期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
采用时-空阵列流形的ESPRIT算法——联合角度-频率估计 被引量:2
1
作者 易辉跃 周希朗 刘建斌 《上海交通大学学报》 EI CAS CSCD 北大核心 2004年第4期633-636,645,共5页
考虑入射到天线阵上多个窄带信号源的角度和频率同时估计问题.虽然常规ESPRIT算法是一种快速的一维高分辨率方向估计算法,但不能直接用于信号频率和角度的同时估计.通过构造一种特殊阵列结构,引出时-空阵列流形概念,利用该流形,将ESPRI... 考虑入射到天线阵上多个窄带信号源的角度和频率同时估计问题.虽然常规ESPRIT算法是一种快速的一维高分辨率方向估计算法,但不能直接用于信号频率和角度的同时估计.通过构造一种特殊阵列结构,引出时-空阵列流形概念,利用该流形,将ESPRIT算法扩展到时-空二维情形,提出采用时-空阵列流形的联合角度-频率估计算法.该算法不仅给出自动配对的角度-频率估计值,而且其性能随着抽头延迟线数的增加而提高.仿真计算表明,该算法不仅具有很高的分辨率和精度,而且在低信噪比条件下,其性能优于其他现有的方法. 展开更多
关键词 阵列信号处理 时-空阵列流形 联合角度一频率估计 联合对角化 奇异值分解
在线阅读 下载PDF
基于互累积量的有噪独立分量分析方法 被引量:3
2
作者 蔡连芳 田学民 《计算机工程》 CAS CSCD 2012年第16期192-195,共4页
针对传统独立分量分析(ICA)方法无噪假设的局限性,提出基于互累积量的有噪ICA方法。考虑含高斯噪声的瞬时混合模型,以观测信号的互累积量组成一系列对称矩阵,以对称矩阵的联合对角化程度为目标函数,采用粒子群优化算法对混合矩阵进行全... 针对传统独立分量分析(ICA)方法无噪假设的局限性,提出基于互累积量的有噪ICA方法。考虑含高斯噪声的瞬时混合模型,以观测信号的互累积量组成一系列对称矩阵,以对称矩阵的联合对角化程度为目标函数,采用粒子群优化算法对混合矩阵进行全局寻优。通过寻优得到混合矩阵,将有噪ICA转化为一维欠定ICA,基于奇异值分解法得到源信号的估计。仿真结果表明,与传统ICA方法相比,该方法对混合矩阵的估计精度较高,可以明显提高分离信号的信噪比。 展开更多
关键词 有噪独立分量分析 欠定独立分量分析 粒子群优化 联合对角化 奇异值分解 瞬时混合模型
在线阅读 下载PDF
基于单通道盲源分离算法的局部放电特高频信号去噪方法 被引量:24
3
作者 刘宇舜 程登峰 +2 位作者 夏令志 李森林 程洋 《电工技术学报》 EI CSCD 北大核心 2018年第23期5625-5636,共12页
为有效抑制现场检测局部放电特高频信号背景噪声中的周期性窄带干扰和高斯白噪声干扰,提出一种基于单通道盲源分离算法的去噪方法。首先对局部放电特高频信号进行时频联合分析,获得源信号数量;然后对检测到的局部放电信号进行奇异值分解... 为有效抑制现场检测局部放电特高频信号背景噪声中的周期性窄带干扰和高斯白噪声干扰,提出一种基于单通道盲源分离算法的去噪方法。首先对局部放电特高频信号进行时频联合分析,获得源信号数量;然后对检测到的局部放电信号进行奇异值分解,将得到的重构奇异值子矩阵重新组合成多通道信号,并采用特征矩阵近似联合对角化方法进行盲源分离,从局部放电信号中分离出噪声干扰;最后采用l_1范数最小化方法进行源信号估计,得出去噪后的局部放电特高频信号。使用该方法对模拟试验和现场实测信号进行去噪处理,并与现有方法的去噪结果进行对比。结果表明,与现有方法相比,该方法可更有效抑制周期性窄带和高斯白噪声干扰,且去噪后的局部放电特高频信号波形不发生明显畸变。 展开更多
关键词 局部放电 去噪 盲源分离 奇异值分解 联合近似对角化 l1范数最小化
在线阅读 下载PDF
两正定矩阵联合对角化盲分离算法 被引量:1
4
作者 赵青 冶继民 常芳丽 《计算机工程与应用》 CSCD 北大核心 2019年第7期214-219,共6页
针对具有时间结构的盲分离问题,提出了一种基于两正定矩阵精确联合对角化的盲分离算法。利用多个不同时延统计量构造了两个正定矩阵,以提取出数据的时间结构;再利用所提算法联合对角化构造的两个正定矩阵,得到分离矩阵,进而估计出源信... 针对具有时间结构的盲分离问题,提出了一种基于两正定矩阵精确联合对角化的盲分离算法。利用多个不同时延统计量构造了两个正定矩阵,以提取出数据的时间结构;再利用所提算法联合对角化构造的两个正定矩阵,得到分离矩阵,进而估计出源信号。所提算法克服了已有算法因采用多个矩阵联合对角化导致的计算量大和采用单个矩阵导致的分离精度低的缺点。计算机仿真结果表明了在有或无噪声情况下,所提算法性能均优于其他对比算法。 展开更多
关键词 盲源分离 联合对角化 奇异值分解
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部