期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
改进的变分稀疏贝叶斯学习离格DOA估计方法
被引量：
1
1
作者
王绪虎
金序
+3 位作者
侯玉君
徐振华
田雨
张群飞
《振动与冲击》
EI
CSCD
北大核心
2024年第13期134-143,共10页
为提高阵列信号处理运算速率,改善其方位估计性能,提出了一种改进变分稀疏贝叶斯学习离格波达方向(direction-of-arrival, DOA)估计方法。该方法利用实值变换,将向量化后的接收信号协方差矩阵转化到实数域,结合变分稀疏贝叶斯学习和网...
为提高阵列信号处理运算速率,改善其方位估计性能,提出了一种改进变分稀疏贝叶斯学习离格波达方向(direction-of-arrival, DOA)估计方法。该方法利用实值变换,将向量化后的接收信号协方差矩阵转化到实数域,结合变分稀疏贝叶斯学习和网格演化的思想,在迭代过程中使网格从初始的均匀网格自适应地演化为非均匀网格,通过网格更新和网格裂变交替迭代使演化后的网格点逐渐逼近真实信源方位。仿真结果表明,改进方法与传统压缩感知类方法相比,减小了运算量,提高了运算速率,且具有更高的方位估计精度和方位分辨能力,在少快拍和低信噪比情况下,改进方法性能提升的优势更明显。湖上试验数据处理结果进一步验证了该方法的有效性和工程实用性。
展开更多
关键词
波达方向(DOA)估计
离网格模型
实值
变
换
网格演化
变分稀疏贝叶斯学习
在线阅读
下载PDF
职称材料
基于因子图的分布式变分稀疏贝叶斯压缩感知
被引量：
3
2
作者
朱翠涛
杨凡
+1 位作者
汪汉新
李中捷
《通信学报》
EI
CSCD
北大核心
2014年第1期140-147,共8页
提出了一种基于因子图的分布式变分稀疏贝叶斯压缩感知算法。该算法利用因子图和变分方法将全局感知问题分解为简单的局部问题,通过认知用户邻居间的置信传播实现"软融合",使每个认知用户能够获得全局最优估计。且充分利用邻...
提出了一种基于因子图的分布式变分稀疏贝叶斯压缩感知算法。该算法利用因子图和变分方法将全局感知问题分解为简单的局部问题,通过认知用户邻居间的置信传播实现"软融合",使每个认知用户能够获得全局最优估计。且充分利用邻居间传递的信息所具有的时间和空间二维相关性,提高认知用户在低信噪比下的感知性能。同时,算法在迭代过程中自适应地删除不收敛的超参数及对应的基函数,降低通信负载。实验结果表明:该方法在低采样率和低信噪比下有较好的感知性能。
展开更多
关键词
认知无线电
频谱感知
因子图
变分稀疏贝叶斯学习
在线阅读
下载PDF
职称材料
共形极化敏感阵列单元失效下的稳健参数估计
被引量：
4
3
作者
蓝晓宇
姜来
+1 位作者
耿莽河
王宇鹏
《西安电子科技大学学报》
EI
CAS
CSCD
北大核心
2023年第3期192-201,共10页
传统极化-DOA参数估计方法在部分阵列单元失效的情况下,其估计性能会严重恶化甚至失效;同时,面临着日益复杂的电磁环境,部分阵列失效单元不可避免地引入错误数据,这对算法的稳健性是一个巨大挑战。针对以上问题,为了充分探究部分阵列单...
传统极化-DOA参数估计方法在部分阵列单元失效的情况下,其估计性能会严重恶化甚至失效;同时,面临着日益复杂的电磁环境,部分阵列失效单元不可避免地引入错误数据,这对算法的稳健性是一个巨大挑战。针对以上问题,为了充分探究部分阵列单元失效和错误数据对算法参数估计性能的影响,在共形极化敏感阵列中考虑了部分单元完全失效和部分单元出错概率两种情况,提出了一种基于变分稀疏贝叶斯学习的稳健空域二维联合稀疏极化-DOA参数估计方法。首先利用信源的空域稀疏特性,建立基于共形极化敏感阵列包含错误数据的二维稀疏接收信号模型;其次,采用奇异值分解方法来降低阵列输出矩阵的维度,从而减小算法运算量;然后,利用变分稀疏贝叶斯学习算法来获得信源稳健的DOA估计;最后,通过模值约束算法获得信源的极化参数估计。仿真结果表明,在阵列单元失效的情况下,所提算法具有相对稳健的参数估计性能,具有较高的估计精度和角度分辨率。
展开更多
关键词
信号处理
波达方向
稀疏
重构
变分稀疏贝叶斯学习
在线阅读
下载PDF
职称材料
题名
改进的变分稀疏贝叶斯学习离格DOA估计方法
被引量：
1
1
作者
王绪虎
金序
侯玉君
徐振华
田雨
张群飞
机构
青岛理工大学信息与控制工程学院
中国科学院海洋研究所海洋环流与波动重点实验室
西北工业大学航海学院
出处
《振动与冲击》
EI
CSCD
北大核心
2024年第13期134-143,共10页
基金
国家自然科学基金(62171247)
山东省自然科学基金(ZR2021QF113,ZR2022MF273)。
文摘
为提高阵列信号处理运算速率,改善其方位估计性能,提出了一种改进变分稀疏贝叶斯学习离格波达方向(direction-of-arrival, DOA)估计方法。该方法利用实值变换,将向量化后的接收信号协方差矩阵转化到实数域,结合变分稀疏贝叶斯学习和网格演化的思想,在迭代过程中使网格从初始的均匀网格自适应地演化为非均匀网格,通过网格更新和网格裂变交替迭代使演化后的网格点逐渐逼近真实信源方位。仿真结果表明,改进方法与传统压缩感知类方法相比,减小了运算量,提高了运算速率,且具有更高的方位估计精度和方位分辨能力,在少快拍和低信噪比情况下,改进方法性能提升的优势更明显。湖上试验数据处理结果进一步验证了该方法的有效性和工程实用性。
关键词
波达方向(DOA)估计
离网格模型
实值
变
换
网格演化
变分稀疏贝叶斯学习
Keywords
direction of arrival(DOA)estimation
off-grid model
real-value transformation
grid evolution
variational sparse Bayesian learning
分类号
TN911.7 [电子电信—通信与信息系统]
在线阅读
下载PDF
职称材料
题名
基于因子图的分布式变分稀疏贝叶斯压缩感知
被引量：
3
2
作者
朱翠涛
杨凡
汪汉新
李中捷
机构
中南民族大学智能无线通信湖北省重点实验室
出处
《通信学报》
EI
CSCD
北大核心
2014年第1期140-147,共8页
基金
国家自然科学基金资助项目(61072075
61072051)
湖北省自然科学基金资助项目(2013CFB448)~~
文摘
提出了一种基于因子图的分布式变分稀疏贝叶斯压缩感知算法。该算法利用因子图和变分方法将全局感知问题分解为简单的局部问题,通过认知用户邻居间的置信传播实现"软融合",使每个认知用户能够获得全局最优估计。且充分利用邻居间传递的信息所具有的时间和空间二维相关性,提高认知用户在低信噪比下的感知性能。同时,算法在迭代过程中自适应地删除不收敛的超参数及对应的基函数,降低通信负载。实验结果表明:该方法在低采样率和低信噪比下有较好的感知性能。
关键词
认知无线电
频谱感知
因子图
变分稀疏贝叶斯学习
Keywords
cognitive radio
spectrum sensing
factor graph
variational sparse Bayesian learning
分类号
TN929.5 [电子电信—通信与信息系统]
在线阅读
下载PDF
职称材料
题名
共形极化敏感阵列单元失效下的稳健参数估计
被引量：
4
3
作者
蓝晓宇
姜来
耿莽河
王宇鹏
机构
沈阳航空航天大学电子信息工程学院
中航工业沈阳飞机工业(集团)有限公司
出处
《西安电子科技大学学报》
EI
CAS
CSCD
北大核心
2023年第3期192-201,共10页
基金
国家青年科学基金(61801308)
辽宁省兴辽英才计划(XLYC1907195)
+1 种基金
航空科学基金(2020Z017054001)
辽宁省教育厅面上项目(LJKMZ20220535)。
文摘
传统极化-DOA参数估计方法在部分阵列单元失效的情况下,其估计性能会严重恶化甚至失效;同时,面临着日益复杂的电磁环境,部分阵列失效单元不可避免地引入错误数据,这对算法的稳健性是一个巨大挑战。针对以上问题,为了充分探究部分阵列单元失效和错误数据对算法参数估计性能的影响,在共形极化敏感阵列中考虑了部分单元完全失效和部分单元出错概率两种情况,提出了一种基于变分稀疏贝叶斯学习的稳健空域二维联合稀疏极化-DOA参数估计方法。首先利用信源的空域稀疏特性,建立基于共形极化敏感阵列包含错误数据的二维稀疏接收信号模型;其次,采用奇异值分解方法来降低阵列输出矩阵的维度,从而减小算法运算量;然后,利用变分稀疏贝叶斯学习算法来获得信源稳健的DOA估计;最后,通过模值约束算法获得信源的极化参数估计。仿真结果表明,在阵列单元失效的情况下,所提算法具有相对稳健的参数估计性能,具有较高的估计精度和角度分辨率。
关键词
信号处理
波达方向
稀疏
重构
变分稀疏贝叶斯学习
Keywords
signal processing
direction of arrival
sparse reconstruction
variational sparse Bayesian learning
分类号
TN957.51 [电子电信—信号与信息处理]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
改进的变分稀疏贝叶斯学习离格DOA估计方法
王绪虎
金序
侯玉君
徐振华
田雨
张群飞
《振动与冲击》
EI
CSCD
北大核心
2024
1
在线阅读
下载PDF
职称材料
2
基于因子图的分布式变分稀疏贝叶斯压缩感知
朱翠涛
杨凡
汪汉新
李中捷
《通信学报》
EI
CSCD
北大核心
2014
3
在线阅读
下载PDF
职称材料
3
共形极化敏感阵列单元失效下的稳健参数估计
蓝晓宇
姜来
耿莽河
王宇鹏
《西安电子科技大学学报》
EI
CAS
CSCD
北大核心
2023
4
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
