合用户相似度和信任传播重组信任矩阵算法

针对协同过滤面临的一些本质问题,如数据稀疏和冷启动,本文提出了融合用户相似度和加权的信任传播来重组信任矩阵的方法。首先,将原始信任矩阵中用户相似度低于某一阈值的信任关系去掉;其次,将评分矩阵中用户相似度高于某一阈值的用户对添加到信任矩阵中;最后,考虑加权的信任传播,以此找到更多的信任邻居并对不同距离的信任邻居进行区分。在Epinions和Film Trust数据集上进行的对比实验结果表明,重组信任矩阵的方法能够有效地提高推荐精度,并在一定程度上解决了冷启动问题。

距离-多普勒-时间三维雷达数据中的目标能量积累

根据连续多帧雷达距离-多普勒数据中的目标位置关系,提出一种积累距离-多普勒-时间三维空间中目标轨迹的方法。该方法采用多普勒维的移位运算,校正目标的帧间多普勒频移,通过矩阵重组,将校正后的距离-多普勒-时间三维数据分解为并列的距离-时间二维矩阵,最后通过积累重组的二维矩阵中的近似直线的目标轨迹来实现目标能量的长时间积累。该方法采用移位和累加运算完成,运算量小,可在工程应用中实现。实测数据的实验结果表明该方法能大大延长雷达信号的积累时间,有效提高目标的检测概率。

一种正交向量基结构动力模型修正

针对矩阵修正方法不能保存原模型的连接信息以及计算效率低的缺点,基于多自由度振动和矩阵奇异值分解(SVD)理论,提出了一个具有SVD的模型修正方法.该方法引入矩阵重组技术以及采用SVD理论使未知参数的维数从n×2n降低到1×2n维,因而提高了矩阵修正法的计算效率.在此基础上对修正结果进行矩阵物理化处理,恢复了原模型的连接信息.最后,通过数值算例证明了该方法的有效性与可行性.

采用目标轨迹积累的窄带雷达信号长时间积累方法

在雷达信号长时间积累过程中,点目标的位置会在多帧距离-多普勒数据之间移动并形成一条轨迹,这里提出两种积累该轨迹的方法,分别适合于距离走动较小和多普勒扩散较小的情况。所提的两种方法首先分别通过速度补偿和二次相位补偿将三维数据空间中的目标轨迹校正到分别垂直于距离轴和多普勒轴的平面中,然后通过矩阵重组将校正后的三维数据分别分解为并列的多普勒-时间和距离-时间矩阵,最后采用Hough变换对位于其中一个二维矩阵中的近似直线的目标轨迹进行积累。所提的两种方法大大增加了目标的积累时间并改善了目标的最小可检测信噪比。实测数据的实验结果证明了其有效性。

空间调制系统下基于硬限制球形译码检测算法的研究

为了解决空间调制系统(spatial modulation,SM)下传统球形译码检测算法(SD)复杂度高的问题,提出了一种将矩阵重组、硬限制算法与球形译码算法结合的低复杂度检测算法(MR-HL-SD).矩阵重组的引入减少了算法的计算量,与硬限制算法的结合进一步降低了算法的复杂度.仿真结果表明,MR-HL-SD算法相对于最大似然检测算法(ML)与球形译码检测算法在保证一定性能的情况下,大大降低了复杂度.