基于加权特征投影的信源数估计方法

考虑到色噪声或低快条件下噪声特征值发散,导致基于特征分解的信源数估计方法得到的信号判据值和噪声判据值区分不明显,提出了一种基于加权特征投影的信源数估计方法;首先,为了使该方法可适用于低信噪比条件,对阵列接收数据的协方差矩阵进行降噪处理,并利用降噪后协方差矩阵所有特征值和特征向量构造了一个用来区分信号和噪声的加权空间矩阵;然后,将降噪后的协方差矩阵在该加权空间矩阵上投影,从而增大了信号判据值与噪声判据值的差异;最后,结合幂函数的缩放性构建了判决函数,进而实现信源数估计;通过理论分析和实验验证,该方法不仅适用于白噪声和色噪声条件,而且在低快拍和低信噪比条件下优势明显,在快拍数为10,信噪比分别为0 dB的白噪声和6 dB的色噪声条件下,该方法的成功检测概率均达到90％以上,同时该算法在信源数较多时效果鲁棒.     

DOA估计算法的一种修正MUSIC算法的研究

传统改进 MUSIC 算法通过对接收信号协方差矩阵作预处理,使信号协方差矩阵分解得到信号子空间与噪声子空间正交,从而降低噪声的影响。但当信号间隔很小时,随着信噪比的降低,传统改进MUSIC算法已无法分辨出信号。基于此问题提出的修正MUSIC算法在使信号子空间与噪声子空间正交的基础上,充分利用了噪声子空间及其特征值对噪声子空间的修正,进而构造谱峰搜索函数估计出信号。通过仿真实验,证实了在信噪比很低的情况下,信号间隔很小且存在相关信号时,修正MUSIC算法能准确地估计出传统改进MUSIC算法不能估计的信号。     

采用单次快拍数据实现信源DOA估计

针对均匀线性阵列DOA估计中的实时性和解相干问题,提出了一种基于单次快拍数据的估计算法,通过对阵列接收的单次快拍数据进行相关处理后重构Toeplitz矩阵,并证明该矩阵的秩不受信号相干性的影响。通过特征值分解,得到对应的信号子空间和噪声子空间,结合MUSIC算法和ESPRIT算法实现了对相干和非相干信号的DOA估计。算法不损失阵列孔径,具有更好的实时性和抗噪声干扰的能力;在低信噪比条件下,仍具有较好的估计性能。最后计算机仿真结果证实了算法的有效性和可行性。     

一种基于加权TOPS的宽带DOA估计新方法

针对投影子空间正交性测试（Test of orthogonality of projected subspaces,TOPS）对宽带信号波达方向估计（Direction?of?arrival, DOA）存在角度分辨率较低,且易出现伪峰的问题,提出了一种加权TOPS的宽带DOA估计新方法。该方法通过最大化各频率点信号子空间与噪声子空间特征值区分度选择参考频点,同时利用信号子空间投影代替其零空间投影;然后利用正交频率子空间测试法（Test of orthogonality of frequency subspaces, TOFS）对平方TOPS法的判定矩阵进行加权修正;最后对判定矩阵求迹实现宽带DOA估计,避免了奇异值分解。与现有的TOPS法、平方TOPS以及TOFS相比,该方法提高DOA估计精度,能够有效剔除伪峰,降低了算法复杂度,且对间隔相近信源DOA估计分辨率更高。仿真实验结果验证了该方法的有效性。     

基于子空间投影的波束形成算法性能分析

全球导航卫星系统(GNSS)接收机采用自适应天线阵进行抗干扰时,传统的自适应算法形成的旁瓣增益较大,干扰信号方向零陷较宽,会滤除部分有用信号。针对传统自适应算法的不足,分析了基于子空间投影的抗干扰波束形成算法,先采用正交子空间投影技术消除接收信号中的强干扰信号,再通过一种加权准则提高信号质量,可避免传统自适应算法的缺点。仿真结果表明,与单一的加权准则、子空间投影技术与线性约束最小方差准则相结合的算法相比,子空间投影技术与最大化信噪比准则相结合的算法能够得到近似相等的信噪比,且在干扰方向形成较窄的零陷,从而提高系统抗干扰性能。     

基于非局部相似及加权截断核范数的高光谱图像去噪

受仪器噪声干扰,高光谱图像(Hyperspectral Image,HSI)往往会受到高斯噪声的破坏,严重影响图像后续处理的精度,因此图像去噪是一项重要的预处理工作.此外,由于高光谱数据维度极高,因此算法效率成为模型应用能力的重要指标.为实现高效H SI去噪,文中首先将高维高光谱图像投影到低维光谱子空间上,从中学习一个正交基矩阵,然后结合高光谱的空间非局部相似性与全局光谱低秩性对低维子空间进行去噪,最后将复原后的低维图像与正交基结合恢复成原始数据维度.其中,非局部去噪过程要先通过图像的非局部相似性以邻域匹配方法寻找相似张量块组成具有强低秩属性的张量群组.针对各张量群组,文章联合加权核范数与截断核范数各自的优势,提出加权截断核范数作为低秩约束正则项,能更好地逼近本质秩属性.进一步,为快速获取模型的最优解,提出改进的近端加速梯度(Accelerated Proximal Gradient,APG)算法对低秩项进行优化求解.通过两组高光谱图像和一组多光谱图像对所提算法进行实验验证,结果表明,所提方法在视觉效果和时间效率上取得了良好的平衡,综合性能明显优于其他基于非局部去噪的对比算法.     

低信噪比条件下的高分辨DOA估计算法

提出一种基于多级维纳滤波器（MSWF）的信号波达方向（DOA）估计算法。通过测试信号子空间的估计值与噪声子空间的正交性实现DOA粗估计,通过测试MSWF分解的互相关函数实现信号DOA的精估计。仿真实验表明,在低信噪比条件下,该算法比已有的子空间类算法有更好的分辨率和误差性能。     

正则化最小二乘的正交局部保持判别投影的人脸识别

提出一种新的子空间学习方法:正则化最小二乘的正交局部保持判剐投影.为了更好地保持数据流形的结构,融合局部保持投影和线性判别分析的特点,对类内和类间加权矩阵分别进行了定义,从而构造目标函数.首先使用特征分解求出训练样本在人脸子空间的投影,然后使用最小二乘法解出投影子空间,最后将子空间的基向量正交化.在标准人脸数据库上的试验证明了这种识别方法的正确和有效.     

基于随机子空间的局部鉴别投影*

针对高维数据容易对噪声敏感及容易造成维数灾难问题,文中提出基于随机子空间的局部鉴别投影算法(RSLDP).利用随机子空间方法对高维的原始数据进行特征选择,在生成的低维特征子空间构造近邻图,降低噪声影响.RSLDP通过最大化局部类间加权散度和最小化局部类内加权散度,同时最小化样本的总体局部散度,改进局部最大间距鉴别嵌入算法,较好刻画样本与其类间类内近邻中心点的关系,有利于鉴别特征的提取.在CMU PIE和AR这2个人脸数据库上的实验表明文中算法的有效性.     

基于FastICA的高精度多径时延估计算法

在高精度无线定位中,针对现有超分辨率时延估计算法在低信噪比时性能较差的问题,提出了一种基于FastICA的多径时延估计算法。利用噪声子空间对白化矩阵进行修正,并采用参考信号约束初始分离矩阵,算法可快速收敛至所需的首达径分量,最后利用参考信号提取首达径时延。仿真结果表明,在信噪比较低的多径环境中,与已有超分辨时延估计算法相比能够有效提高时延估计精度。     

一种新的子空间投影抗干扰改进算法

子空间投影算法是一类重要的天线阵抗干扰算法。在强干扰环境下,子空间投影抗干扰算法能够有效抑制强干扰,但同时也会造成有用信号损耗。本文从天线阵列增益的角度出发,提出一种基于子空间投影的抗干扰新算法,以有效降低有用信号损耗。仿真实验结果证明,本文提出的新算法可使阵列输出载噪比至少提高1.2dB。     

基于加权随机森林的图像超分辨率算法研究

针对目前图像超分辨率重建效果欠佳的问题,提出一种基于加权随机森林的图像超分辨率重建算法.利用随机森林对图像块的特征进行聚类,并引入岭回归模型建立每类叶子结点中高、低分辨率图像块的映射关系,重建时根据测试低分辨率图像块所属的类别以及在每类叶子结点中的K近邻近似拟合误差,进行加权预测获得高分辨率图像块.将图像的非局部自相似性与迭代反投影算法相结合对预测的高分辨率图像进行后处理以提高重建质量.实验结果表明,所提出算法可以有效提高峰值信噪比,具有较好的可视效果.     

Projection and deflation method for partial pole assignment inlinear state feedback

Two projection methods are proposed for partial pole placement in linear control systems. These methods are of interest when the system is very large and only a few of its poles must be assigned. The first method is based on computing an orthonormal basis of the left invariant subspace associated with the eigenvalues to be assigned and then solving a small inverse eigenvalue problem resulting from projecting the initial problem into that subspace. The second method can be regarded as a variant of the Weilandt deflation technique used in eigenvalue methods     

利用FFT相位差校正信号频率和初相估计的误差分析

对利用分段FFT的相位差估计正弦信号的频率和初相的误差进行了分析。首先分析了在FFT幅度最大处FFT相位噪声的统计特性，从而得到了在高斯白噪声背景下频率和初相估计均方根误差的计算公式，指出了频率和初相估计均方根误差与信噪比及FFT长度有关，讨论了信号实际频率与FFT离散谱线对应的频率的偏离程度对频率和初相估计均方根误差的影响，给出了计算机Monte Carlo模拟结果，模拟结果与本文得到的公式计算结果相吻合。     

短快拍条件下宽带chirp信号的波达方向估计

传统的波达方向(DOA)估计算法角度分辨率低或者依赖于大量的快拍,基于稀疏参数估计的SPICE谱估计算法虽然在很少的快拍数即短快拍条件下就能达到较高的分辨率以及低的旁瓣水平,但是只适用于窄带信号。为了解决上述问题,即仅依靠少量快拍实现对宽带线性调频(chirp)信号的高分辨率DOA估计,提出了一种FrFT-SPICE算法。首先,将宽带chirp信号进行特定阶次的分数阶傅里叶变换(FrFT),将时域的chirp波形变为FrFT域的单频正弦波形;其次,推导出FrFT之后接收信号的方向向量;最后,将方向向量代入到窄带的SPICE算法中,实现对宽带chirp信号的DOA估计。仿真实验中,在少量快拍以及扫描间隔相同的前提下,同多重信号分类(MUSIC)与FrFT相结合的FrFT-MUSIC算法相比, FrFT-SPICE在DOA估计的分辨率方面有所提高;而同将空间重采样(SR)与迭代自适应算法(IAA)相结合的SR-IAA相比, FrFT-SPICE在估计精度上有所提高。实验结果表明,所提算法能够在短快拍条件下实现对宽带chirp信号的高分辨率、高精度的DOA估计。     

Audible Noise Reduction in Eigendomain for Speech Enhancement

A signal subspace scheme based on masking properties is proposed for enhancement of speech degraded by additive noise. Since the masking properties are related to the critical frequency band that is derived from the characteristics of human cochlea, the incorporation of masking threshold into a subspace technique requires the transformation between the frequency and eigen domains. We present and apply an invertible transformation between the frequency and eigen domains. In this paper, we use masking properties of the human auditory system to define the audible noise quantity in the eigendomain. We derive the eigen-decomposition of the estimated speech autocorrelation matrix with the assumption of white noise. Subsequently, an audible noise reduction scheme is developed based on a signal subspace technique, and the implementation of our proposed scheme is outlined. We further extend the scheme to the colored noise case. Simulation results show the superiority of our proposed scheme over other existing subspace methods in terms of segmental signal-to-noise ratio (SNR), perceptual evaluation of speech quality (PESQ), modified Bark spectral distortion (MBSD), spectrogram and informal listening tests.     

利用图像局部自相似性的超分辨率重构算法

图像超分辨率重构是指由低分辨率图像来获得高分辨率图像的过程。为了能够有效地重构出高分辨率图像,提出一种基于图像局部自相似性的超分辨率快速重构算法。该算法首先利用四叉树分割的知识对低分辨率图像进行自适应分块;然后利用低分辨率图像和高分辨率图像在局部区域内的自相似性,由最小二乘方法在各个局部区域自适应的选择插值所需的参数,从而在各个局部区域内进行插值;最后运用小波域的投影算子对插值得到的高分辨率图像进行全局优化,得到最终的高分辨率图像。实验结果表明,由该算法重构的高分辨图像有很好的视觉效果和峰值信噪比。