本文设计出一种针对脉冲噪声的二维鲁棒高分辨率波达方向(DOA,Direction of Arrival)估计算法,以解决雷达、声纳等无线通信领域中脉冲噪声环境下IAA(Iterative Adaptive Approach)无法准确估计出DOA的问题.该算法中,用最小p阶范数代替WL...
详细信息
本文设计出一种针对脉冲噪声的二维鲁棒高分辨率波达方向(DOA,Direction of Arrival)估计算法,以解决雷达、声纳等无线通信领域中脉冲噪声环境下IAA(Iterative Adaptive Approach)无法准确估计出DOA的问题.该算法中,用最小p阶范数代替WLS(Weighted Least Squares)作为最优化求解的代价函数.此外,根据Toeplitz-Block-Toeplitz(TBT)矩阵性质和FFT简化计算过程,提出该算法的快速实现方法,提高算法的计算效率.该算法在对称α-稳定(SαS,Symmetric Alpha-Stable)分布噪声环境下建模,仿真结果表明:与CRCO-MUSIC(Co Rrentropy based COrrelationMUltiple Signal Classification)算法和MUSIC-FLOM(MUltiple Signal Classification-Fractional Lower-Order Moment)算法相比,二维lp-IAA算法可以在低信噪比、单快拍条件下有效分辨出相邻多目标信号;快速算法可以在保证高分辨率的前提下,算法平均运算时间降低至原来的约1/40.
提出一种基于密度的簇结构挖掘算法(mining density-based clustering structure over data streams,简称MClu Stream),以解决数据流密度聚类中输入参数选择困难和重叠簇识别等问题.首先,设计了一种树拓扑CR-Tree索引结构,将直接核心可...
详细信息
提出一种基于密度的簇结构挖掘算法(mining density-based clustering structure over data streams,简称MClu Stream),以解决数据流密度聚类中输入参数选择困难和重叠簇识别等问题.首先,设计了一种树拓扑CR-Tree索引结构,将直接核心可达的一对数据点映射成树结构中的父子关系,蕴含了数据点依赖关系的CR-Tree涵盖了一系列sub Eps参数下的基于密度的簇结构;其次,MClu Stream算法采用滑动窗口的方式更新CR-Tree,在线维护当前窗口上的簇结构,实现了对海量数据流的快速演化聚类分析;再次,设计了一种快速从CR-Tree提取簇结构的方法,根据可视化的簇结构,选择合理的聚类结果;最后,在真实和合成海量数据上的实验验证了MClu Stream算法具有有效的挖掘效果、较高的聚类效率和较小的空间开销.MClu Stream可适用于海量数据流应用中自适应的密度聚类演化分析.
暂无评论