检索结果-内蒙古大学图书馆

作者：张爱莲浙江大学

学位级别：硕士

信源到达方向(DirectionofArrival,DOA)估计是阵列信号处理中的重要研究课题。传统的DOA估计算法大都针对窄带信号而提出,宽带信号与窄带信号相比,具有所包含信息量大、抗干扰能力强、与噪声相关性小等优点,因而本文主要研究面向宽带信... 详细信息

信源到达方向(DirectionofArrival,DOA)估计是阵列信号处理中的重要研究课题。传统的DOA估计算法大都针对窄带信号而提出,宽带信号与窄带信号相比,具有所包含信息量大、抗干扰能力强、与噪声相关性小等优点,因而本文主要研究面向宽带信号的DOA估计算法。与此同时,传统DOA估计算法通常需要采集大量的独立快拍数据,这在实际应用中常常不可得,而利用信号的空域稀疏性,可以将压缩感知与稀疏信号重构的理论引入到阵列信号处理中,研究稀疏表示类的高分辨力空间谱估计算法,减少所需的快拍数。除此之外,传统DOA估计算法会受到空域中Nyquist采样定理的限制,要求所采用阵列为满阵,即阵列中相邻两阵元间距满足小于或等于入射信号半波长的条件。而稀疏阵是指阵元间距大于半波长的阵列,在使用相同数目阵元时,与满阵相比,稀疏阵具有更大的阵列孔径和更好的分辨力。基于上述背景,本文研究关于宽带信号的DOA估计问题,重点提出可用于稀疏阵列的稀疏表示类DOA估计算法。宽带阵列信号处理中最常用的方法有非相关信号子空间方法(Incoherent Signal-Subspace Method,ISSM)和相干信号子空间方法(Coherent Signal-Subspace Method,CSSM),其中采用了一种聚焦思想的CSSM类方法由于具有更好的分辨力和较低的计算量而受到了更多关注,但此类算法大都具有需要对信源方位进行预估的局限性。基于此,本文的思路为首先提出一种聚焦方法,该方法继承了CSSM方法中的聚焦思想,但无需角度预估,然后采用窄带的稀疏重构类DOA估计算法来处理聚焦后的数据。本文将上述思路分别实现于线阵和圆阵,对宽带信号做一维或二维的DOA估计。对于线阵,本文在上述无需角度预估的聚焦方法基础上,结合既有的一种基于线阵DOA估计的窄带稀疏方法,提出一种适用于均匀线阵(Uniform Linear Array,ULA)和稀疏线阵(Sparse Linear Array,SLA)的稀疏宽带DO A估计算法。但与传统意义上的稀疏重构类算法不同,该算法继承了所采用的窄带方法的优点,无需对方位进行栅格离散化,而是基于一种协方差拟合标准直接对信源进行参数估计。仿真结果表明,该算法具有较高的分辨力、较低的信噪比门限,并对相干信源具有较强的鲁棒性。但是线阵仅能做一维DOA估计,对于三维空间中的源定向问题,通常会涉及到二维DOA估计,此时就必须采用平面阵。为此,本文针对平面阵中最常用的圆阵,在上述聚焦方法的基础上,结合一种多频点联合稀疏思想,提出一种可用于均匀圆阵(Uniform Circular Array,UCA)的稀疏算法,用于宽带信号的2D-DOA估计。同时,结合虚拟阵列扩展思想,本文提出一种基于插值阵列技术的新聚焦方法,在将阵列流型矩阵向虚拟阵列扩展的同时,实现不同频点处数据向参考频点处的聚焦,可用于稀疏均匀圆阵(Sparse-Uniform Circular Array,S-UCA)上的 2D-DOA 估计。仿真结果表明,该算法对信噪比的要求不高,可用于相干信源的处理,并且由于采用了插值聚焦方法,可以有效地改善用于稀疏阵列时DOA估计算法的分辨力。

关键词：宽带信号 DOA估计压缩感知稀疏信号重构阵列稀疏

来源：评论

学校读者我要写书评

暂无评论

基于加速的贪心块稀疏Kaczmarz算法的稀疏信号恢复方法及系统

基于加速的贪心块稀疏Kaczmarz算法的稀疏信号恢复方法及系统

引用

作者：温金明董泽华林泽阳贾怡敏 510632 广东省广州市天河区黄埔大道西601号

本发明公开了一种基于加速的贪心块稀疏Kaczmarz算法的稀疏信号恢复方法及系统，涉及通信信号处理技术领域，本发明与传统稀疏Kaczmarz算法不同的是，加速的贪心块稀疏Kaczmarz算法在每轮迭代中能够尽可能地选择一组具有较大残差的方程... 详细信息

标准号: CN117439615B

本发明公开了一种基于加速的贪心块稀疏Kaczmarz算法的稀疏信号恢复方法及系统，涉及通信信号处理技术领域，本发明与传统稀疏Kaczmarz算法不同的是，加速的贪心块稀疏Kaczmarz算法在每轮迭代中能够尽可能地选择一组具有较大残差的方程来同时更新其对应的变量，从而显著加快算法收敛速率。此外，该算法还引入了Polyak的重球动量技术，减小迭代过程中的震荡，从而更快地逼近于真实信号，特别适用于存在噪声或振荡的情况。最重要的是，该算法能够在没有稀疏性先验信息的情况下进行稀疏信号重构，增强算法的适用性和鲁棒性。这些特点使本发明采用的mGBSK算法成为一种高效的稀疏信号恢复工具，可用于多种应用领域。

关键词：算法稀疏稀疏信号通信信号处理稀疏信号重构动量迭代过程算法收敛先验信息真实信号鲁棒性稀疏性振荡残差迭代减小可用重球噪声逼近恢复震荡引入更新

来源：评论

学校读者我要写书评

暂无评论

一种信号重构方法、装置、计算机设备及存储介质

一种信号重构方法、装置、计算机设备及存储介质

引用

作者：史林 215000 江苏省苏州市吴中经济开发区郭巷街道官浦路1号9幢

本发明涉及信号处理技术领域，尤其公开了一种信号重构方法、装置、计算机设备及存储介质，方法包括：基于原子范数最小化的稀疏信号重构算法和采样信号数学模型得到原子范数最小化稀疏信号重构算法数学模型；基于交替方向乘子算法和所... 详细信息

标准号: CN115563444A

本发明涉及信号处理技术领域，尤其公开了一种信号重构方法、装置、计算机设备及存储介质，方法包括：基于原子范数最小化的稀疏信号重构算法和采样信号数学模型得到原子范数最小化稀疏信号重构算法数学模型；基于交替方向乘子算法和所述原子范数最小化稀疏信号重构数学模型得到交替方向乘子算法数学模型；计算所述交替方向乘子算法数学模型的增广拉格朗日函数；构建深度神经网络模型，并基于构建的深度神经网络模型对所述增广拉格朗日函数进行计算得到原始最优解以重构原始信号。通过本发明的方案，解决了传统技术方案进行信号重构时的网格失配问题和参数选择问题，提高了信号重构精度，并且不再依赖于预先设置的稀疏表示向量基以及先验参数。

关键词：数学模型算法稀疏信号重构交替方向信号重构最小化乘子范数神经网络模型构建信号处理技术计算机设备采样信号参数选择存储介质稀疏表示先验参数预先设置原始信号向量基最优解失配网格重构

来源：评论

学校读者我要写书评

暂无评论

一种信号重构方法、装置、计算机设备及存储介质

一种信号重构方法、装置、计算机设备及存储介质

引用

作者：史林 215000 江苏省苏州市吴中经济开发区郭巷街道官浦路1号9幢

标准号: CN115563444B

来源：评论

学校读者我要写书评

暂无评论

一种基于稀疏贝叶斯学习的相干信号DOA估计方法

一种基于稀疏贝叶斯学习的相干信号DOA估计方法

引用

作者：杨杰杨益新禄婕一 710072 陕西省西安市友谊西路127号

本发明提供了一种基于稀疏贝叶斯学习的相干信号DOA估计方法，获取接收阵列的输出信号，网格化观测空间，构造超完备阵列流形，结合稀疏表示的思想，将DOA估计问题转化为稀疏信号重构问题，求解如下稀疏矩阵方程，建立稀疏贝叶斯概率模... 详细信息

标准号: CN110208735B

本发明提供了一种基于稀疏贝叶斯学习的相干信号DOA估计方法，获取接收阵列的输出信号，网格化观测空间，构造超完备阵列流形，结合稀疏表示的思想，将DOA估计问题转化为稀疏信号重构问题，求解如下稀疏矩阵方程，建立稀疏贝叶斯概率模型，采用变分贝叶斯推断方法计算各隐变量的近似后验分布，计算入射信号的DOA估计值。本发明无需预先估计入射信号个数，且不涉及解相干操作，有效地实现相干信号的DOA估计，针对相干信号，所提DOA估计方法的角度分辨能力好，与现有的其它DOA估计方法相比，该方法具有更好的测向精度。

关键词：相干信号入射信号贝叶斯稀疏角度分辨能力稀疏信号重构贝叶斯推断有效地实现概率模型观测空间后验分布接收阵列输出信号问题转化稀疏表示稀疏矩阵阵列流形网格化求解相干测向近似学习

来源：评论

学校读者我要写书评

暂无评论

基于虚拟域信号重构的波达方向估计方法

基于虚拟域信号重构的波达方向估计方法

引用

作者：吴晓欢朱卫平颜俊 210003 江苏省南京市鼓楼区新模范马路66号

本发明公开了一种基于虚拟域信号重构的波达方向估计方法，用于解决现有技术中在相干信号场景中低自由度的问题，具体包括步骤：首先构建由M个阵元组成的稀疏阵列并构建由K个窄带入射信号构成的阵列接收信号模型；然后基于建立的网格集... 详细信息

标准号: CN109507636B

本发明公开了一种基于虚拟域信号重构的波达方向估计方法，用于解决现有技术中在相干信号场景中低自由度的问题，具体包括步骤：首先构建由M个阵元组成的稀疏阵列并构建由K个窄带入射信号构成的阵列接收信号模型；然后基于建立的网格集合和与所述网格集合对应的拓展阵列流形矩阵构建所述阵列接收信号模型的稀疏信号重构模型；随后基于虚拟阵列构建优化问题，并使用迭代方式交替求解优化问题从而恢复稀疏阵列信号和虚拟阵列的重构信号，并设置终止准则，在迭代过程中，若符合终止准则，则利用恢复出的稀疏阵列信号来估计波达方向，否则，重复使用迭代方式再次交替求解优化问题，直到符合终止准则；本发明提升了波达方向估计的自由度和精确度。

关键词：稀疏阵列优化问题构建波达方向估计阵列接收信号迭代方式虚拟阵列求解网格集合稀疏信号重构低自由度迭代过程矩阵构建相干信号信号重构阵列流形重构信号虚拟域波达阵元恢复场景拓展

来源：评论

学校读者我要写书评

暂无评论

基于加速的贪心块稀疏Kaczmarz算法的稀疏信号恢复方法及系统

基于加速的贪心块稀疏Kaczmarz算法的稀疏信号恢复方法及系统

引用

作者：温金明董泽华林泽阳贾怡敏 510632 广东省广州市天河区黄埔大道西601号

标准号: CN117439615A

来源：评论

学校读者我要写书评

暂无评论

一种基于阵列信号处理的波达方向估计方法

一种基于阵列信号处理的波达方向估计方法

引用

作者：夏玮玮赵一鸣燕锋何光栎郑涛胡静宋铁成 211102 江苏省南京市江宁区东南大学路2号

本发明公开了一种基于阵列信号处理的波达方向估计方法，所述方法针对室内定位场景，提出基于旋转不变子空间信息的循环平稳信号正交匹配追踪算法。引入循环平稳算法作为初始相关函数，将时间刻度上的循环平稳性与空间刻度上的阵列信号... 详细信息

标准号: CN114839589A

本发明公开了一种基于阵列信号处理的波达方向估计方法，所述方法针对室内定位场景，提出基于旋转不变子空间信息的循环平稳信号正交匹配追踪算法。引入循环平稳算法作为初始相关函数，将时间刻度上的循环平稳性与空间刻度上的阵列信号结合起来，从而有效解决正交匹配追踪算法对噪声敏感，抗噪性能不好的问题；采用旋转不变子空间信息，从而突破正交匹配追踪算法存在的瑞利极限，有效提高多物体定位分辨力并降低计算复杂度；采用基于压缩感知理论的正交匹配追踪算法，通过稀疏信号重构进一步提高算法的抗干扰性。满足了室内定位场景高精度，低时延的要求。

关键词：匹配追踪算法正交空间信息室内定位算法波达方向估计稀疏信号重构循环平稳信号压缩感知理论阵列信号处理计算复杂度循环平稳性场景抗噪性能时间刻度物体定位相关函数循环平稳有效解决阵列信号低时延瑞利噪声分辨敏感引入

来源：评论

学校读者我要写书评

暂无评论

基于压缩感知的双连续超松弛迭代算法研究

引用

杭州电子科技大学学报（自然科学版） 2011年第6期31卷 79-82页

作者：黄涛浙江师范大学数理与信息工程学院浙江金华321004

压缩感知理论是在已知信号具有可压缩性或通过变换具有稀疏性的条件下,对其信号进行采集,稀疏和重构的新理论。其中稀疏信号重构算法是其中关键的一部分,对信号恢复的精确性及时效性验证有着重要的意义。该文在总结目前已有的重构算法... 详细信息

压缩感知理论是在已知信号具有可压缩性或通过变换具有稀疏性的条件下,对其信号进行采集,稀疏和重构的新理论。其中稀疏信号重构算法是其中关键的一部分,对信号恢复的精确性及时效性验证有着重要的意义。该文在总结目前已有的重构算法的基础上,提出了一种新的基于压缩感知的双连续超松弛迭代重构算法。该算法通过参数估计自适应的寻找合适的稀疏度K的值来平衡重构精度和重构速度之间的矛盾。实验结果表明,这种算法能够有效地提高了重构图像的主观视觉效果和峰值信噪比,加快了压缩传感图像重构算法的收敛速度,提高了重构精度。因此是一种综合性能较好的压缩感知重构算法。

关键词：压缩感知重构算法稀疏信号重构超松弛

来源：评论

学校读者我要写书评

暂无评论

基于深度学习和压缩感知的图像重构算法研究

引用

无线互联科技 2021年第13期18卷 107-108页

作者：王庐华广东工业大学广东广州510006

利用深度展开的方法来设计深度神经网络在如今成为了一种经典的优化方法。文章提出了一种新的基于深度学习和压缩感知的重构算法用于序列信号重构。该模型设计理念是通过用近端梯度下降方法来对模型做迭代展开。在MNIST数据集上的实验表... 详细信息

利用深度展开的方法来设计深度神经网络在如今成为了一种经典的优化方法。文章提出了一种新的基于深度学习和压缩感知的重构算法用于序列信号重构。该模型设计理念是通过用近端梯度下降方法来对模型做迭代展开。在MNIST数据集上的实验表明,该模型表现要优于一些先进的基于压缩感知的模型以及其他基于循环神经网络的模型。

关键词：稀疏信号重构深度学习循环神经网络

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：