本文主要研究内容
作者夏静（2019）在《基于张量对角化的盲信号分离算法研究》一文中研究指出：张量对角化,是信号处理和机器学习范畴中至关重要的一部分。张量对角化是指通过在张量的每个维度上乘非酉非奇异矩阵后将一系列张量转化为精确的或近似对角张量的方法。在多维的、多数据集的或多模态的的盲信号分离背景下,使用每个数据集中源的高阶累积量可以将联合盲信号分离问题转换为高阶张量的张量对角化问题。且它们的应用范围从源分离到协同过滤,混合建模,主题建模,分类,和多线性子空间学习。本文以非酉张量对角化为切入点详细研究了更高效的多维、多数据集或多模态盲信号分离的算法,主要工作如下。研究了非酉的对角化器矩阵在时间序列下变化的复值张量对角化方法。目前已有的张量对角化算法都考虑对角化器矩阵保持不变的情况。但在实际中,随着时间的推移,目标张量的数量可能会增加。基于此,提出了自适应非酉张量对角化算法。与以往批处理算法不同,该算法核心思想是使用张量和矢量计算更新先前的估计来递归计算对角化器矩阵。首先采用递归最小二乘准则和张量的向量化,将问题转变成一个典型的限制最小二乘问题。其次,分两步求解这个限制最小二乘问题。即首先求解一个与原问题相关的无约束最小二乘问题,然后在约束集上寻找最接近无约束最小二乘问题最优解的值。在最后的仿真中,将该算法和其他批处理算法对比,发现该算法在运行时间上有很大的优势。研究了多数据集的非酉张量对角化方法。对于正交(酉)对角化器问题,需要预白化处理阶段,这会在一定程度上降低算法性能。研究了算法性能较好的非酉(非正交)复值张量对角化问题。该算法是受Jacobi迭代框架的思想激发,结合一种特殊的在(i,j)和(i,j)两个位置的元素非零的参数结构来更新每个张量mode相应的不同的对角化器矩阵,直至收敛。在最后的仿真中,将该算法和其他批处理算法对比,发现该算法与其他批处理算法的计算复杂度相当的情况下,稳定性和对角化度量精度有优势。
Abstract
zhang liang dui jiao hua ,shi xin hao chu li he ji qi xue xi fan chou zhong zhi guan chong yao de yi bu fen 。zhang liang dui jiao hua shi zhi tong guo zai zhang liang de mei ge wei du shang cheng fei you fei ji yi ju zhen hou jiang yi ji lie zhang liang zhuai hua wei jing que de huo jin shi dui jiao zhang liang de fang fa 。zai duo wei de 、duo shu ju ji de huo duo mo tai de de mang xin hao fen li bei jing xia ,shi yong mei ge shu ju ji zhong yuan de gao jie lei ji liang ke yi jiang lian ge mang xin hao fen li wen ti zhuai huan wei gao jie zhang liang de zhang liang dui jiao hua wen ti 。ju ta men de ying yong fan wei cong yuan fen li dao xie tong guo lv ,hun ge jian mo ,zhu ti jian mo ,fen lei ,he duo xian xing zi kong jian xue xi 。ben wen yi fei you zhang liang dui jiao hua wei qie ru dian xiang xi yan jiu le geng gao xiao de duo wei 、duo shu ju ji huo duo mo tai mang xin hao fen li de suan fa ,zhu yao gong zuo ru xia 。yan jiu le fei you de dui jiao hua qi ju zhen zai shi jian xu lie xia bian hua de fu zhi zhang liang dui jiao hua fang fa 。mu qian yi you de zhang liang dui jiao hua suan fa dou kao lv dui jiao hua qi ju zhen bao chi bu bian de qing kuang 。dan zai shi ji zhong ,sui zhao shi jian de tui yi ,mu biao zhang liang de shu liang ke neng hui zeng jia 。ji yu ci ,di chu le zi kuo ying fei you zhang liang dui jiao hua suan fa 。yu yi wang pi chu li suan fa bu tong ,gai suan fa he xin sai xiang shi shi yong zhang liang he shi liang ji suan geng xin xian qian de gu ji lai di gui ji suan dui jiao hua qi ju zhen 。shou xian cai yong di gui zui xiao er cheng zhun ze he zhang liang de xiang liang hua ,jiang wen ti zhuai bian cheng yi ge dian xing de xian zhi zui xiao er cheng wen ti 。ji ci ,fen liang bu qiu jie zhe ge xian zhi zui xiao er cheng wen ti 。ji shou xian qiu jie yi ge yu yuan wen ti xiang guan de mo yao shu zui xiao er cheng wen ti ,ran hou zai yao shu ji shang xun zhao zui jie jin mo yao shu zui xiao er cheng wen ti zui you jie de zhi 。zai zui hou de fang zhen zhong ,jiang gai suan fa he ji ta pi chu li suan fa dui bi ,fa xian gai suan fa zai yun hang shi jian shang you hen da de you shi 。yan jiu le duo shu ju ji de fei you zhang liang dui jiao hua fang fa 。dui yu zheng jiao (you )dui jiao hua qi wen ti ,xu yao yu bai hua chu li jie duan ,zhe hui zai yi ding cheng du shang jiang di suan fa xing neng 。yan jiu le suan fa xing neng jiao hao de fei you (fei zheng jiao )fu zhi zhang liang dui jiao hua wen ti 。gai suan fa shi shou Jacobidie dai kuang jia de sai xiang ji fa ,jie ge yi chong te shu de zai (i,j)he (i,j)liang ge wei zhi de yuan su fei ling de can shu jie gou lai geng xin mei ge zhang liang modexiang ying de bu tong de dui jiao hua qi ju zhen ,zhi zhi shou lian 。zai zui hou de fang zhen zhong ,jiang gai suan fa he ji ta pi chu li suan fa dui bi ,fa xian gai suan fa yu ji ta pi chu li suan fa de ji suan fu za du xiang dang de qing kuang xia ,wen ding xing he dui jiao hua du liang jing du you you shi 。
论文参考文献
论文详细介绍
论文作者分别是来自电子科技大学的夏静，发表于刊物电子科技大学2019-07-17论文，是一篇关于张量对角化论文,联合盲源分离论文,高阶张量论文,电子科技大学2019-07-17论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自电子科技大学2019-07-17论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：张量对角化论文; 联合盲源分离论文; 高阶张量论文; 电子科技大学2019-07-17论文;