在加性高斯白噪声的影响下,对于三阶多项式相位信号(CPS),经典的字典学习算法,如K-means Singular Value Decomposition(K-SVD),递归最小二乘字典学习算法(RLS-DLA)和K-means Singular Value Decomposition Denoising(K-SVDD)得到的学...在加性高斯白噪声的影响下,对于三阶多项式相位信号(CPS),经典的字典学习算法,如K-means Singular Value Decomposition(K-SVD),递归最小二乘字典学习算法(RLS-DLA)和K-means Singular Value Decomposition Denoising(K-SVDD)得到的学习字典,通过稀疏分解,不能有效去除信号的噪声。为此,该文提出了针对CPS去噪的字典学习算法。该算法首先利用RLS-DLA对的字典进行学习;其次采用非线性最小二乘(NLLS)法修改了该算法对字典更新的部分;最后对训练后的字典通过对信号的稀疏表示得到重构信号。对比其它的字典学习算法,该算法的信噪比(SNR)值明显高于其它算法,而均方误差(MSE)显著低于其它算法,具有明显的降噪效果。实验结果表明,采用该算法得到的字典通过稀疏分解,信号的平均信噪比比K-SVD,RLS-DLS和K-SVDD高出9.55 dB,13.94 dB和9.76 dB。展开更多
文中研究了一类多项式相位信号源到达方向(DOA)和多项式系数联合估计的精确最大似然方法,提出了一种可分离实现的空时多变量交替投影(STMVAP)算法,该算法合理地利用了信号的时域信息,大大地提高了 DOA 估计精度,同时也显著地降低了空时...文中研究了一类多项式相位信号源到达方向(DOA)和多项式系数联合估计的精确最大似然方法,提出了一种可分离实现的空时多变量交替投影(STMVAP)算法,该算法合理地利用了信号的时域信息,大大地提高了 DOA 估计精度,同时也显著地降低了空时联合最大似然法多变量寻优的计算量,理论分析和计算机仿真结果都表明了 STMVAP 算法的有效性.展开更多
文摘文中研究了一类多项式相位信号源到达方向(DOA)和多项式系数联合估计的精确最大似然方法,提出了一种可分离实现的空时多变量交替投影(STMVAP)算法,该算法合理地利用了信号的时域信息,大大地提高了 DOA 估计精度,同时也显著地降低了空时联合最大似然法多变量寻优的计算量,理论分析和计算机仿真结果都表明了 STMVAP 算法的有效性.
