基于降维子空间的多重信号分类快速算法_论文_百度文库
两大类热门资源免费畅读
续费一年阅读会员，立省24元！
您可以上传图片描述问题
联系电话：
请填写真实有效的信息，以便工作人员联系您，我们为您严格保密。
基于降维子空间的多重信号分类快速算法
||文档简介
中国最大最早的专业内容网站|
总评分0.0|
&&基​于​M​U​S​I​C​的​D​O​A​估​计​存​在​运​算​量​大​的​问​题​,​已​有​的​改​进​快​速​算​法​很​多​是​以​降​低​精​度​为​代​价​的​,​因​此​提​出​了​基​于​降​维​子​空​间​的​多​重​信​号​分​类​快​速​算​法​,​该​算​法​先​利​用​降​维​的​噪​声​子​空​间​进​行​D​O​A​粗​略​估​计​,​使​得​M​U​S​I​C​搜​索​的​运​算​量​大​大​减​小​,​然​后​利​用​最​大​噪​声​子​空​间​对​估​计​结​果​进​行​修​正​;​数​值​仿​真​结​果​表​明​,​该​方​法​能​够​在​不​影​响​D​O​A​估​计​精​度​的​情​况​下​显​著​降​低​运​算​量​,​使​M​U​S​I​C​算​法​更​具​实​用​性​。
试读已结束，如果需要继续阅读或下载，敬请购买
定制HR最喜欢的简历
你可能喜欢PAST 投影逼近子空间跟踪( )算法的实现以及和多重信号分类(music 对比。内 释 matlab 238万源代码下载-
&文件名称: PAST
& & & & &&]
&&所属分类:
&&开发工具: matlab
&&文件大小: 1 KB
&&上传时间:
&&下载次数: 53
&&提 供 者:
&详细说明：投影逼近子空间跟踪(past)算法的实现以及和多重信号分类(music)算法的对比。内附注释-Projection approximation subspace tracking (past) algorithm and implementation as well as multiple signal classification (music) algorithm comparison. Included comments
文件列表(点击判断是否您需要的文件，如果是垃圾请在下面评价投诉):
&[]:一般，勉强可用&[]:还不错
&近期下载过的用户:
&相关搜索:
&输入关键字，在本站238万海量源码库中尽情搜索：
&[] - PAST算法的实现,用matlab语言，简单粗略版本
&[] - 基于投影逼近的子空间跟踪（PAST）方法，用于自适应盲信号分离
&[] - 宽带DOA的TCT算法，从本网站下载之后，发现程序有点问题而不能运行，对线性调频信号的生成做了小改动后，程序可以正常运行
&[] - 使用PAST算法进行子空间分析，MUSIC算法进行频率估计，实现了对信号的频率跟踪
&[] - 这是一个基于最大信息判据的盲源分离算法程序，这个程序能很好的分离信号。
&[] - 基于子空间的波束形成算法，主要利用信号子空间投影的原理
&[] - 宾.杨（Bin Yang）的PAST算法（投影近似子空间跟踪算法）原文翻译.
&[] - GPS信号中C/A码的傅里叶变换，matlab程序
&[] - music算法的实现　MU S IC 算法是一种子空间分解算法, 它的各种性能已被广泛研究. 在信号波达方向估计领
域, MU S IC 算法的应用, 形成了MU S IC 波达方向估计算法. 实际应用中,MU S IC 波达方向估计算法, 拥有超分辨能力的同时, 也存在原理性缺点――MU S I优秀研究生学位论文题录展示快速稳健的参数估计及波束形成技术研究专　业: 信号与信息处理关键词: 阵列信号处理 信源个数检测 参数估计 波束形成 特征空间 波达方向分类号: TN911.7形　态: 共 132 页　约 86,460 个字　约 4.136 M内容阅　读: 内容摘要阵列信号处理是现代信号处理的一个重要的分支，其应用广泛的涉及到雷达、声呐、导航、通讯、成像、地质勘探和生物医学工程等诸多领域。因此对于该领域的研究有着重要的理论和应用价值。本论文的主要研究内容是阵列信号处理系统中的参数估计和波束形成技术，其目的是为了研究不同的噪声背景下快速有效的子空间估计方法，以及建立快速稳健的波束形成技术。论文主要的工作如下:1针对多级维纳滤波器MSWF用于子空间估计时信号特征矢量泄漏到噪声子空间的问题，提出了一种新的信号子空间估计算法，该算法不需要训练信号和信源个数的先验知识。对于信源个数的确定，给出了一种信源检测的后判断方法，最终完成信源个数及方向的同时估计。整个算法不需要协方差矩阵的计算和特征值的分解，具有较低的计算复杂度。2对于空间相关噪声下的快速DOA估计，我们把时间相关信息引入到多级维纳滤波器算法中，提出了基于空时相关的多级维纳分解算法，用于快速估计空间相关噪声下信源的波达方向。同时针对相干信源情况我们给出了前后向平滑的多级维纳子空间估计快速算法，用于快速估计相干信源的波达方向。3针对基于采样协方差矩阵幂的快速子空间估计方法中存在的缺点：需要预先知道信源个数的先验知识以及分离信号与噪声特征值的门限。本文提出了一种基于QR分解的Power-ESPRIT以下简称QP-ESPRIT算法新算法。首先使用采样数据协方差矩阵的幂Power获得噪声子空间的估计，然后对噪声子空间进行QP,分解并使用R矩阵估计信源个数，提出了无特征分解的信源个数检测算法一SDWED算法。进而，信号子空间的特征向量就可以由Q矩阵确定，从而应用ESPRIT算法获得信源波达方向的估计。4提出了一种基于多极维纳滤波器的快速稳健广义旁瓣相消GeneralizedSidelobeCanceller,GSC波束形成器。首先根据多级维纳分解推导出计算加载量方程，从而得到精确的加载量，进一步结合提出的匹配滤波器加载技术，使得算法达到了稳健的性能。该算法不需要计算阵列的协方差矩阵及其特征值分解，因此极大的降低了算法的计算复杂度。5提出了一种自适应参数选择的稳健波束形成算法，克服了固定误差参数的选择对于稳健波束形成算法性能的影响。该算法使用双约束最坏性能的最优化问题，推导出了计算加载量的方程，并根据该方程的特性，提出了自适应确定误差参数的方法。与基于固定加载和特征空间等稳健波束形成算法的仿真实验对比证明了所提算法的稳健性和有效性。6使用了一种非监督的聚类算法一FCM算法，提出了非监督特征值聚类的检测算法一UECD算法。该算法受采样快拍数的影响很小具有很强的鲁棒性。在高斯白噪声和空间相关色噪声情况下，算法都可以得到正确的估计。尤其对于非均匀的高斯白噪声本文算法的检测性能最好。在空间相关色噪声情况时，无论是使用两个独立阵列且两阵列之间的噪声不相关的情形，还是使用阵元间的噪声相关的单一阵列，算法都是有效的，只是后一种情况下本文算法的检测性能会略微下降。因此算法适用于各种噪声模型，具有很强的普适性..……全文目录文摘英文文摘第一章 绪论1.1论文的研究背景及其意义1.2阵列信号处理中信源数目检测的研究历史及现状1.3阵列信号处理中参数估计的研究历史及现状1.3.1快速参数估计的研究历史及现状1.3.2空间相关色噪声下参数估计的研究历史及现状1.4波束形成的研究历史及现状1.4.1自适应波束形成的研究历史及现状1.4.2稳健波束形成的研究历史及现状1.5本文的主要研究工作及内容安排参考文献第二章 阵列信号处理的基础知识2.1引言2.2阵列信号处理的统计模型2.3基于信息论准则的信源数目的检测2.4阵列参数估计的子空间类高分辨算法2.4.1子空间的基本概念2.4.2 MUSIC法多重信号分类法2.4.3 ESPRIT法旋转空间不变法2.5阵列信号处理的波束形成技术2.6小结参考文献第三章 基于多级维纳滤波器的快速波达方向估计算法3.1引言3.2多级维纳滤波器技术3.2.1满秩的多级维纳滤波器3.2.2多级维纳滤波器的有效实现结构3.2.3多级维纳滤波器的性质3.3基于多级维纳滤波器的快速波达方向估计算法3.3.1基于多级维纳滤波器的快速子空间估计3.3.2一种新的快速子空间估计算法3.3.3信源数目估计的的后判断算法3.3.4计算机仿真实验3.4小结参考文献第四章 未知噪声情况下的DOA估计快速算法4.1引言4.2空间相关色噪声下的DOA估计快速算法4.2.1信号模型及假设4.2.2基于空时相关的多级维纳快速子空间估计算法4.2.3计算机仿真实验4.3空间相关色噪声下相干信源的DOA估计快速算法4.3.1基于前后向平滑的空时多级维纳分解算法4.3.2计算机仿真试验4.5小结参考文献第五章 基于协方差矩阵幂的快速ESPRIT算法5.1引言5.2基于协方差矩阵幂的子空间近似算法5.3无特征分解的信源个数估计算法SDWED5.4一种低复杂度的QP-ESPRIT新算法5.5计算机仿真实验5.6小结参考文献第六章 快速稳健的波束形成技术6.1引言6.2稳健的波束形成技术理论6.3一种快速稳健的波束形成算法6.3.1基于多级维纳滤波器的GSC波束形成器6.3.2快速稳健的GSC波束形成器6.3.3计算机仿真实验6.4一种自适应参数选择的稳健的波束形成算法6.4.1基于最坏性能最优化的稳健的波束形成算法6.4.2一种自适应参数选择的稳健波束形成器6.4.3计算机仿真实验6.5小结参考文献第七章 基于非监督模糊聚类的信源个数稳健检测算法7.1引言7.2 Fuzzy-c-means聚类算法7.3信号模型及问题提出7.4一种基于非监督聚类的稳健信源个数检测算法-UECD检测算法7.4.1聚类趋势分析7.4.2聚类的有效性分析7.4.3聚类中心的初始化分析7.4.4 UECD检测算法7.5计算机仿真实验7.6小结参考文献第八章 总结与展望8.1总结8.2展望相似论文,58
页,TN911.73,48
页,TN911.73
TP183,68
页,TN911.7
O175.9,60
页,TN911.7,70
页,TN911.7
O174.2,57
页,TN911.73,80
页,TN911.7,171页,TN911.73
O175.2,68
页,TN911.7
TP301.6,63
页,TN919.81
TN911.1,77页,TN912.3,109页,TN912.34,59
页,TN912.35,98
页,TN919.8,72
页,TN914.42,74页,TN919.81 TN762,85页,TN911.73,70页,TN919.85 TP37,58页,TN919.81,62页,TN911.73中图分类:
> TN911.7 > 工业技术 > 无线电电子学、电信技术 > 通信 > 通信理论
& 2012 book.现代信号处理03-4-5_图文_百度文库
两大类热门资源免费畅读
续费一年阅读会员，立省24元！
评价文档：
现代信号处理03-4-5
上传于||暂无简介
大小：953.50KB
登录百度文库，专享文档复制特权，财富值每天免费拿！
你可能喜欢多重信号分类算法
multiple signal classification (music) algorithm
多重信号分类算法
基于1个网页-
MUSIC Algorithm
多重信号分类算法
基于1个网页-
multiple signal classification (music)
多重信号分类算法
基于1个网页-
multiple signal classification music
多重信号分类算法
基于1个网页-
multi-signal classification algorithm
modified multiple signal classification (MMUSIC)
magnetoencephalogram multiple signal classification algorithm
multiple signal classification (music) algorithm
multiple sginal classification(MUSIC) algorithm
multiple signal classification music algorithm
更多收起网络短语
multiple signal classification algorithm
&2,447,543篇论文数据，部分数据来源于NoteExpress
多重信号分类（MUSIC）算法是通过对数据协方差矩阵进行本征分解获得信号空间谱估计的方法。
MUSIC (MUltiple SIgnal Characterization) is a special spectral estimation method based on the eigen decomposition of the sample covariance matrix.
基于重构的分数低阶矩阵，提出了重构分数低阶协方差的多重信号分类测向算法和信号子空间拟合测向算法。
This method exploits the sources′ DOA information embedded in the sources′ velocity field by an ESPRIT algorithm and reduces the DOA variances via weighted subspace fitting techniques.
介绍了包括多重信号分类（MUSIC）、旋转不变子空间（ESPRIT）和共轭ESPRIT算法在内的子空间分解类算法，并进行了较为深入的理论性能分析；
Secondly, subspace decomposition algorithm is introduced, which mainly including MUSIC algorithm, ESPRIT algorithm and conjugate ESPRIT algorithm, and their theoretical performance is deeply analyzed.
点击关注有道词典
$firstVoiceSent
- 来自原声例句
请问您想要如何调整此模块？
感谢您的反馈，我们会尽快进行适当修改！
请问您想要如何调整此模块？
感谢您的反馈，我们会尽快进行适当修改！}