针对最小信息准则(Akaike Information Criterion,AIC)存在的非渐进一致性估计的缺陷,以及盖尔圆准则(Gerschgorin Disk Estimator,GDE)可能出现无序特征值导致检测错误的问题,提出了一种基于盖尔圆准则和最小信息准则的GDE-AIC信源数...针对最小信息准则(Akaike Information Criterion,AIC)存在的非渐进一致性估计的缺陷,以及盖尔圆准则(Gerschgorin Disk Estimator,GDE)可能出现无序特征值导致检测错误的问题,提出了一种基于盖尔圆准则和最小信息准则的GDE-AIC信源数目估计算法。该算法利用盖尔圆半径与噪声模型无关的特性构造似然函数,将其引入AIC准则模型中,克服了AIC准则非渐进一致性估计的缺点,且适用于空间色噪声的环境。在仿真实验中,将该算法与AIC算法及GDE算法等进行对比,结果表明,该方法稳定性好,适用于白噪声与色噪声,且在低信噪比时仍具有良好的估计性能。展开更多
针对盲源分离算法应用中的源数估计问题,提出了一种结合盖尔圆定理(Geschgorin Disk Estimator,GDE)和最小描述长度准则(Minimum Description Length,MDL)的GDE-MDL源数估计方法。GDE-MDL方法集合了盖尔圆定理适用于空间色噪声的优点和...针对盲源分离算法应用中的源数估计问题,提出了一种结合盖尔圆定理(Geschgorin Disk Estimator,GDE)和最小描述长度准则(Minimum Description Length,MDL)的GDE-MDL源数估计方法。GDE-MDL方法集合了盖尔圆定理适用于空间色噪声的优点和MDL准则一致性估计的优点。该方法通过对观测信号协方差矩阵进行酉变换来抑制噪声,可以提高似然函数的灵敏度和信源数目的估计精度,更好的处理低信噪比和空间色噪声条件下的源数估计问题。仿真结果表明,GDE-MDL方法稳定性较好,适应性强,在白噪声和空间色噪声的情况下均可以较好的实现信源数目的估计。展开更多
基于阵列单通道系统,提出了一种新的宽带信号高分辨参数估计方法。利用带通信号的重构理论,建立了新的阵列单通道时域空间谱估计模型。而后推导了信源数目和时延的联合后验概率密度函数。运用改进的混合可逆跳转马尔科夫链蒙特卡罗(Reve...基于阵列单通道系统,提出了一种新的宽带信号高分辨参数估计方法。利用带通信号的重构理论,建立了新的阵列单通道时域空间谱估计模型。而后推导了信源数目和时延的联合后验概率密度函数。运用改进的混合可逆跳转马尔科夫链蒙特卡罗(Reversible Jump Markov Chain Monte Carlo,RJMCMC)方法实现了信源数目和波达方向(Direction Of Arrival,DOA)联合估计。模型构建不受信号相关性限制。仿真结果证实了方法的正确性和估计性能的提高。展开更多
文摘针对最小信息准则(Akaike Information Criterion,AIC)存在的非渐进一致性估计的缺陷,以及盖尔圆准则(Gerschgorin Disk Estimator,GDE)可能出现无序特征值导致检测错误的问题,提出了一种基于盖尔圆准则和最小信息准则的GDE-AIC信源数目估计算法。该算法利用盖尔圆半径与噪声模型无关的特性构造似然函数,将其引入AIC准则模型中,克服了AIC准则非渐进一致性估计的缺点,且适用于空间色噪声的环境。在仿真实验中,将该算法与AIC算法及GDE算法等进行对比,结果表明,该方法稳定性好,适用于白噪声与色噪声,且在低信噪比时仍具有良好的估计性能。
文摘针对盲源分离算法应用中的源数估计问题,提出了一种结合盖尔圆定理(Geschgorin Disk Estimator,GDE)和最小描述长度准则(Minimum Description Length,MDL)的GDE-MDL源数估计方法。GDE-MDL方法集合了盖尔圆定理适用于空间色噪声的优点和MDL准则一致性估计的优点。该方法通过对观测信号协方差矩阵进行酉变换来抑制噪声,可以提高似然函数的灵敏度和信源数目的估计精度,更好的处理低信噪比和空间色噪声条件下的源数估计问题。仿真结果表明,GDE-MDL方法稳定性较好,适应性强,在白噪声和空间色噪声的情况下均可以较好的实现信源数目的估计。
文摘基于阵列单通道系统,提出了一种新的宽带信号高分辨参数估计方法。利用带通信号的重构理论,建立了新的阵列单通道时域空间谱估计模型。而后推导了信源数目和时延的联合后验概率密度函数。运用改进的混合可逆跳转马尔科夫链蒙特卡罗(Reversible Jump Markov Chain Monte Carlo,RJMCMC)方法实现了信源数目和波达方向(Direction Of Arrival,DOA)联合估计。模型构建不受信号相关性限制。仿真结果证实了方法的正确性和估计性能的提高。
