单通道信源数估计的改进方法

本文对单通道接收信号的源数估计方法进行了研究,提出了对现有方法的改进措施.将单通道数据通过延迟处理转换为多通道形式,然后引入阵列信号处理中的信源数估计算法,如盖氏圆盘估计法(Gerschgorin’s Disk Estimation,GDE)和最小描述字长法(Minimum Dscription Lengh,MDL).基于信息理论标准(ITC)的MDL方法在低SNR条件下获得比GDE更好的性能,但是它无法处理包含有色噪声的信号.GDE方法虽然可以克服有色噪声的影响,但是其在低SNR下的性能欠佳.基于上述考虑,本文对这两种方法进行了改进.采用对角加载技术改善MDL方法的性能,并引入Jackknife切法优化数据协方差矩阵,以提高GDE方法的性能.模拟实验结果表明:本文提出的方法使原有方法的性能得到很大改善.

1种基于自助法的奇异值检测方法

如何检测数据集中的奇异值仍然是多元校正中的1个重要的问题。对于化学计量学研究者来说,找到1个普遍适用的方法仍然是1个重要的任务。本文的目的是介绍1种较新的基于自助法的奇异值检测方法。本法以内部学生化残差为基准,用自助法对相关变量进行估计,并采用刀切-自助法对估计值进行评价。它不要求回归模型的残差服从正态分布,因而适用于大部分回归分析中的奇异值检测。本文中采用烟草和玉米样本的近红外光谱数据对该法进行验证,结果表明,采用基于自助法的奇异值检测方法剔除奇异样品后,模型的预测误差减小15%,优于学生化残差-杠杆值法和稳健偏最小二乘法。我们还在玉米近红外光谱的基础上,进行了奇异样品数的模拟研究,并采用该法进行检验。结果表明,当奇异样品的数量少于总样品数的10%时,该方法的表现较其它2种方法好。所以,基于自助法的奇异值检测方法是1种有效的方法。