现有信源定位方法大多假定信源是远场源或近场源,而实际定位系统中往往存在远场源和近场源共存的情况.为实现远、近场源分离及高精度信源定位,本文在稀疏信号重构理论框架下提出了一种新的远近场混合源定位算法.该算法利用阵列协方差矩...现有信源定位方法大多假定信源是远场源或近场源,而实际定位系统中往往存在远场源和近场源共存的情况.为实现远、近场源分离及高精度信源定位,本文在稀疏信号重构理论框架下提出了一种新的远近场混合源定位算法.该算法利用阵列协方差矩阵反对角线元素和重加权l_1范数惩罚获得所有信源的到达角(Direction Of Arrival,DOA)估计.在DOA估计的基础上,根据远场与近场源距离参数位于不同区间的特点利用一维搜索实现远、近场源分离以及近场源距离参数的估计.从理论角度分析了重加权l_1范数惩罚算法的重构性能.本文所提算法不仅同时适用于高斯和非高斯信号,而且无需多维搜索和参数配对,也无需信源数的先验信息,同时还可以获得较好的定位精度.计算机仿真结果验证了所提算法的有效性.展开更多
人脸识别是统计模式识别领域中经典的分类问题,为了提高算法的分类性能,优化技术被广泛应用到人脸识别领域。提出基于稀疏恢复的l1范数凸包分类算法,将原始训练数据集进行低秩恢复,利用恢复出的低秩矩阵和误差矩阵构成新训练集字典建立...人脸识别是统计模式识别领域中经典的分类问题,为了提高算法的分类性能,优化技术被广泛应用到人脸识别领域。提出基于稀疏恢复的l1范数凸包分类算法,将原始训练数据集进行低秩恢复,利用恢复出的低秩矩阵和误差矩阵构成新训练集字典建立各类训练样本凸包模型,并在l1范数意义下,计算观测样本与各类凸包模型差值,用所得差值等价观测样本到各类样本凸包的距离,将距离最小的一类视为判别输出类。在ORL(Olivetti Research Lab)标准人脸图像库上进行实验分析,实验证明基于稀疏恢复的l1范数凸包分类算法具有较高的识别效率。展开更多
文摘现有信源定位方法大多假定信源是远场源或近场源,而实际定位系统中往往存在远场源和近场源共存的情况.为实现远、近场源分离及高精度信源定位,本文在稀疏信号重构理论框架下提出了一种新的远近场混合源定位算法.该算法利用阵列协方差矩阵反对角线元素和重加权l_1范数惩罚获得所有信源的到达角(Direction Of Arrival,DOA)估计.在DOA估计的基础上,根据远场与近场源距离参数位于不同区间的特点利用一维搜索实现远、近场源分离以及近场源距离参数的估计.从理论角度分析了重加权l_1范数惩罚算法的重构性能.本文所提算法不仅同时适用于高斯和非高斯信号,而且无需多维搜索和参数配对,也无需信源数的先验信息,同时还可以获得较好的定位精度.计算机仿真结果验证了所提算法的有效性.
文摘人脸识别是统计模式识别领域中经典的分类问题,为了提高算法的分类性能,优化技术被广泛应用到人脸识别领域。提出基于稀疏恢复的l1范数凸包分类算法,将原始训练数据集进行低秩恢复,利用恢复出的低秩矩阵和误差矩阵构成新训练集字典建立各类训练样本凸包模型,并在l1范数意义下,计算观测样本与各类凸包模型差值,用所得差值等价观测样本到各类样本凸包的距离,将距离最小的一类视为判别输出类。在ORL(Olivetti Research Lab)标准人脸图像库上进行实验分析,实验证明基于稀疏恢复的l1范数凸包分类算法具有较高的识别效率。
