导读:本文包含了多重信号分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:2维信号波达方向估计,L型阵列,共轭重组,加权
多重信号分类算法论文文献综述
王旭东,仲倩,闫贺,张迪[1]（2019）在《一种二维信号波达方向估计的改进多重信号分类算法》一文中研究指出多重信号分类(MUSIC)算法是一种经典的空间谱估计算法。该文以L型阵列为例,针对2D-MUSIC算法在接收信号信噪比较小时对多个目标中方位相近的目标无法进行准确估计的问题,提出一种改进2D-MUSIC算法。该算法对经典2D-MUSIC算法所构成的协方差矩阵进行共轭重组,并将重组后矩阵的平方与原协方差矩阵的平方进行相加求平均,由此获得新的矩阵,再对该矩阵对应的噪声子空间进行加权处理,选取适当的加权系数构造新的噪声子空间,最后通过谱峰搜索识别出目标位置。计算机仿真结果表明,与2D-MUSIC算法相比,改进后的算法在接收信号信噪比较小时对多个目标中方位相近的目标也能够进行信号波达方向(DOA)估计,提高了L型阵列2维DOA估计的分辨率,具有较好的工程应用价值。(本文来源于《电子与信息学报》期刊2019年09期）
吴江涛,胡定玉,方宇,朱文发[2]（2019）在《基于Group Lasso的多重信号分类声源定位优化算法》一文中研究指出多重信号分类算法因其抑制噪声能力强、计算速度快等优点,在声源定位领域得到广泛应用。但该算法在中低频段分辨率及聚焦性能较差。针对该问题,提出一种基于Group Lasso的多重信号分类优化算法。该算法将多重信号分类算法输出值作为初始值,并在Group Lasso算法组间计算时对目标信号进行稀疏、在组内计算时对该组信号进行平滑及阈值截断。仿真结果表明:该优化算法在中低频段可明显提高多重信号分类算法分辨率,同时改善因扫描位置与声源面位置不重合引起的聚焦性能下降问题。(本文来源于《应用声学》期刊2019年02期）
王新强,王欢,熊伟,叶松,汪杰君[3]（2018）在《空间外差信号提取中多重信号分类算法准则的影响》一文中研究指出基于空间外差光谱特性,针对传统傅里叶变换算法在光谱复原中的局限性,引入现代谱估计的多重信号分类MUSIC算法进行空间外差信号光谱复原,采用自回归传递函数准则(CAT)对影响谱估计效果的信号空间维数值进行估计.测试结果显示CAT准则直接定维值与最佳结果存在偏差,将CAT准则直接定维值减数值3作为改进后的新准则重新应用于实测数据光谱复原.改进的CAT准则与MUSIC算法配合能够很好地适用于空间外差干涉数据,光谱复原效果优于直接傅里叶变换结果.以光谱角度匹配和均方误差作为改进CAT准则的MUSIC算法谱估计效果评价指标,与理想光谱相比,MUSIC算法对钾盐双谱峰信号处理后复原光谱相似度达到0.764,均方误差为0.040,对氖灯多谱峰信号和处理结果分别为0.806和0.046.复色光结果分别为0.988和0.089.采用改进的CAT准则进行自适应定维的MUSIC算法对空间外差光谱复原具有一定优势,提高了功率谱复原效果.(本文来源于《光子学报》期刊2018年12期）
谢磊,孙超,刘雄厚,蒋光禹,孔德智[4]（2018）在《解卷积的多重信号分类算法方位谱低背景处理方法》一文中研究指出针对信噪比较低时,多重信号分类(Multiple Signal Classification,MUSIC)算法方位谱背景级较高的问题,提出了一种解卷积的MUSIC方位估计算法(Deconvolvecd MUSIC,D-MUSIC)。该方法用一个类似冲激函数作为MUSIC算法输出方位谱的点散射函数(Point Scattering Function,PSF),然后基于解卷积图像复原理论,利用该点散射函数和RichardsonLucy(R-L)迭代算法对MUSIC算法的方位谱进行解卷积,获得D-MUSIC算法的方位谱,达到降低方位谱背景级的目的。仿真表明,该方法继承了MUSIC算法的高分辨性能,且可以明显降低方位谱的背景级,具有较好的方位估计性能。对南海海上试验的水平阵数据进行处理,分析比较了利用MUSIC算法和解卷积MUSIC算法获得的方位谱时间历程图,分析结果有效验证了D-MUSIC算法性能的优越性。(本文来源于《声学学报》期刊2018年04期）
范迪,林自豪[5]（2018）在《基于多重信号分类的空间谱估计算法研究》一文中研究指出本文研究了国内外阵列信号处理技术的发展历程,介绍了对空间信号波达方向(DOA)的分布进行超分辨测向的空间谱估计技术,研究了基于信号特征矢量子空间分解的多重信号分类(MUSIC)算法。(本文来源于《中国无线电》期刊2018年06期）
陈涛,崔岳寒,郭立民[6]（2018）在《适用于单快拍的多重信号分类改进算法》一文中研究指出经典多重信号分类(MUSIC)算法的子空间估计以多快拍数据估计得到的协方差矩阵为基础,在实际应用中,可用的快拍数并不确定。针对这一问题,本文提出了一种适用于单快拍的MUSIC改进算法,即ISS-MUSIC算法。该算法对经典MUSIC测向方法进行了改进,将伪协方差矩阵构造法与共轭增强法相结合。新算法的优点为适用于单快拍,且性能优于未进行共轭增强的基于伪协方差矩阵单快拍MUSIC算法。(本文来源于《吉林大学学报(工学版)》期刊2018年03期）
聂益芳[7]（2017）在《基于波束空间的多重信号分类算法》一文中研究指出针对在实际应用环境中偏差和扰动不可避免的情况,提出了基于波束空间的多重信号分类算法。通过引入波束空间预处理技术来对误差进行校正,经过理论和仿真分析验证,基于波束空间MUSIC的算法估计方差比经典MUSIC算法大,但是它的信噪比门限明显降低且计算量更小。(本文来源于《数码世界》期刊2017年06期）
高伟[8]（2017）在《基于超声波传感器阵列及多重信号分类算法的风速风向测量方法》一文中研究指出风作为一种重要的自然现象,在现今生活中有着广泛的应用,在铁路、航空、航海、军事和气象等方面,风速风向的准确测量至关重要。传统的测风仪器由于存在可测风速范围不高、机械磨损、使用寿命短、维护成本高和精度较低等诸多缺点,逐渐被结构简单,测量范围宽,测量速度快,准确度高的超声波测风仪所取代。现有的超声波测风仪应用最为广泛的原理是时差法,即利用超声波在顺风和逆风情况下传播时间的不同来测量风速。国内外学者的相关研究也都是围绕时差法展开的,而时差法的测量精度完全取决于对超声波传播时间的测量精度。但是,在强电磁干扰和低信噪比的环境下,超声波传播时间的测量将变得困难甚至失效。阵列信号处理方法可以在复杂环境中对噪声进行有效抑制,目前将阵列信号处理的思想应用于气象仪器的研究,特别是超声测风方面的研究较少。本文利用阵列信号处理的优势,借鉴多重信号分类算法对风速风向信息进行估计,以突破时差法的原理限制。本文的主要工作内容如下:1.本文设计了一种弧形超声波传感器阵列结构,在此基础上建立了风速风向作用下的近场阵列接收数据的数学模型,并对其阵列流型矢量进行了推导,最后借鉴多重信号分类算法的基本思想,根据待测风速风向的范围及分辨率,通过谱峰搜索估计出风速风向信息;2.对弧形阵列结合多重信号分类算法估计风速风向信息方法的相关性能和问题展开分析和讨论:对所提方法的风速和风向估计方差公式分别进行推导,得到的公式可用于任意阵列结构,同时也分别给出了阵列测风方法的风速风向估计克拉美-罗界公式;利用估计方差的计算结果以及阵列模糊问题的分析,讨论了均匀线阵对于本文提出的方法的缺陷;接着对方法测向范围、阵列模糊和分辨力问题展开了详细的分析和讨论;通过设计仿真实验验证了方法的可行性以及相关问题和性能。3.根据待估计的风速风向范围以及分辨率,利用推导得到的方差公式,分别计算得到所提方法对风速和风向的估计方差值,从理论上对阵列测风方法估计的准确性做了一定的说明,着重分析讨论了估计方差相对较大的部分;推导得到的估计方差公式,对于分析这一类方法的准确性有着很高的应用价值。4.通过搭建硬件实验平台验证本文提出的测风方法:首先对硬件实验平台的整体结构及各部分组成进行了详细描述,利用Gill仪器对搭建的实验风洞进行了风速标定;接着说明了在硬件实验平台的实际应用中,对数据进行处理的几种方式;最后对实验平台在风洞中的实验结果以及产生误差的原因进行分析和讨论,证明了方法的可行性以及算法应用的稳定性。(本文来源于《吉林大学》期刊2017-06-01）
姜祎,雍锦涛[9]（2016）在《基于改进的多重信号分类算法目标亮点分辨实验研究》一文中研究指出本文通过计算机模拟仿真,比较传统的常规波束形成算法、多重信号分类算法及改进多重信号分类算法的优缺点。采用Benchmark模型进行了湖上试验,用高分辨算法估计信号空间谱,区分亮点位置,从而验证了改进的多重信号分类算法可以保持良好的角度分辨力,其计算量较小,便于实现。(本文来源于《2016年中国造船工程学会水中目标特性学组学术交流会论文集》期刊2016-10-25）
顾建祖,周春杰,骆英,王自平,徐晨光[10]（2015）在《CS损伤成像中的时间逆转多重信号分类算法》一文中研究指出将时间逆转多重信号分类算法应用于混凝土结构内部损伤检测中,由换能器单元发射的信号和接收的损伤回波信号构建传递矩阵,并通过对传递矩阵奇异值分解后得到的奇异值反映了损伤的数量与损伤的程度,奇异向量则包含了损伤信息,基于多重信号分类算法结合奇异向量对CS内部结构成像并实现损伤定位,通过数值仿真和实验验证了时间逆转成像方法用于CS损伤检测的可行性,实现了损伤的准确定位。(本文来源于《电子科技》期刊2015年12期）
多重信号分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：
多重信号分类算法因其抑制噪声能力强、计算速度快等优点,在声源定位领域得到广泛应用。但该算法在中低频段分辨率及聚焦性能较差。针对该问题,提出一种基于Group Lasso的多重信号分类优化算法。该算法将多重信号分类算法输出值作为初始值,并在Group Lasso算法组间计算时对目标信号进行稀疏、在组内计算时对该组信号进行平滑及阈值截断。仿真结果表明:该优化算法在中低频段可明显提高多重信号分类算法分辨率,同时改善因扫描位置与声源面位置不重合引起的聚焦性能下降问题。
（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。
多重信号分类算法论文参考文献
[1].王旭东,仲倩,闫贺,张迪.一种二维信号波达方向估计的改进多重信号分类算法[J].电子与信息学报.2019
[2].吴江涛,胡定玉,方宇,朱文发.基于GroupLasso的多重信号分类声源定位优化算法[J].应用声学.2019
[3].王新强,王欢,熊伟,叶松,汪杰君.空间外差信号提取中多重信号分类算法准则的影响[J].光子学报.2018
[4].谢磊,孙超,刘雄厚,蒋光禹,孔德智.解卷积的多重信号分类算法方位谱低背景处理方法[J].声学学报.2018
[5].范迪,林自豪.基于多重信号分类的空间谱估计算法研究[J].中国无线电.2018
[6].陈涛,崔岳寒,郭立民.适用于单快拍的多重信号分类改进算法[J].吉林大学学报(工学版).2018
[7].聂益芳.基于波束空间的多重信号分类算法[J].数码世界.2017
[8].高伟.基于超声波传感器阵列及多重信号分类算法的风速风向测量方法[D].吉林大学.2017
[9].姜祎,雍锦涛.基于改进的多重信号分类算法目标亮点分辨实验研究[C].2016年中国造船工程学会水中目标特性学组学术交流会论文集.2016
[10].顾建祖,周春杰,骆英,王自平,徐晨光.CS损伤成像中的时间逆转多重信号分类算法[J].电子科技.2015
标签：2维信号波达方向估计; L型阵列; 共轭重组; 加权;