导读:本文包含了平行因子分解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MIMO,盲信道估计,平行因子分解,约束交替最小二乘
平行因子分解论文文献综述
赵凌霄,赵家乐,张建康,穆晓敏[1]（2019）在《基于平行因子分解的大规模MIMO盲信道估计》一文中研究指出针对单小区大规模多输入多输出(Multiple-Input Multiple-Output,MIMO)系统上行链路,提出了一种基于平行因子(Parallel Factor,PARAFAC)模型的信道估计方法。在基站端,将接收信号构造成PARAFAC模型,利用大规模MIMO系统中信道的渐近正交的性质,提出了一种基于约束二线性迭代最小二乘算法(Constrained Blinear Alternating Least Squares,CBALS),从而实现了盲信道估计。理论分析及仿真结果表明,所提方法与传统最小二乘方法相比,不仅提高了频带利用率而且具有更高的估计精度;与已有的二线性交替最小二乘方法(BALS)相比,所提算法有更快的收敛速度。(本文来源于《电讯技术》期刊2019年02期）
丁小焕,彭甫镕,王琼,陆建峰[2]（2016）在《基于平行因子分解的协同聚类推荐算法》一文中研究指出针对叁元组数据内在关联性复杂的特点,提出了基于平行因子分解(PARAFAC)的协同聚类推荐算法。该算法利用PARAFAC算法对张量进行分解,挖掘多维数据实体之间的相关联系和潜在主题。首先,利用PARAFAC分解算法对叁元组张量数据进行聚类;然后,基于协同聚类算法提出了叁种不同方案的推荐模型,并通过实验对叁种方案进行了比较,得到了最优的推荐模型;最后,将提出的协同聚类模型与基于高阶奇异值分解(HOSVD)的推荐模型进行比较。在last.fm数据集上,PARAFAC协同聚类算法比HOSVD张量分解算法在召回率和精确度上平均提高了9.8个百分点和3.7个百分点,在delicious数据集上平均提高了11.6个百分点和3.9个百分点。实验结果表明所提算法能更有效地挖掘出张量中的潜在信息和内在联系,实现高准确率和高召回率的推荐。(本文来源于《计算机应用》期刊2016年06期）
祝鹏,刘成林,祝飞[3]（2015）在《平行因子法分解成分分析在叁维荧光光谱数据中的实现》一文中研究指出系统分析了PARAFAC法解析立方阵数据的实现过程。以建立PARAFAC模型对湖泊水样叁维荧光光谱数据进行荧光物质成分分解为例,通过对核心阵元素分布、核一致函数、模型谱图与原始谱图拟合程度以及拟分解成分物理意义的分析,确定PARAFAC法分解样品荧光物质成分的合理成分数,实现PARAFAC法对荧光物质成分的合理分解与识别。(本文来源于《光谱学与光谱分析》期刊2015年06期）
李剑,杨贤[4]（2012）在《基于平行因子分解的频域盲解卷积算法》一文中研究指出针对卷积混合盲分离问题,文章提出了一张基于张量平行因子分解的盲分离算法。该算法通过将接收信号的频域相关矩阵迭加成叁阶张量,再对此叁阶张量进行平行因子分解,最后利用基于K-means聚类的全排列解模糊算法来完成无排列模糊的混合矩阵估计。通过仿真实验,计算分离信号与源信号的相似系数,结果表明提出的算法具有很好的分离效果,而且实现简单,可满足实际应用的要求。(本文来源于《计算机与网络》期刊2012年09期）
禹华钢,黄高明,高俊[5]（2011）在《基于JADE和平行因子分解的欠定混合盲辨识算法》一文中研究指出针对源信号个数未知的欠定混合盲源分离问题,本文提出了一种基于特征矩阵联合近似对角化(Joint Approximate Diagonalization of Eigenmatrices,JADE)和平行因子分解的欠定混合盲辨识算法,该算法不需要源信号满足稀疏性要求,仅在源信号满足相互独立和最多一个高斯信号的条件下,通过将JADE算法中的样本四阶协方差矩阵迭加成叁阶张量,再对此叁阶张量进行平行因子分解来完成源信号数和混合矩阵的估计,由于平行因子分解的唯一辨识性在欠定条件下仍然满足,该算法能够解决欠定盲源分离问题。并对该欠定混合盲辨识算法进行了深入的分析。通过仿真实验,计算估计矩阵与混合矩阵的平均相关误差,结果表明本文提出的算法在适定和欠定混合时均具有很好的辨识效果,而且实现简单,可满足实际应用的要求。(本文来源于《信号处理》期刊2011年08期）
许凌云,张小飞,许宗泽[6]（2011）在《基于平行因子四线性分解的二维角度和频率联合估计》一文中研究指出该文提出了一种新的2维角度和频率联合估计方法。首先给出双平行线阵结构,将阵列天线输出的信号进行建模分析,表明此信号具有平行因子四线性模型特征,分析了该模型低秩分解的唯一性,从分解得到的矩阵中联合估计出信源的频率和到达角。该方法无需谱峰搜索,可实现参数的同时估计与配对,并与现有的算法进行了比较,具有更高的估计精度,而且在小样本数下也能较好的工作。仿真结果验证了该方法的有效性。(本文来源于《电子与信息学报》期刊2011年08期）
平行因子分解论文开题报告
（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：
针对叁元组数据内在关联性复杂的特点,提出了基于平行因子分解(PARAFAC)的协同聚类推荐算法。该算法利用PARAFAC算法对张量进行分解,挖掘多维数据实体之间的相关联系和潜在主题。首先,利用PARAFAC分解算法对叁元组张量数据进行聚类;然后,基于协同聚类算法提出了叁种不同方案的推荐模型,并通过实验对叁种方案进行了比较,得到了最优的推荐模型;最后,将提出的协同聚类模型与基于高阶奇异值分解(HOSVD)的推荐模型进行比较。在last.fm数据集上,PARAFAC协同聚类算法比HOSVD张量分解算法在召回率和精确度上平均提高了9.8个百分点和3.7个百分点,在delicious数据集上平均提高了11.6个百分点和3.9个百分点。实验结果表明所提算法能更有效地挖掘出张量中的潜在信息和内在联系,实现高准确率和高召回率的推荐。
（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。
平行因子分解论文参考文献
[1].赵凌霄,赵家乐,张建康,穆晓敏.基于平行因子分解的大规模MIMO盲信道估计[J].电讯技术.2019
[2].丁小焕,彭甫镕,王琼,陆建峰.基于平行因子分解的协同聚类推荐算法[J].计算机应用.2016
[3].祝鹏,刘成林,祝飞.平行因子法分解成分分析在叁维荧光光谱数据中的实现[J].光谱学与光谱分析.2015
[4].李剑,杨贤.基于平行因子分解的频域盲解卷积算法[J].计算机与网络.2012
[5].禹华钢,黄高明,高俊.基于JADE和平行因子分解的欠定混合盲辨识算法[J].信号处理.2011
[6].许凌云,张小飞,许宗泽.基于平行因子四线性分解的二维角度和频率联合估计[J].电子与信息学报.2011