认知无线电中一种基于秩准则的鲁棒多天线盲频谱感知算法（英文）

在多天线感知场景中,噪声不确定的存在使得经典的能量检测算法的感知性能表现出不稳定性。基于多天线接收信号的统计协方差矩阵为秩-1矩阵这一事实,提出一种基于秩准则的频谱感知方法。该方法首先将取样协方差矩阵分解为具有未知秩的理想信号矩阵和噪声扰动矩阵之和,然后采用秩检测准则估计接收信号子空间的最佳维数,最后利用该值判断信道的状态。与经典的能量检测方法相比,新方法对噪声不确定性具有良好的鲁棒性,且属于全盲检测方法。具体而言,新方法在感知判决过程中,无需事先知道噪声方差以及主用户信号和无线信道的统计特征。仿真结果验证了基于秩准则的多天线频谱感知算法的有效性。

LS-SVM模型选择的秩准则及其比较

在最小二乘支持向量机的模型选择问题中,基于再抽样技术的模型选择方法,不能从根本上解决计算强度过高的问题。为此,提出基于模型复杂程度进行惩罚的新方法——秩准则,给出估计最小二乘支持向量机调谐参数的快速稳健算法。实例研究表明,该方法不仅能保证模型的预测精度和稳健性,而且在计算速度上优于快速Bootstrap方法。

基于秩K准则的网络雷达对抗系统融合发现概率计算模型

基于网络雷达对抗系统的有源探测与无源侦察双重功能,结合目标反射回波与目标雷达直达波信号特点,构建了单站接收信号的基本模型。然后,基于似然比检验准则构建单站发现概率的计算模型,给出了系统决策融合模型融合中心采用的秩K规则判决流程。同时,基于秩K准则构建了系统融合发现概率与融合虚警概率的计算模型,最后对系统融合发现概率计算进行了示例分析。分析结果验证了基于秩K准则的系统融合发现概率计算模型的有效性。

CR网络中基于K秩融合的频谱感知算法

针对合作频谱感知模型,分析了集中式频谱感知的基本原理,并对融合中心的硬合并算法进行了研究.讨论了在先验概率已知时,K秩融合准则中K的各种取值对系统检测概率、虚警概率、漏检概率的影响以及合作用户节点数目与错误概率之间的变化关系.仿真结果表明,在加性高斯白噪声环境下,感知节点规模较小,在大约一半的节点参与合作时,K秩融合准则具有较好的感知效率.

图像矩阵降维压缩的一种新方法

由于矩阵的SVD分解方法反映了图像的内在属性和本质特征,在图像处理中得到了广泛应用.但在矩阵降维压缩过程中对奇异值的最小数目还没有定量的确定方法,这给SVD在图像特征提取中的应用带来很大困难.为此,在研究确定奇异值可压缩到最小数目的基础上,提出一个奇异值压缩的降秩准则,并给出了具体的证明过程和计算方法.计算机仿真研究验证了所提出计算方法的正确性.

一种新的认知无线电宽带盲频谱感知方法

基于信息论准则的宽带频谱感知方法由于很好地克服了噪声不确定性问题而获得了广泛研究.但该类算法的推导需要假定接收数据向量在统计上独立同分布、背景噪声须为高斯白噪声,且其实现复杂度较高.针对这些不足,本文提出一种基于秩准则的宽带盲频谱感知算法.该算法将接收信号的取样协方差矩阵分解成秩为q的'理想'矩阵和'扰动'矩阵之和,利用秩准则函数寻求q值的最优解,然后根据该最优值确定被占用信道的个数及位置.新方法无需依赖噪声功率、信道及主用户信号的统计特征参与感知判决过程,具有广泛的适用性;同时相对于基于信息论准则的宽带频谱感知方法,新方法具有感知判决量表达式简单、计算复杂度低的优点,同时新方法在色噪声场景下表现出优良的感知性能.仿真结果表明了新方法的有效性.

信道编码中交织器的盲识别

研究了分组交织、卷积交织和螺旋交织三种交织器参数盲识别模型,结合秩准则算法与高斯约当消元法,对于各交织器的交织深度、交织宽度、交织偏差、交织步长等参数的盲识别进行了分析,并进一步基于解交织理论和软信息,提出了一种盲解交织的通用方法,提高了算法的实用性和可行性,使其更适用于实际信道。通过仿真实验,验证了在较高误码率下三种交织参数盲识别算法的有效性和抗噪能力。

全速率满分集准正交空时分组码设计研究

自Alamouti提出空时分组码以来,空时分组码的构造得到广泛的研究。研究表明,复正交空时分组码当发射天线数大于3时,它的传输码率小于1。准正交空时分组码虽然能达到全速率,却牺牲了一定的分集增益。根据空时编码秩准则,通过对传统准正交空时分组码进行矩阵旋转处理,得到一种全速率满分集的空时分组码。数值仿真显示,这种全速率满分集空时分组码的性能较传统准正交空时分组码至少有4dB的提高。

均匀平面阵下的二维DOA估计与互耦自校正

针对存在互耦效应时均匀平面阵的测向鲁棒性问题,提出了一种基于秩损准则的互耦自校正算法。根据对互耦效应的先验知识,提出的算法只需将受互耦扰动的阵列响应在变换域中重新排列,便可在后续处理中屏蔽掉互耦效应的不利影响,同时也避免了现有工作中存在的阵列孔径损失问题。借助秩损估计原理,在变换域中设计了一种巧妙的计算步骤,使得方位估计的降维操作得以实现;并且,后续还可通过特征分解法得到更精确的互耦系数估计,以进行阵列误差自校正。与现有的研究工作相比,所提算法无论是在估计精度,还是在计算效率上均有着显著的性能优势。

基于子空间分解的脑电信号眼电伪迹自动去除方法研究

针对脑电信号中的眼电伪迹去除问题,提出了一种基于几何子空间分解的眼电伪迹去除方法。最大噪声分量分析帮助构建几何子空间并将多维脑电信号分解成一系列分量,利用眼电分量间的高相关度,使用Spearman秩相关准则确定相关程度从细节中实现眼电伪迹分量的抽取;将处理后各个分量投影回信号空间并进行重构,于是在无需记录眼电的情况下得到去除眼电伪迹后的脑电信号。为了验证该方法的有效性,分别对自行叠加眼电伪迹的脑电信号及实际测量的脑电信号进行了研究,结合脑地形图能量分布可视化的优势,结果表明该方法能够对脑电信号进行有效降噪。

两种改进的信道阶数估计算法

在传统有效秩检测准则的基础上,通过分析自相关矩阵特征值分解后的相邻三个特征值之间的约束关系,重新构造目标函数,得到了两种改进的有效秩检测准则,提高了对信道阶数的估计性能。仿真实验给出了算法在不同信噪比和信道下的估计性能,结果表明,改进的准则比原算法对信噪比的要求降低了10 dB左右。

基于MHT的网络化雷达抗干扰算法

为解决分布式干扰下,单雷达目标发现性能较差、目标检测概率较低、航迹不连续以及雷达不能有效对目标进行跟踪的问题,提出基于MHT与秩K融合规则的网络化雷达抗干扰算法。对传统的MHT算法进行优化,缩短算法运行时间;对雷达干扰进行识别,针对分布式干扰运用优化后的MHT算法,计算每一个目标的发现概率;利用秩K准则实现融合后的目标检测。分布式干扰下网络化雷达模型对目标的跟踪实验验证了该算法的有效性。