子空间约束的最小二乘常模算法

常模算法(CMA)是一种性能优良的盲多用户检测算法.最小二乘常模算法(LSCMA)因其全局收敛性和稳定性而备受关注,但是在信噪比低时性能不理想.本文将最小二乘常模算法,紧缩近似投影子空间(PASTd)算法和奇异值分解(SVD)相结合,提出了一种子空间约束的最小二乘常模算法,称为SUB_LSCMA,其复杂度比已有的基于直接对接收信号自相关矩阵做特征值分解(ED)的LSCMA_SUB[6]复杂度低.仿真结果表明这种算法的收敛速度、跟踪性能和误码性能和LSC-MA_SUB基本相同.     

基于子空间方法的最小二乘常模算法的研究

本文提出了两种基于子空间方法的常模算法,称为SUB_LSCMA和LSCMA_PASTd。SUB_LSCMA先采用奇异值分解(SVD)获得紧缩近似投影子空间(PASTd)算法的初值,用PASTd算法来计算信号子空间,并对该信号子空间作施密特正交化,将最小二乘常模算法(LSCMA)的权系数投影到正交的信号子空间上,目的是减轻噪声子空间干扰的影响,但复杂度比已有的基于直接对接收信号自相关矩阵做特征值分解(ED)的LSCM_SUB算法[6]复杂度低。LSCMA_PASTd在SUB_LSCMA的基础上作了进一步改进,采用改进的PASTd算法来计算信号子空间,该信号子空间具有正交性,并且对初值的选取不敏感,能运用于实际的多径衰落信道中。仿真结果表明这两种算法的收敛速度、跟踪性能和误码性能和LSCM_SUB算法基本相同,但是复杂度比LSCM_SUB算法低。     

一种新的子空间跟踪方法在DOA估计中的应用

介绍了一种新的子空间跟踪方法(双迭代最小二乘(Bi—LS)子空间跟踪方法)在DOA估计中的应用。特征子空间方法的关键是对信号或噪声子空间的估计。在实际中，有些信号的统计特性是时变的，为得到参数的即时估计值，需要随时根据新的阵列接受数据对信号或噪声子空间进行更新。将Bi—LS子空间跟踪算法和自适应ESPRIT算法相结合，形成一种快速递推的自适应ESPRIT算法，对时变信号DOA进行跟踪估计。其计算复杂度小，仿真结果验证了该算法的有效性。     

基于子空间跟踪和卡尔曼滤波的半盲多用户检测

本文研究多载波CDMA(MC-CDMA)上行链路半盲多用户检测技术,提出了一种基于子空间跟踪和卡尔曼滤波的半盲多用户检测算法。利用小区内所有用户的扩频码修改约束条件并采用修正的紧缩近似投影子空间跟踪(PASTd)算法和卡尔曼滤波算法求解优化问题,该算法利用已知的信息消除多址干扰,提高了系统的性能,同时避免了常规卡尔曼滤波算法的特征值分解问题,显著降低了计算复杂度。仿真实验验证了本文算法具有很好的检测性能和较强的抗多址干扰能力。     

非协作通信中的盲信噪比估计算法

为解决调制识别前端的信噪比估计问题,首先给出了一种新的基于子空间分解的盲信噪比估计算法,新算法通过利用信号的过采样率信息构造特定维数的自相关矩阵,避免了原算法中对信号和噪声空间维数的估计.同时为了降低算法计算复杂度,以及更好地跟踪信噪比的变化,给出了另一种基于PASTd的子空间跟踪算法来进行信噪比的跟踪估计.仿真结果表明,与经典的子空间分解算法相比,改进算法在性能上有着显著的优势;同时基于PASTd的信噪比估计算法相比基于子空间分解的估计算法更好地跟踪了信噪比的时变.     

基于子空间约束RLS的半盲多用户检测算法

考虑实际的MC-CDMA上行链路,深入研究了基于RLS算法实现的MOE(RLS-MOE)盲自适应多用户检测,提出了MC-CDMA系统下一种基于子空间约束RLS的半盲多用户检测算法.在MOE盲多用户检测的基础上,利用小区内用户的已知扩频码设计了一种MOE半盲多用户检测器.将子空间方法和RLS算法相结合提出一种基于子空间约束的RLS 算法,使用该算法自适应得到MOE的权向量.本文算法利用所有已知用户的扩频码抑制了小区内用户的干扰,子空间约束的RLS 算法降低了噪声的影响,从而改善了系统的性能.修正的PASTd算法实现了信号的自适应跟踪,大大降低了计算量.仿真实验表明,本文算法的输出信干噪比和误码率性能优于RLS-MOE盲多用户检测,更接近于最优值.     

多路径异步CDMA系统动态子空间跟踪算法

针对CDMA系统用户数改变,从而导致信号子空间维数变化时的情况进行分析,提出一种基于基旋转的动态子空间跟踪算法,并将其应用于多路径异步CDMA系统的多用户检测算法中。仿真结果表明,该算法能迅速地跟踪维数变化了的信号子空间,从而提高基于该跟踪结果的CDMA多用户检测算法的性能。     

Alpha稳定分布噪声中的韧性投影 近似子空间跟踪算法

 为了克服投影近似子空间跟踪算法(PAST)在脉冲噪声环境下性能的退化,本文以Alpha 稳定分布为脉冲噪声模型,依据韧性的M估计方法提出了一种新的代价函数,并推导出基于递归最小M估计的韧性投影近似自适应信号子空间跟踪算法(RLM_-PAST).由于采用了适合噪声模型的M估计函数,新算法与采用递归最小二乘估计的子空间跟踪算法相比,在稳定分布脉冲噪声环境下具有更好的性能.把新方法应用于波达方向(DOA)估计,数值仿真结果表明了该算法的有效性.     

声矢量传感器阵中基于PASTd的二维DOA跟踪算法

通过研究声矢量传感器阵列中高效的运动目标到达角(DOA)跟踪算法,提出一种声矢量传感器阵列中基于紧缩投影近似子空间跟踪(PASTd)的DOA跟踪方法。该方法利用PASTd算法进行声矢量传感器任意阵的DOA跟踪,其快速收敛的特点可以降低运算复杂度。同时,其角度跟踪的均方根误差(RMSE)性能优于常用的PAST算法。仿真结果验证了该算法的有效性。     

基于最小二乘恒模算法及子空间方法的盲多用户检测算法

恒模算法（CMA)是一种广泛应用于阵列处理、均衡、多用户检测中的盲算法。最小二乘恒模算法(LSCMA)由于其全局收敛性及稳定性受到关注，但是它在信噪比较低时性能不是很理想。本文将最小二乘恒模算法与子空间方法相结合，提出一种基于子空间分解的恒模算法，称为LSCM_SUB算法。仿真结果表明这种算法的收敛性能比LSCMA要好，尤其是在信噪比低的时候。     

子空间重构的一类自适应波束形成算法

针对多维阵列的全维自适应波束形成算法运算量大和小样本条件下性能下降问题,该文提出采用子空间重构技术的自适应波束形成算法(SRC-BF)。该方法利用多维域的全维阵列数据可分维构造的特点,首先在训练样本集上估计分维阵列数据的信号子空间;然后基于张量积性质重构全维信号子空间并自适应剔除交叉项;最后采用子空间投影算法计算自适应加权矢量。理论分析和仿真结果表明该方法具有较低的运算复杂度,能有效提高自适应波束形成算法在小样本条件下的输出信干噪比。     

基于最大似然可变子空间的快速说话人自适应方法

该文提出一种基于最大似然可变子空间的说话人自适应方法。在训练阶段,对训练集中的说话人相关模型参数进行主分量分析,得到一组说话人基矢量;在自适应阶段,通过最大似然准则选取与当前说话人相关性最大的基矢量子集,进而将新的说话人相关模型限制在这组基矢量所张成的说话人子空间中,通过求解每一个基矢量对应的系数从而进行说话人自适应。与经典的基于子空间的说话人自适应方法不同,该文中的说话人子空间是在自适应阶段动态选取的,所需要估计的参数更少,在少量自适应数据下可以得到更稳健的自适应结果。在基于微软语料库的连续语音识别自适应实验中,给定极少量自适应数据(小于5 s),在有监督和无监督条件下,该文方法均优于经典的本征音自适应方法和基于最大似然线性回归的方法。     

Robust subspace clustering based on inter-cluster correlation reduction by low rank representation

Subspace clustering refers to clustering data points into their respective subspaces and finding a low-dimensional structure to fit each group of points. In subspace clustering, the inter-cluster correlation of data which is caused by noise such as illumination and background affects the performance of subspace clustering algorithms. To solve this problem, a new approach is proposed to detect the unusual data with strong inter-cluster correlation based on the representation matrix obtained from low-rank representation (LRR). Then a low-rank model was established by reducing the unusual part of data and subspace clustering is performed. In addition, in order to apply subspace clustering algorithm on unaligned data, the preprocessing is required to make the data aligned, and the preprocessed data is used in experiments. Experimental results on the face dataset and texture dataset show the efficiency of the proposed method. The experiment also indicates that with the signal ratio increasing, the inter-cluster correlation is becoming more obvious.     

Inverse QR iterative method for subspace tracking

The Bi-LS method based on QR decomposition provides a convenient framework for developing efficient subspace tracking algorithms. To overcome the shortcoming of the backsubstitution step and improve the parallel architecture of the Bi-LS algorithms, a Bi-LS subspace tracking algorithm based on Inverse QR (IQR) decomposition is developed. The proposed IQR iterative algorithm for subspace tracking is well suited for the parallel implementation in the systolic array. Simulation results are presented to illustrate the effectiveness of the proposed IQR subspace tracking algorithm.     

基于子空间的3D目标识别和姿态估计方法

提出一种基于子空间的3D目标识别方法。该方法对3D目标进行事先的训练学习,采集目标可能出现时的图像,提取场景中目标的主要特征成分,建立所有目标样本图像和每个目标样本图像对应的两类特征子空间,分别用来确定目标类型和姿态。当输入一幅未知的待识别目标样像,识别系统将其分别向两类特征空间投影,根据它在两类特征子空间中的投影位置并参照目标特征的分布规律识别目标类型和姿态。实验证明,该方法具备对目标多种姿态图像畸变的鲁棒性,对光照变化也有很好的抑制作用,取得良好的目标识别效果。     

基于自适应子空间重建的杂波抑制

针对红外图像中背景杂波抑制困难的问题,提出了一种基于自适应子空间重建的杂波抑制方法.该方法首先根据稀疏编码理论,学习得到描述红外小目标的超完备字典,接着依次提取测试图像中的图像子块,并计算其在超完备字典中的表示系数,根据背景子块和红外小目标在稀疏域中表示系数的差异性,自适应地选择字典中的原子构成子空间对图像子块进行重构,从而得到原图与重构图像之间的残差图像.实验结果表明,该方法得到的残差图像,能够有效抑制杂波,提高红外图像的信噪比.     

Clutter suppression method for heterogeneous environment

Clutter suppression is a key process in ground moving target indication (GMTI). Adaptive filtering is an effective method for clutter suppression but the performance degrades severely in heterogeneous clutter environment. To solve this problem, a new clutter suppression method is proposed. The approach uses subspace tracking technique to update clutter subspace of different clutter patches which may mitigating the heterogeneous effects. Simulation results illustrate that the method performs well when lacking of the independent and identically distributed (i.i.d.) samples.     

多速率CDMA系统的盲自适应多用户接收机

该文研究可变扩频长度(Variable Spreading Length, VSL) 多速率直接序列码分多址(Direct-Sequence Code-Division Multiple-Access, DS-CDMA) 系统中的自适应多用户接收机。利用到相交子空间的迭代投影估计得到包含信道信息的特征矢量,以此构造多用户接收机。借助于子空间跟踪算法的特殊形式,推导了特征矢量估计算法及多用户接收机的一种低复杂度的自适应实现。仿真实验证明,该算法有很好的数值稳定性,与传统算法BER性能相同的情况下,具有更低的计算复杂度。     

PixelHop: A successive subspace learning (SSL) method for object recognition

A new machine learning methodology, called successive subspace learning (SSL), is introduced in this work. SSL contains four key ingredients: (1) successive near-to-far neighborhood expansion; (2) unsupervised dimension reduction via subspace approximation; (3) supervised dimension reduction via label-assisted regression (LAG); and (4) feature concatenation and decision making. An image-based object classification method, called PixelHop, is proposed to illustrate the SSL design. It is shown by experimental results that the PixelHop method outperforms the classic CNN model of similar model complexity in three benchmarking datasets (MNIST, Fashion MNIST and CIFAR-10). Although SSL and deep learning (DL) have some high-level concept in common, they are fundamentally different in model formulation, the training process and training complexity. Extensive discussion on the comparison of SSL and DL is made to provide further insights into the potential of SSL.     

SUBSPACE METHOD FOR BLIND IDENTIFICATION OF CDMA TIME—VARYING CHANNELS

A new blind method is proposed for identification of CDMA Time-Varyin(TV) channels in this paper.By representing the TV channel‘s impulse responses in the delay-Doppler spread domain, the discrete-time canonical model of CDMA-TV systems is developed and a subspace method to identify blindly the Time-Invariant(TI) coordingates is proposed.Unlike existing basis expansion methods, this new algorithm does not require estimation of the base frequencies, neither need the assumption of linearly varying delays across symbols.The algorithm offers definite explanation of the expansion coordinates.Simulation demonstrates the effectiveness of the algorithm.