导读:本文包含了子空间分解类算法论文开题报告文献综述及选题提纲参考文献，主要关键词:子空间分解,多重信号分类法,子空间旋转不变法,轧辊偏心信号
子空间分解类算法论文文献综述
王洪希[1]（2014）在《子空间分解类算法在轧辊偏心信号提取中的应用研究》一文中研究指出轧辊偏心是影响现代高精度板带轧制厚度质量的关键因素之一,要想进一步提高板带轧机的板形及厚度质量,必须对轧辊偏心扰动加以抑制及补偿控制。由于轧辊偏心信号是混杂在各种扰动和随机信号之中的复杂高频周期信号,轧辊偏心进行补偿控制的效果取决于如何从复杂的轧制力信号中准确提取出微弱的偏心信号,即轧辊偏心信号准确提取是偏心补偿控制的关键。为此,本课题针对现有各类轧辊偏心信号提取方法的局限性,提出采用现代空间谱估计中的子空间分解类算法来研究轧辊偏心信号提取问题,并对该类算法进行了融合与改进,通过理论分析、仿真及实验研究相结合来验证提取轧辊偏心信号的有效性和精确性,该类算法尤其在频率分辨率和抗噪声两个方面要比FFT法具有较好的优越性。论文工作的主要创新点和研究成果如下：1)针对FFT法在轧辊偏心提取中存在频率分辨率低且消噪效果不佳的局限性,本文提出改进型的噪声子空间MUSIC算法应用于轧辊偏心信号提取。从应用技术创新的层面,重点研究基于Root-MUSIC法和Prony法相融合的轧辊偏心信号提取新方法。仿真结果验证了方法结合的有效性,分辨率高、抗噪性强。2)为了减小计算量,提高算法的实时性,便于实际工程的应用。本文提出改进型的信号子空间ESPRIT算法应用于轧辊偏心信号提取。基于信号子空间的ESPRIT算法与基于噪声子空间的MUSIC法相比,不再考虑信号子空间与噪声子空间之间的关系,无需进行谱峰搜索,为此提高了算法的实用性。仿真分析出叁种ESPRIT方法在不同阵元数和不同信噪比下的频率估计性能。3)针对轧辊偏心信号实际可能存在非平稳性质和测量噪声有色的性质,经典的二阶统计量子空间类算法存在有偏性和非一致性的问题,本文提出高阶累计量MUSIC法和Prony法相融合并应用于轧辊偏心信号提取。采用基于高阶累积量的MUSIC法对偏心信号进行空问分解达到降阶的效果,能够有效地抑制噪声,在信噪比低时仍具有高的频谱分辨率,能准确提取出偏心谐波的频率及谐波的个数。然后使用Prony方法进一步估计偏心信号的各次谐波幅值和相位,弥补了Prony法对噪声的敏感的弱点。仿真结果验证了该融合方法的有效性。以某厂热轧生产线为背景,采用现场轧制力数据,验证了基于高阶累计量MUSIC和Prony融合方法提取轧辊偏心信号具有很好的实际效果,实验结果表明该方法能准确地提取了相近频率成分及高次偏心谐波分量参数,且去噪效果明显,使重构偏心信号的精度很高,偏心补偿后的效果明显优于FFT法。(本文来源于《北京科技大学》期刊2014-12-25）
汪琼[2]（2011）在《子空间分解类算法在参数估计中的应用》一文中研究指出子空间分解类算法是20世纪70年代发展起来的一种超(高)分辨率方法,它能精确地估测出信号的参数(频率、方位等),其性能理想、分辨能力和估测精度均比传统方法高。其特点是通过适当的数学变换,把接收数据分成两大独立且正交的子空间部分,再利用它们各自的特性来估测参数。故而它又分为信号和噪声两类子空间算法,其中前者是以旋转不变子空间(Estimation of Signal Parameters via Rotational Invariance Techniques,简称为ESPRIT)为代表,如ESPRIT法、LS-ESPRIT法、TLS-ESPRIT法、Toeplitz近似法等等；后者是以多重信号分类(Multiple Signals Classification,简称为MUSIC)为代表,如MUSIC法、ROOT-MUSIC法、Toeplitz优化法、多维MUSIC法、MNM法等等。此类算法因其良好的特性,已被广大科研人员接受。频率估计是信号处理技术的重要内容,对噪声背景下频率估测技术的研究已成为一个科研课题,被应用于众多行业,探索高精准度的频率估测技术具有重大的科研应用价值。空间谱估计是阵列信号处理技术的科研内容,它打破了Rayleigh限的制约,能同时精准地估测多个信源的方位信息。DOA技术正是该领域的热门方向,有较好的发展前景,但经典DOA技术的分辨能力不够强,常会出现无法估测或性能恶化等现象,故探索性能优良、具有更高精度的测向算法是很有必要的。本文主要讲述子空间分解类算法在参数估计中的应用,特别是在频率估计和空间谱技术领域的应用。首先绪论部分介绍了频率估计和空间谱技术的背景意义、科研历程、今后的发展趋势。接着第2、3、4章分别以ESPRIT算法、MUSIC算法为代表,讲述它们在频率估计、一维DOA估计、二维DOA估计领域中的应用,从理论和仿真两角度来表明这类算法的可行性及其仿真性能；同时根据MUSIC算法的原理,还提出了它的推广形式,即Toeplitz优化法和二维MNM算法,并借用流程图及MATLAB软件来表明该些方案的可行性和仿真性能；每章的末尾部分还对ESPRIT算法与MUSIC算法的参数估测性能作了全面的比较。分析研究表明：在不同的参数估计领域中,ESPRIT算法的运算量均较小,MUSIC算法的精准度均较高,且二者的估测性能受不同的参数影响,这说明它们适用于不同的范围和场所。最后第5章总结了全文的研究工作,并指出子空间类算法的未来科研方向。本文的创新点有以下几点：1.把ESPRIT算法和MUSIC算法同时应用于频率估计领域,并借助流程图及MATLAB软件来表明它们的可行性和仿真性能,还对ESPRIT算法和MUSIC算法的频率估计性能作了全面的比较。2.提出了1D-MUSIC算法的改进算法,即Toeplitz优化法,还借用流程图及MATLAB软件来表明该方案的可行性和仿真性能,并从理论和实验两方面对1D-ESPRIT算法和1D-MUSIC算法的性能作了全面的比较。3.提出了2D-MUSIC算法的推广算法,即二维MNM算法,还借用流程图及MATLAB软件来表明该方案的可行性和仿真性能,并从理论和实验两方面对2D-ESPRIT算法和2D-MUSIC算法的性能作了全面的比较。(本文来源于《扬州大学》期刊2011-04-01）
盖轶冰[3]（2006）在《基于子空间分解类算法的智能天线DOA估计方法研究》一文中研究指出智能天线技术是第叁代移动通信系统的关键技术之一，也是现在国内外研究的热门课题。在移动通信系统中采用智能天线技术，实际上是通过数字信号处理，使天线阵为每个用户自适应地进行波束赋形，从而用较小的发射功率覆盖相同的范围并提高系统容量和业务质量、降低用户间的码间干扰和多址干扰。智能天线引入空分多址(SDMA)的概念，通过用户空间位置的差异对其进行分离。因此各用户的波达角度(DOA)作为反映用户空间位置的重要参量在智能天线中扮演着非常重要的角色。 本文首先回顾了智能天线和空间谱估计技术的发展过程，概括了其基本原理和应用；介绍了包括多重信号分类(MUSIC)、旋转不变子空间(ESPRIT)和共轭ESPRIT算法在内的子空间分解类算法，并进行了较为深入的理论性能分析；针对信号相干的情况，总结了几种空间平滑类算法以及它们的内在联系，研究了前人提出的具有解相干作用的类ESPRIT算法，并在此基础上，提出了改进意见，进一步减少了算法的运算量，使其能够根据系统容量选择计算强度，增强了算法在不同工作环境下的适应能力。最后提出了一种利用空间十字阵列的相干信号二维DOA估计方法，把解相干的类ESPRIT算法及其改进算法推广到了信号二维角度估计中。计算机仿真实验证明了以上方法具有运算量低，分辨力高的特点。(本文来源于《山东大学》期刊2006-04-10）
子空间分解类算法论文开题报告
（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：
子空间分解类算法是20世纪70年代发展起来的一种超(高)分辨率方法,它能精确地估测出信号的参数(频率、方位等),其性能理想、分辨能力和估测精度均比传统方法高。其特点是通过适当的数学变换,把接收数据分成两大独立且正交的子空间部分,再利用它们各自的特性来估测参数。故而它又分为信号和噪声两类子空间算法,其中前者是以旋转不变子空间(Estimation of Signal Parameters via Rotational Invariance Techniques,简称为ESPRIT)为代表,如ESPRIT法、LS-ESPRIT法、TLS-ESPRIT法、Toeplitz近似法等等；后者是以多重信号分类(Multiple Signals Classification,简称为MUSIC)为代表,如MUSIC法、ROOT-MUSIC法、Toeplitz优化法、多维MUSIC法、MNM法等等。此类算法因其良好的特性,已被广大科研人员接受。频率估计是信号处理技术的重要内容,对噪声背景下频率估测技术的研究已成为一个科研课题,被应用于众多行业,探索高精准度的频率估测技术具有重大的科研应用价值。空间谱估计是阵列信号处理技术的科研内容,它打破了Rayleigh限的制约,能同时精准地估测多个信源的方位信息。DOA技术正是该领域的热门方向,有较好的发展前景,但经典DOA技术的分辨能力不够强,常会出现无法估测或性能恶化等现象,故探索性能优良、具有更高精度的测向算法是很有必要的。本文主要讲述子空间分解类算法在参数估计中的应用,特别是在频率估计和空间谱技术领域的应用。首先绪论部分介绍了频率估计和空间谱技术的背景意义、科研历程、今后的发展趋势。接着第2、3、4章分别以ESPRIT算法、MUSIC算法为代表,讲述它们在频率估计、一维DOA估计、二维DOA估计领域中的应用,从理论和仿真两角度来表明这类算法的可行性及其仿真性能；同时根据MUSIC算法的原理,还提出了它的推广形式,即Toeplitz优化法和二维MNM算法,并借用流程图及MATLAB软件来表明该些方案的可行性和仿真性能；每章的末尾部分还对ESPRIT算法与MUSIC算法的参数估测性能作了全面的比较。分析研究表明：在不同的参数估计领域中,ESPRIT算法的运算量均较小,MUSIC算法的精准度均较高,且二者的估测性能受不同的参数影响,这说明它们适用于不同的范围和场所。最后第5章总结了全文的研究工作,并指出子空间类算法的未来科研方向。本文的创新点有以下几点：1.把ESPRIT算法和MUSIC算法同时应用于频率估计领域,并借助流程图及MATLAB软件来表明它们的可行性和仿真性能,还对ESPRIT算法和MUSIC算法的频率估计性能作了全面的比较。2.提出了1D-MUSIC算法的改进算法,即Toeplitz优化法,还借用流程图及MATLAB软件来表明该方案的可行性和仿真性能,并从理论和实验两方面对1D-ESPRIT算法和1D-MUSIC算法的性能作了全面的比较。3.提出了2D-MUSIC算法的推广算法,即二维MNM算法,还借用流程图及MATLAB软件来表明该方案的可行性和仿真性能,并从理论和实验两方面对2D-ESPRIT算法和2D-MUSIC算法的性能作了全面的比较。
（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。
子空间分解类算法论文参考文献
[1].王洪希.子空间分解类算法在轧辊偏心信号提取中的应用研究[D].北京科技大学.2014
[2].汪琼.子空间分解类算法在参数估计中的应用[D].扬州大学.2011
[3].盖轶冰.基于子空间分解类算法的智能天线DOA估计方法研究[D].山东大学.2006