导读:本文包含了欠定条件论文开题报告文献综述及选题提纲参考文献，主要关键词:大规模多输入多输出,压缩感知,主成分分析,亚采样
欠定条件论文文献综述
王鹏飞,张杭[1]（2019）在《欠定条件下基于主成分的亚采样信号重构》一文中研究指出传统的信息采集还原方式的资源消耗高,对信息数据的利用效率和处理效率较低,难以适应瞬息万变的战场信息感知环境,而且复杂的电磁对抗环境会造成测量通道维度的动态变化,进一步加剧了信息采集还原的难度。在大规模多输入多输出无线通信系统场景下,利用信息数据在变换域空间中的稀疏特性,提出了一种基于压缩感知理论的亚采样重构方案。该方案利用主成分基变换的方式实现信息数据的稀疏化,采用子空间追踪的方式实现信号的亚采样还原,对测量通道维度的动态变化具有较强的鲁棒性。同时,采用分块思想避免了高阶矩阵参与处理过程中的迭代运算,使得算法具有更好的求解精度和效率,实现了欠定条件下信息数据的高效重构。(本文来源于《计算机科学》期刊2019年10期）
殷振华[2]（2015）在《欠定条件下的盲信号分离与信号类间识别算法研究》一文中研究指出随着雷达通信一体化的发展,雷达信号和通信信号时频混迭越来越严重。论文首先调研了算法仿真中的信号类型,并且介绍了位于信号处理系统开端的信号检测算法。本文主要研究了欠定条件下的盲信号分离算法和信号类间识别算法。其中,盲信号分离算法模块实现了基于线性聚类的分离算法和当部分采样点满足稀疏要求时,在变换域的信号分离算法。线性聚类的分离算法是指在混合信号满足稀疏度为1时,属于同一源信号的列沿着一个方向聚类,该方向就是系数矩阵的列方向,而且聚类的列数就是源信号的数目,据此可以求出系数矩阵,然后恢复源信号。变换域分离算法是指利用小波变换,将观测信号变换到频域,然后提取其中的高频成分,聚类出系数矩阵,再在观测信号中利用计算出的系数矩阵将源信号恢复出来。信号类间识别算法模块实现了包络检波的算法和贝叶斯分类器的类间识别算法。包络检波算法利用脉冲雷达信号和通信信号的占空比不同的特点,求出分离后的信号的占空比,经过大量仿真,找到一个合适的门限值来区分脉冲雷达信号和通信信号。当采样点相同的时候,脉冲雷达信号和通信信号的能量不同,根据占空比和能量这两个特征属性设计贝叶斯分类器,生成信号样本对分类器测试,性能良好。并给出包络检波算法和贝叶斯分类器算法的优缺点。在FPGA中实现了信号类间识别的包络检波算法。分别用二相编码的脉冲雷达信号、纯噪声、BPSK通信信号进行测试。(本文来源于《西安电子科技大学》期刊2015-11-01）
朱立为,汪亚,王翔,黄知涛[3]（2015）在《空时频域中欠定混合条件下的波达方向估计》一文中研究指出波达方向估计是阵列信号处理领域的热点问题,但经典的波达方向估计方法通常要求阵元数大于源信号个数,即满足超定条件,而在实际中往往面临的是源信号个数大于阵元数的欠定条件。基于此,提出了一种基于空间时频分布的多重信号分类扩展算法,通过将空间时频分布矩阵进行扩展,实现了欠定条件下的波达方向估计。相比时频多重信号分类算法,所提算法能同时适应超定和欠定条件;相比已有的欠定波达方向估计方法,其不但保证了波达方向估计的精度,而且放宽了对源信号稀疏性的要求,同时还降低了对快拍数的要求。仿真实验结果证明了该方法的有效性。(本文来源于《国防科技大学学报》期刊2015年05期）
李宁,陈海庭[4]（2015）在《欠定条件下弱稀疏源信号混合矩阵盲估计》一文中研究指出针对源信号的稀疏性影响欠定混合矩阵的估计精度,在源信号单源频率及非单源频率分量分析的基础上,通过对观测信号频率峰值的幅值比值所构成的列向量聚类,提出欠定条件下弱稀疏源信号混合矩阵的盲估计方法。鉴于经典聚类算法的局部收敛性带来聚类结果的不稳定性,采用全局收敛特性较好的遗传模拟退火聚类算法提高聚类结果的鲁棒性。仿真实验表明,本文提出的混合矩阵估计方法及采用的聚类算法在不同欠定条件及噪声环境下具有较强的估计性能。(本文来源于《数据采集与处理》期刊2015年04期）
宋继飞[5]（2015）在《噪声条件下欠定盲源分离算法研究》一文中研究指出实际环境中,由于环境噪声以及信道干扰的作用,传感器获得的往往是一路或若干路源信号的混合带噪信号,造成信号质量的恶化,使人们无法从中捕捉到所需要的信息。盲源分离技术可以在信号的混合过程和源信号的分布未知的情况下,将各路源信号很好地分离开来。盲源分离技术具有所需的先验知识少、易于硬件实现、应用需求广等优点,吸引了众多国内外学者参与研究。本文致力于研究噪声条件下,欠定盲源分离技术在几个特定领域中的问题建模和相应的解决方案。本文的主要研究工作可以概括为如下几个方面：(1)本文研究了一种基于矩阵变换和逐层分离的欠定盲源分离算法。本文从矩阵变换和逐层分离的思想出发,提出了利用列主元消去法来提取单源点、双源点等时频点,以及伪逆的思想分离余下的时频点。提出的方法,能很好地分离出各路源信号,提高了信号的质量,同时不需要对信号的稀疏性有过高的约束。(2)结合支持向量机良好的非线性分类特性,提出了一种解决非线性混合的二值信号分离方法。与利用源信号信息的半盲分离方法不同,提出方法利用含噪观测数据中受干扰较小的点来构建训练集,属于全盲欠定分离问题,因而不需要过多的源信号先验。采用构建好的训练集对支持向量机进行训练,并利用训练好的分类器对含噪的输入进行二值图像分离。提出方法的另一个优点是对环境噪声鲁棒,可以在较低的误码率下恢复出二值源图像。(3)利用信号估值的方法和子集调整的策略对非线性混合函数进行估计,以及逐层分离的思想对各层源信号进行分离,本文提出了一种基于最大后验估计的单观测二值图像分离方法。提出的方法不需要对信号的分布有过多的约束和假设,而是挖掘利用信号局部的自然先验信息。与其他性能优异的方法相比,本文提出的算法能取得更好的分离效果,可以很好地分离相关图像。同时还具有对环境噪声鲁棒,运算时间复杂度低等优点。通过大量的计算机仿真实验,对本文提出的方法进行了评价并与其他方法进行了对比。实验证明,在含噪情形下,本文提出的欠定盲源分离方法都取得了很好的性能。(本文来源于《大连理工大学》期刊2015-04-26）
冷洪勇[6]（2013）在《基于信号特征条件约束的欠定盲源分离技术研究》一文中研究指出盲源分离（BSS）技术已经广泛应用于信号处理、数据分析、图像识别、信道估计等诸多领域。近十年来，对于信号接收天线或传感器少于源信号的混迭情况，也就是欠定情况下的盲源分离研究成为热点。在传统的盲源分离研究中，利用信号的独立分布特性，研究者发展了一系列独立分量分析（ICA）、主分量分析（PCA）等为理论基础的多种算法，有效解决了适定和超定两种情况下的盲源分离问题。对于欠定盲源分离问题，传统的算法基本上失去了有效性。本文研究了提出的新的理论方法来解决此类问题，主要包括信号稀疏成分分析（SCA）理论和信号非负矩阵分析（NMF）理论。本文在学习欠定盲源分离理论基础上，研究了各类SCA、NMF算法。首先，稀疏特性是欠定盲源分离中混迭信号所必须的特征约束，也是能够进行欠定盲源分离的基本要求。本文研究了图像信息在小波域内的稀疏特性，利用SCA的聚类算法实现了混合矩阵的估计。其次，本文在研究分级NMF算法（HALS）的基础上，将行列式准则引入到该算法之中，该准则能够保证信号分解结果的唯一性，给出了改进的HALS算法。通过仿真，在欠定的情况下，该算法不仅能够分离出较高稀疏度的混合信号，对一般稀疏的信号也能够得到较好的分离效果。(本文来源于《新疆大学》期刊2013-05-01）
张剑,陈豪[7]（2012）在《欠定条件下的空间同频信号盲分离》一文中研究指出当分离多个频域的混迭信号,尤其是遇到观测信号少于源信号时,传统的时频域信号处理方法出现困难。文章介绍了一种可以实现同频信号成功分离的方法——基于两阶段法的欠定盲信号分离法。该方法不需要源信号以及混合信道等先验知识,仅根据观测信号就能分离出混迭在一起的多个同频信号。仿真结果表明,该方法分离效果良好,实现了对空间同频信号的准确分离。(本文来源于《空间电子技术》期刊2012年02期）
张筱[8]（2012）在《欠定条件下盲信号分离算法及其应用研究》一文中研究指出盲信号分离(Blind Signal Separation, BSS)是指在不知道源信号和传输通道参数的情况下,仅仅基于源信号之间的统计独立性和少量先验知识,由观测信号恢复出源信号各个独立成分的过程。目前,多数盲信号分离算法都假设观测信号的数目不少于源信号的数目。但实际应用更接近于源信号的数目多于观测信号数目的欠定条件,因此,研究欠定条件下的盲信号分离算法有着重要的意义。本文针对瞬时线性混合盲信号分离问题,在已有的算法基础上,做了以下几个方面的探索性研究:(1)研究了基于峭度衡量的FastICA算法、基于负熵近似的FastICA算法以及基于极大似然估计的ICA算法,并根据前两者的推导过程类推了基于极大似然估计的FastICA新算法。新算法相对于已有的基于梯度下降法的ICA算法,算法鲁棒性以及收敛速度都得到了很大的增强。然后在MATLAB中分别仿真验证了叁种FastICA算法针对典型生物学信号的分离性能。在此基础上,使用11组信号测试集分别测试了叁种FastICA算法在不同类型测试信号下的分离性能,作为实际应用的算法选择参考。(2)研究了欠定条件下基于过完备描述的盲信号分离算法。该算法利用信号相互之间的稀疏性弱化欠定模型为正定模型,从而解决欠定模型下的信号分离问题。在MATLAB进行仿真,从两路观测信号中分离得到叁个语音源信号以验证算法,并提出此算法的应用条件是源信号必须服从超高斯分布。(3)在DSK 6713嵌入式平台上搭建实验系统实现基于极大似然估计的FastICA算法以及基于过完备描述的ICA算法。该实验系统以现场录制的语音信号作为输入,通过算法选择按键选择分离算法,分离的结果通过平台上的耳机播放并使用串口传输到电脑,并在MATLAB中进行分离性能的分析。(本文来源于《上海交通大学》期刊2012-01-01）
李豫川[9]（2011）在《完备及欠定条件下盲分离在故障诊断中的应用研究》一文中研究指出在旋转机械振动状态监测与故障诊断过程中,常常面临着各种干扰或者各种故障相互耦合的情况,研究如何从复杂的监测信号当中分离提取故障特征具有重要意义。本文以旋转机械振动信号为研究对象,以盲源分离(BSS)为研究方法,系统地研究了叁种盲源分离技术及其在机械故障诊断领域中的应用,重点针对滚动轴承复合故障分离问题,结合形态滤波技术研究了独立分量分析(ICA)及稀疏分量分析(SCA)在实际滚动轴承复合故障当中的分离方法。本文主要研究内容如下：(1)以机械设备故障诊断行业为背景,对盲源分离方法中的叁种典型分析方法-独立分量分析、稀疏分量分析以及非负矩阵分解(NMF)的相关研究现状进行了简要综述,并总结了盲分离方法在机械故障诊断领域的研究应用情况。(2)在研究独立分量分析相关理论基础之上,针对常用梯度算法易使优化问题陷入局部最优,且步长选择对算法速度影响较大的问题,将基于微粒群优化的独立分量分析应用到旋转机械转子复合故障诊断当中。(3)针对滚动轴承复合故障各个故障相互耦合,振动信号成分复杂,常用盲源分离方法不能有效分离各故障特征的问题,以实验分析的方法探讨了滚动轴承复合故障的耦合机制,并结合滚动轴承故障振动信号所呈现的非平稳、高频调制等特性,提出一种基于形态滤波的独立分量分析方法,并将其应用于滚动轴承复合故障信号分离中。(4)针对多数盲信号处理方法在分离信号的过程中,要求观测信号数目大于等于源信号数目的问题,将欠定盲分离处理方法中应用较为成功的稀疏分量分析(SCA)引用到滚动轴承复合故障诊断当中。针对轴承故障信号难以满足稀疏分量分析所要求的信号需要呈稀疏分布的问题,提出一种基于形态滤波的稀疏分量分析方法,并分别在完备与欠定的条件下对滚动轴承复合故障进行了实验研究。(5)研究了非负矩阵分解及其在盲分离中的应用,并尝试将其应用于滚动轴承故障诊断当中。(6)在理论与实验研究的基础上,利用MATLAB设计实现了叁种盲分离技术在旋转机械复合故障诊断中的应用系统。并分别采用仿真与实验的方法对系统进行了验证。(本文来源于《昆明理工大学》期刊2011-01-01）
肖明,孙功宪,吕俊[10]（2010）在《松弛稀疏性条件下的欠定盲分离》一文中研究指出采用2步法研究松弛稀疏性条件下的欠定盲信号分离。在矩阵恢复上,将时域检索平均法从时域扩展到小波域,得到单源区间矩阵恢复算法。在源信号恢复上,分析最短路径法和l1范数算法,提出基于任意观测信号数的统计稀疏分解准则算法。仿真结果表明,相比l1范数解算法,该算法具有较低的计算复杂度,且可提高恢复信号的信噪比。(本文来源于《计算机工程》期刊2010年12期）
欠定条件论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
随着雷达通信一体化的发展,雷达信号和通信信号时频混迭越来越严重。论文首先调研了算法仿真中的信号类型,并且介绍了位于信号处理系统开端的信号检测算法。本文主要研究了欠定条件下的盲信号分离算法和信号类间识别算法。其中,盲信号分离算法模块实现了基于线性聚类的分离算法和当部分采样点满足稀疏要求时,在变换域的信号分离算法。线性聚类的分离算法是指在混合信号满足稀疏度为1时,属于同一源信号的列沿着一个方向聚类,该方向就是系数矩阵的列方向,而且聚类的列数就是源信号的数目,据此可以求出系数矩阵,然后恢复源信号。变换域分离算法是指利用小波变换,将观测信号变换到频域,然后提取其中的高频成分,聚类出系数矩阵,再在观测信号中利用计算出的系数矩阵将源信号恢复出来。信号类间识别算法模块实现了包络检波的算法和贝叶斯分类器的类间识别算法。包络检波算法利用脉冲雷达信号和通信信号的占空比不同的特点,求出分离后的信号的占空比,经过大量仿真,找到一个合适的门限值来区分脉冲雷达信号和通信信号。当采样点相同的时候,脉冲雷达信号和通信信号的能量不同,根据占空比和能量这两个特征属性设计贝叶斯分类器,生成信号样本对分类器测试,性能良好。并给出包络检波算法和贝叶斯分类器算法的优缺点。在FPGA中实现了信号类间识别的包络检波算法。分别用二相编码的脉冲雷达信号、纯噪声、BPSK通信信号进行测试。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
欠定条件论文参考文献
[1].王鹏飞,张杭.欠定条件下基于主成分的亚采样信号重构[J].计算机科学.2019
[2].殷振华.欠定条件下的盲信号分离与信号类间识别算法研究[D].西安电子科技大学.2015
[3].朱立为,汪亚,王翔,黄知涛.空时频域中欠定混合条件下的波达方向估计[J].国防科技大学学报.2015
[4].李宁,陈海庭.欠定条件下弱稀疏源信号混合矩阵盲估计[J].数据采集与处理.2015
[5].宋继飞.噪声条件下欠定盲源分离算法研究[D].大连理工大学.2015
[6].冷洪勇.基于信号特征条件约束的欠定盲源分离技术研究[D].新疆大学.2013
[7].张剑,陈豪.欠定条件下的空间同频信号盲分离[J].空间电子技术.2012
[8].张筱.欠定条件下盲信号分离算法及其应用研究[D].上海交通大学.2012
[9].李豫川.完备及欠定条件下盲分离在故障诊断中的应用研究[D].昆明理工大学.2011
[10].肖明,孙功宪,吕俊.松弛稀疏性条件下的欠定盲分离[J].计算机工程.2010