导读:本文包含了信号源数目估计论文开题报告文献综述及选题提纲参考文献，主要关键词:阵列信号处理,信号源数目估计,奇异值分解,阈值
信号源数目估计论文文献综述
齐立恒[1]（2018）在《基于组合Hankel矩阵信号源数目估计算法研究》一文中研究指出在实际环境中,信号源数目一般是未知的,若估计的信号源数目与实际数目不符,大部分的波达方向估计算法的性能将恶化甚至算法完全失效。因此,本文主要围绕信号源数目这一问题进行研究,并提出一种基于组合Hankel矩阵的信号源数目估计算法。首先,本文介绍了阵列信号中的基础知识,包括阵列模型、信号模型和噪声模型。之后介绍了一些经典的信号源数目估计方法,包括特征分解算法、基于信息论的方法、平滑秩序列法以及针对有色噪声的盖氏圆方法,并结合文献对各算法的性能进行了分析和对比。其次,在均匀线性阵列模型的基础上,对基于阵元接收信息互协方差函数的Hankel矩阵奇异值分解信号源数目估计方法中Hankel矩阵的结构和性质进行了详细的分析和介绍,进而提出一种改进的组合Hankel矩阵的构建方法,并对组合后的矩阵进行分析。仿真实验表明,采用改进的组合Hankel矩阵的算法处理相干信源时,在保留原算法良好的解相干能力的基础上,增加了算法最大信号源估计数目,切实提高了算法的性能。最后,本文对算法中Hankel矩阵奇异值的规律进行了分析和归纳,进而提出了基于自适应阈值的改进算法,并给出了适用于某一条件下的阈值公式。仿真实验表明,基于组合Hankel矩阵奇异值分解的算法采用自适应阈值进行信号源数目估计时,算法性能可以得到进一步的提升,并且具有良好的渐近一致性。(本文来源于《吉林大学》期刊2018-06-01）
姜畔[2]（2016）在《低信噪比下阵列信号源数目估计算法研究》一文中研究指出阵列信号处理中大部分高分辨算法均以信号源数目已知或预估计为前提,然而在实际应用中,信号源数目往往未知,其与真实信号数目之间的误差会导致许多高分辨率波达方向估计算法的性能急剧恶化,同时现有的大部分信号源数目估计算法在高信噪下具有良好的估计性能,而在低信噪比环境中往往失效。因此,本文围绕低信噪比下信号源数目估计算法进行深入研究。首先,本文介绍了阵列信号基础知识,研究了窄带信号源数目估计的经典算法,包括特征值分解方法,信息论方法,平滑秩序列方法和盖氏圆方法,对各个算法进行理论分析,并对算法性能进行比较和仿真。其次,从均匀线性阵列差分时延特征出发,详细介绍了基于接收信号空间互协方差函数的Hankel矩阵的构成和性质,并在此基础上提出了基于Hankel矩阵奇异向量的低信噪比信号源数目估计算法,采用导向矩阵和Hankel矩阵左奇异值向量的内积的Euclidean范数估计信号源数目,利用盲波束成形技术估计导向矩阵,通过前向空间平滑思想解决导向矩阵和Hankel矩阵左奇异值向量维数不匹配问题。仿真结果表明新算法在低信噪比环境中信号源数目估计能力有很大提高,并且同时适用于非相干信号源和相干信号源情况,具有渐进一致性和较好的稳定性。最后,本文分析了宽带信号源数目估计经典算法,对非相干信号子空间ISM算法中基于噪声特征值统计特性的信号源数目估计算法和相干信号子空间CSM算法中双边相关变换TCT算法的基础和原理进行介绍。在ISM算法的基础上,结合基于互协方差函数的Hankel矩阵,提出了新的宽带信号源数目估计算法。仿真表明该方法可以实现宽带信号源数目的估计,在低信噪比环境中表现出较好的鲁棒性,并具有良好的解相干能力。(本文来源于《吉林大学》期刊2016-06-01）
陈军,石玉虎,王倪传,曾卫明[3]（2016）在《基于有效检测准则的fMRI源信号数目的估计方法》一文中研究指出独立成分分析方法已经成功地运用于分析功能磁共振成像数据.尽管独立成分分析方法是一个很有前景的数据驱动分析方法,但是在执行独立成分分析之前,需要确定好独立成分的数目.准确地估计出功能磁共振成像数据中独立成分数目对减少过估计或者低估计能起重要作用,目前有许多信息理论准则方法已经广泛运用于独立成分数目估计中,但通常容易出现过估计现象.该文提出一种基于有效检测准则的fMRI源信号数目的估计方法.模拟数据实验结果表明,该方法对不同平滑数据具有很好的鲁棒性.将该方法用于真实的功能磁共振成像数据中,可以减少色噪声下真实数据的过估计,对功能磁共振成像源信号数目的估计表现出了较好的综合性能.(本文来源于《安徽大学学报(自然科学版)》期刊2016年01期）
孙宏娟,朱琦[4]（2015）在《分簇无线传感器网络节能的信号源数目估计》一文中研究指出针对无线传感器网络能量受限的特点,将信号源数目估计算法和无线传感器网络拓扑结构结合起来,提出了一种基于决策级融合的多簇协作无线传感器网络信号源数目估计算法,并且在LEACH分簇算法的基础上提出了一种新的基于节点剩余能量簇头选择算法。首先对传感器网络分簇,各簇独立进行信号源数目估计,产生本地判决结果;然后在融合中心对各簇的判决结果进行融合得到对信号源数目的估计值。仿真结果表明本文提出的信号源数目估计方法和簇头选择算法能够在保证估计可靠性的前提下有效降低网络传输能耗,延长网络生存周期。(本文来源于《信号处理》期刊2015年07期）
薄祥雷,何怡刚,尹柏强,方葛丰,樊晓腾[5]（2014）在《基于改进源信号数目估计算法的欠定盲分离》一文中研究指出两步法是解决稀疏信号欠定盲分离的一种常用方法,通常首先利用K-means聚类算法估计混迭矩阵,然后利用最短路径法恢复源信号。在使用K-means聚类算法时要求知道源信号的数目,而现实中往往不知道源信号的数目,需要对其进行估计。因此研究了聚类有效性评价指标——BWP指标,结合粒子群算法,提出了一种改进的确定源信号数目的算法,并将这种算法引入到欠定盲分离。实验表明,提出的算法在保证分离精度的同时能缩短分离时间,并可节省一定的内存,在观测信号数据量大时,这种优势更加明显。(本文来源于《计算机应用研究》期刊2014年05期）
曾耀平,董鹏举[6]（2012）在《无需信源数目的相干信号方位估计算法》一文中研究指出针对空间平滑MUSIC算法会损失阵列的有效孔径且需要信源先验数目的问题,提出了一种新算法。该算法从矢量重构的思路出发,通过对接收数据协方差矩阵的最大特征向量进行矢量重构,即可实现不损失阵列孔径的解相干处理,同时利用全空间加权MUSIC算法,实现了信源数目未知下的相干信号准确定位。仿真结果证实了该方法的有效性。(本文来源于《火力与指挥控制》期刊2012年09期）
尹海昌,栾海妍[7]（2012）在《基于小波变换的单通道盲分离中源信号数目估计算法》一文中研究指出推导了常用数字调制信号的小波变换幅度函数表达式,并给出了统一的近似表达式。在此基础上给出了单通道接收混合信号模型中小波变换幅度函数的近似表达式。通过充分利用与混合信号中奇异点有关的码元周期信息,给出一种基于小波变换的单通道接收条件下源信号数目估计算法,实现了在无先验知识的情况下对源信号数目的估计,并通过仿真验证了算法的可行性和有效性。(本文来源于《科学技术与工程》期刊2012年20期）
刘子龙[8]（2012）在《盲信号处理中信源数目估计方法研究》一文中研究指出盲信号处理是近年来信号处理研究的热点之一。未知信源的数目极大的限制了盲信号处理结果的正确性，这是盲信号处理近年来迫切需要解决的问题。本文主要针对欠定多通道和单通道两种情况的盲信源数目估计问题进行研究。首先，本文论述了盲信号处理的研究背景及其相应的数学模型，以及盲信源数目估计的国内外研究现状。通过理论分析和实验结果，论述了信源数目估计正确与否，对MUSIC算法盲信号处理算法的影响；分析了目前信源数目估计的主要算法存在的优缺点；提出了在未知信源数目的自适应阈值MUSIC算法，通过实验验证了这种算法具有较好的性能。其次，介绍了欠定多通道盲信号问题，分析了信号稀疏性处理技术在信源数目估计中的应用；提出了基于K′均值的信号稀疏化信源数目估计算法，实现了在欠定条件下盲混合信号信源数目的准确估计。最后，分析了单通道盲信号问题的特殊性，介绍了一种基于滤波器的单通道盲信号维数扩展问题。针对含有噪声的单通道盲信号，结合四阶累积量算法和本文提出的自适应阈值特征值分解算法，提出了一种基于高阶累积量的含噪声单通道信源数目估计算法，有效地估计出了含有噪声的单通道信源数目。(本文来源于《中北大学》期刊2012-04-26）
曾耀平[9]（2012）在《无需信源数目的相干信号快速方位估计》一文中研究指出针对空间平滑MUSIC算法会降低阵列孔径且运算量较大的难题,提出了一种新算法。该算法通过对矩阵最大特征值对应的特征向量进行矢量重排,可实现不损失阵列孔径的解相干处理。再利用重构矩阵逆的高阶次幂来逼近真实的噪声子空间,可避免特征分解,降低了运算量且不需信源先验数目。计算机仿真结果证实了算法的有效性。(本文来源于《电讯技术》期刊2012年02期）
薛会祥,赵拥军,陈建宏[10]（2011）在《基于信号稀疏表示的信源数目和DOA联合估计算法》一文中研究指出波达方向估计是阵列信号处理的一个重要问题。基于阵列信号的联合稀疏表示模型,首先根据阵列结构建立过完备原子库,然后将阵列接收数据分解到最佳原子上,实现了空域信号DOA的高分辨估计;通过将阵列接收数据进行奇异值分解和采用粗略搜索与精细估计相结合两种方法提高了运算速度。相对于传统算法,本文算法不需要已知信源数目的先验信息,同时可以处理相干信号,并且在少量快拍数下有明显的优势。最后通过仿真实验验证了所提出方法的正确性和有效性。(本文来源于《信息工程大学学报》期刊2011年06期）
信号源数目估计论文开题报告
（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：
阵列信号处理中大部分高分辨算法均以信号源数目已知或预估计为前提,然而在实际应用中,信号源数目往往未知,其与真实信号数目之间的误差会导致许多高分辨率波达方向估计算法的性能急剧恶化,同时现有的大部分信号源数目估计算法在高信噪下具有良好的估计性能,而在低信噪比环境中往往失效。因此,本文围绕低信噪比下信号源数目估计算法进行深入研究。首先,本文介绍了阵列信号基础知识,研究了窄带信号源数目估计的经典算法,包括特征值分解方法,信息论方法,平滑秩序列方法和盖氏圆方法,对各个算法进行理论分析,并对算法性能进行比较和仿真。其次,从均匀线性阵列差分时延特征出发,详细介绍了基于接收信号空间互协方差函数的Hankel矩阵的构成和性质,并在此基础上提出了基于Hankel矩阵奇异向量的低信噪比信号源数目估计算法,采用导向矩阵和Hankel矩阵左奇异值向量的内积的Euclidean范数估计信号源数目,利用盲波束成形技术估计导向矩阵,通过前向空间平滑思想解决导向矩阵和Hankel矩阵左奇异值向量维数不匹配问题。仿真结果表明新算法在低信噪比环境中信号源数目估计能力有很大提高,并且同时适用于非相干信号源和相干信号源情况,具有渐进一致性和较好的稳定性。最后,本文分析了宽带信号源数目估计经典算法,对非相干信号子空间ISM算法中基于噪声特征值统计特性的信号源数目估计算法和相干信号子空间CSM算法中双边相关变换TCT算法的基础和原理进行介绍。在ISM算法的基础上,结合基于互协方差函数的Hankel矩阵,提出了新的宽带信号源数目估计算法。仿真表明该方法可以实现宽带信号源数目的估计,在低信噪比环境中表现出较好的鲁棒性,并具有良好的解相干能力。
（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。
信号源数目估计论文参考文献
[1].齐立恒.基于组合Hankel矩阵信号源数目估计算法研究[D].吉林大学.2018
[2].姜畔.低信噪比下阵列信号源数目估计算法研究[D].吉林大学.2016
[3].陈军,石玉虎,王倪传,曾卫明.基于有效检测准则的fMRI源信号数目的估计方法[J].安徽大学学报(自然科学版).2016
[4].孙宏娟,朱琦.分簇无线传感器网络节能的信号源数目估计[J].信号处理.2015
[5].薄祥雷,何怡刚,尹柏强,方葛丰,樊晓腾.基于改进源信号数目估计算法的欠定盲分离[J].计算机应用研究.2014
[6].曾耀平,董鹏举.无需信源数目的相干信号方位估计算法[J].火力与指挥控制.2012
[7].尹海昌,栾海妍.基于小波变换的单通道盲分离中源信号数目估计算法[J].科学技术与工程.2012
[8].刘子龙.盲信号处理中信源数目估计方法研究[D].中北大学.2012
[9].曾耀平.无需信源数目的相干信号快速方位估计[J].电讯技术.2012
[10].薛会祥,赵拥军,陈建宏.基于信号稀疏表示的信源数目和DOA联合估计算法[J].信息工程大学学报.2011