联合对角化

摘要： 系统谐波阻抗的精确估计对谐波责任划分和谐波溯源有重要意义.提出用联合对角化法(JADE)对公共点(PCC)处谐波电压和电流波动量值进行分离,求得混合矩阵,再通过其中的线性关系计算系统谐波阻抗值.针对数据测量和采集误差,提出用拉伊达准则进行数据清洗,考虑到电力系统稳定运行时系统谐波阻抗不会突变以及其实部为正的特性,在求得系统谐波阻抗值后,提出阻抗值不突变与符号判别的数据筛选准则.对所提方法进行了仿真和实际案例计算,计算结果表明:与传统方法相比,文中方法能够有效提高计算精度.

摘要： 目标定位经典算法有很多,但大多不能直接适用于MIMO雷达近场目标定位,而现存的单基地MIMO雷达近场目标定位算法很少.为了解决这个问题,提出了一种基于联合对角化的MIMO雷达近场多目标定位算法.该算法使用十字形收发阵列,利用接收信号的协方差矩阵构造新的矩阵,灵活运用联合对角化算法得到发射角和距离估计值,再利用谱峰搜索得到接收角估计值.该算法和现有的MIMO雷达近场目标定位算法相比,精度高,无相位模糊问题,且参数能自动配对.仿真实验证明了算法的有效性.

摘要： 针对具有时间结构的盲分离问题,提出了一种基于两正定矩阵精确联合对角化的盲分离算法.利用多个不同时延统计量构造了两个正定矩阵,以提取出数据的时间结构;再利用所提算法联合对角化构造的两个正定矩阵,得到分离矩阵,进而估计出源信号.所提算法克服了已有算法因采用多个矩阵联合对角化导致的计算量大和采用单个矩阵导致的分离精度低的缺点.计算机仿真结果表明了在有或无噪声情况下,所提算法性能均优于其他对比算法.

摘要： 为了克服快速不动点算法(FastICA)在语音信号盲源分离中由于计算量较大时造成的运算速率明显降低的弊端,提出了一种矩阵联合对角化和FastICA算法相结合的改进算法.首先对观测信号进行特征矩阵近似联合对角化处理,得到初步分离的信号,进而利用FastICA算法实现语音信号的二次分离.仿真结果表明,和传统的基于负熵极大化的FastICA算法相比,改进的FastICA算法能够在保证分离效果的前提下,大幅度降低了运算的迭代次数,进一步加快了运算的收敛速度.

摘要： 针对旋转机械设备受到测量误差及系统误差等因素影响,导致滚动轴承多故障模态信号难以分离的缺陷,提出一种误差影响下滚动轴承多重故障模态特征信号的盲源分离方法.对故障信号进行白化预处理得到白化矩阵,进而计算白化矩阵的4阶累积量,并构建4阶累积量矩阵;将累积量矩阵对角化,并取前K个较大特征值对应的特征向量作为新累积量矩阵;利用总体最小二乘方法估计最小化新累积量矩阵与目标正交矩阵的误差函数,最大程度地联合近似对角化新累积量矩阵,实现多故障信号的分离估计;为进一步评估该方法的有效性,选用时域相关系数及时频域双谱估计两种评价方法对分离结果进行验证.结果表明,该方法分离出来的信号与源信号相关系数高,并且时频域双谱估计相似,是一种有效分离多重故障的方法.

摘要： 提出一种基于盲源分离的跳频通信抗干扰方法.利用跳频信号的短时平稳性和有色噪声的非消失时间相关性,构建基于选定特征窗内的联合差分相关矩阵,利用其对接收信号进行空间预白化,弱化有色噪声的影响.然后,通过对一组在不同特征窗内获得的时滞自相关矩阵进行联合对角化,实现跳频信号和干扰的分离,达到抗干扰的目的.仿真结果表明,在归一化信噪比较低的情况下,新算法具有比JADE算法、fast ICA算法更好的分离性能和更低的误比特率.

摘要： 随着时频分析理论和算法的迅猛发展,时频分析技术已经在方位估计(Direction Of Arrival,DOA)领域引起广大专家学者的广泛关注.首先讨论将时频分析理论应用于方位估计进而获得高空间分辨能力的方法.其次,为了综合利用所有相关的空时频分布点,提出联合对角化方法.该方法采用最小方差无畸变处理器(Minimum Vari-ance Distortionless Response processor,MVDR),克服传统多重信号分类处理器(Multiple Signal Classification,MU-S IC)需要估计信号子空间和噪声子空间的不足.数值仿真结果验证所提出的基于空时频联合分析的方位估计方法的有效性,同时表明该方法在低信噪比以及相干源条件下的优异性能.%With the rapid development of the theory and algorithms for time-frequency analysis ,it has already inspired some notable investigation in the context of Direction Of Arrival (DOA) estimation .This paper show s how time-frequency analysis can be applied to the DOA domain and achieve a higher spatial resolution .In order to combine all the relevant STFD points , the joint diagonalization technique is proposed. At the same time , the work adopts Minimum Variance Distortionless Response processor (MVDR ) , rather than MUSIC , to avoid the estimation of the signal subspace and noise subspace . Numerical simulations illustrate the effectiveness of the DOA estimation algorithm based on the STFDs structure and also show that under some challenging scenarios such as low SNR and coherent arrivals ,our proposed algorithms can distinguish closely spaced sources compared with conventional methods .

摘要： 扩展孔径的非均匀阵列用于二维波达方向估计时,即使无相同的方位角或俯仰角也存在具有相同的方向余弦的情况,即奇异点问题。为了解决奇异点问题,所提出的算法构建了四个延时互相关矩阵,并根据对应的信号子空间构造对角矩阵。因此,算法可以通过联合对角化方法得到自动配对的低精度无模糊的方向余弦估计值以及高精度模糊的方向余弦估计值。最后,使用解模糊方法得到高精度无模糊的方向余弦估计值。所提出的算法解决了非均匀阵列二维波达方向估计存在的奇异点问题,且在欠定条件下具有良好的估计性能。仿真结果验证了所提出算法的有效性。

摘要： 针对二次监视雷达(SSR)应答信号混扰导致解码错误的问题,提出基于模式S应答信号曼彻斯特编码特性的SSR混扰信号分选算法.该算法首先根据曼彻斯特编码特性构建混扰信号的分选模型,将分选问题转化为非对称非正交的联合对角化问题,然后通过一种较为简洁的求解方法,快速求解出分离矩阵,以实现对混扰信号的有效分选,并可准确地估计出应答信号的到达方向.仿真验证表明,该算法在低信噪比情况下保持较好的分选性能,且其性能受应答信号的到达方向和相对延时影响较小.%In order to solve the decoding errors of secondary surveillance radar (SSR) due to the phenomenon of garble,an algorithm based on the manchester encoding property of mode S was proposed for separating the garbled replies.Firstly,a separation model was established on the basis of the manchester encoding property,so separation problem was transformed into a non-symmetrical non-orthogonal joint diagonalization problem.Then,a succinct method was proposed to solve for the separation matrix fast,and the direction of arrival (DOA) was estimated accurately.Numerical simulations show ed that the proposed algorithm maintained good separation performance in the low SNR case,and its performance was less affected by the DOA and relative delay.

摘要： 针对卷积混合语音的特点，本文提出了一种基于联合对角化的卷积混合语音频域盲分离算法。首先对卷积混合语音进行短时傅里叶变换，将时域的卷积混合形式转换成频域里线形混合形式，然后利用联合对角化方法，在频域中对混信号进行分离，并在转换回时域前解决排序和膨胀问题。最后仿真实验，证明了算法的有效性。

摘要： 该文提出了一种基于非正交联合对角化的盲波束形成算法。该算法不需要预白化，直接对阵列接收信号的四阶累积量矩阵进行联合对角化，得到非正交的分离矩阵，避免了由白化引入的误差。仿真实验表明，新算法在低信噪比下相比于JADE算法有更好的分离效果，而且该算法还可以通过增加采样数据点长度来提高分离性能。

摘要： 本文针对卷积混合模型,提出一种仅用二阶统计量的时域盲分离算法.通过直接在时域上定义的代价函数,采用最速下降法搜索多项式矩阵,使观测值构成的空时相关矩阵联合对角化,从而实现了源信号卷积混合的盲分离.仿真结果表明应该盲分离算法不仅能有效分离非平稳、非白色的源信号,而且避免了频域盲分离算法中固有的分离信号排列顺序不确定所引起的频率置换模糊.

摘要： 为提高空间相关噪声场中的目标方位估计性能,提出一种基于空时相关阵联合块对角化的子空间方位估计算法.具体利用Jacobi旋转矩阵法对一组空时相关阵联合近似对角化,用联合对角化特征向量矩阵和特征值修正MUSIC(Multiple Signal Classification)等子空间算法.理论和仿真结果表明,在非相关噪声场中,基于联合对角化的子空间算法性能与常规子空间算法基本一致;而在相关噪声场中,联合对角化特征向量法能显著减小方位估计方差,提高估计性能.

摘要： 本文提出了一种迭代的非正交联合对角化算法-增强联合对角化算法(EJD).EJD通过不断地循环迭代实现联合对角化,在每一步迭代中,EJD把联合对角化问题转化为求低阶矩阵的特征向量问题.EJD算法具有简单、有效、计算方便等优点.大量的盲分离(BSS)仿真结果显示,EJD算法可以有效地应用于盲信号分离,且性能较好,特别是在混合噪声很大的条件下.

摘要： 从信号的统计规律出发,将盲源分离(BSS)问题转化为普通的特征值分解问题,提出一种基于联合对角化的盲源分离算法.构造了一个类似特征函数的核函数,考虑了信号各阶累积量所包含的信息.通过对超高斯信号与亚高斯信号的分离实验表明,在分离效果和收敛速度上,该算法较其他算法具有一定的优越性.

摘要： 由于在移动通信和多通道语音增强方面的应用，卷积混合信号的盲分离方法近些年引起了大量的研究。rn 提出了一种依据去相关的卷积混合信号分离方法。首先，通过设计一个FIR分离滤波器，并对观测信号进行白化，把卷积信号盲分离转化为求一半正交分离矩阵的问题。其次，通过白化数据在不同时间延迟下的相关矩阵的近似联合对角化，去估计半正交的分离矩阵。最后，通过语音分离的仿真验证了算法的有效性。

摘要： Wigner分布的交叉干扰项严重影响了其时频分辨率,其交叉项是由于信号混合引起的,本文提出一种基于独立分量分析的Wigner分布交叉干扰项消除法,在无需了解信号混合的情况下,通过盲分离方法提取各独立分量信号,给出盲分离结果不确定性的解决方法,建立包含自项与交叉项的时频分布矩阵,利用时频分布矩阵的联合对角化算法消除独立分量信号之间的交叉干扰项,通过独立分量自项求和重构Wigner分布,重构的Wigner分布具有良好的时频分辨率,数值仿真证实了算法的有效性.

摘要： 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叠加成三阶张量,再对此三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。

摘要： 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叠加成三阶张量,再对此三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。

摘要： 本发明公开了一种双迭代非正交联合块对角化卷积盲源分离方法，包括：从M个传感器接收并记录源信号的观测信号，获得观测信号在指定时延下的二阶时延相关矩阵组，根据所述二阶时延相关矩阵组构造卷积对称拟合代价函数，利用双迭代算法求解所述卷积对称拟合代价函数，获得源信号的估计值。该方法直接在时域内迭代求解混叠矩阵和对角矩阵组，避免了频域算法存在比较严重的排列不定性问题，能够有效提高语音分离后语音识别精准率，且该方法收敛稳定且能做到快速收敛，同时时间复杂度较低。

摘要： 本发明公开了一种基于矩阵联合近似对角化的矩阵数据处理系统及方法，属于通信数据处理领域，本发明基于FPGA平台，具有脉动阵列、流水线处理思想，对传统数据处理进行了并行化设计，兼有多种优点，既可以在较短的时间内完成算法的计算，也同时在保证计算速度的同时兼顾了硬件资源开销，并且基于模块化的设计具有较好的移植性。

摘要： 本发明公开了一种用于四个数据集联合盲源分离的四阶张量联合对角化算法，包括以下步骤：S1、观测信号：对四个数据集观测信号分别进行预白化；S2、目标张量：预白化之后，构造一组互四阶累积量张量；S3、初始化因子矩阵；S4、代价函数收敛计算：若一次扫描过后，算法收敛，则计算结束，若算法仍未收敛，则以此次更新所得的因子矩阵作为初始值，进行下一次扫描，遍历更新雅克比旋转矩阵，更新因子矩阵，直至收敛为止。本发明所述的用于四个数据集联合盲源分离的四阶张量联合对角化算法，该算法基于正交旋转变换，因而能够获得最小二乘意义上的最优解，是一种针对不多于四个数据集信号的J‑BSS方法。

摘要： 本发明涉及雷达技术领域，为解决传统的二维DOA估计中，在俯仰角为70°～90°的实际移动通信俯仰角度范围内的角度估计失效问题、俯仰角和方位角的配对问题，以及奇异点问题，本发明，扩展孔径二维联合对角化DOA估计方法，利用非均匀L型天线阵列实现，具体步骤如下：(1)构造延时互相关矩阵；(2)构造选择矩阵，分别得到四个对角矩阵；(3)得到z轴低精度无模糊的方向余弦估计值以及高精度模糊的方向余弦估计值；(4)同理得到x轴上对应的两种方向余弦估计值；(5)通过解模糊方法得到高精度无模糊的方向余弦估计值(6)得到俯仰角和方位角的估计值和本发明主要应用于估计接收到的信号的到达方向场合。

摘要： 本发明公开了一种用于四个数据集联合盲源分离的四阶张量联合对角化算法，包括以下步骤：S1、观测信号：对四个数据集观测信号分别进行预白化；S2、目标张量：预白化之后，构造一组互四阶累积量张量；S3、初始化因子矩阵；S4、代价函数收敛计算：若一次扫描过后，算法收敛，则计算结束，若算法仍未收敛，则以此次更新所得的因子矩阵作为初始值，进行下一次扫描，遍历更新雅克比旋转矩阵，更新因子矩阵，直至收敛为止。本发明所述的用于四个数据集联合盲源分离的四阶张量联合对角化算法，该算法基于正交旋转变换，因而能够获得最小二乘意义上的最优解，是一种针对不多于四个数据集信号的J‑BSS方法。

摘要： 本发明涉及无线电定向技术领域，具体的说是一种能够有效提升空间谱分辨力的基于联合对角化的相干源测向方法，其特征在于，通过利用阵列协方差矩阵的列向量，来重构若干有效恢复秩的具有联合对角化结构的协方差矩阵，然后构造一维DOA搜索谱函数，最后通过对谱函数的一维寻优，实现对相干信号的DOA估计的基于均匀线性阵列、适用于相干源的测向方法，与现有技术相比，数据处理过程简单，对于M个阵元的均匀线阵，可以最多估计2M/3个信号；与前向平滑和双向平滑等现有技术相比，显著改善了相干信号在低信噪比条件的测向精度，提升了空间谱分辨力，为实现均匀线阵在各领域中的工程应用奠定基础。

摘要： 本发明公开了一种空间调制中基于联合对角化的干扰协方差矩阵估计方法，该方法为：合法接收机首先利用接收到的信号计算出样本协方差矩阵，再结合已知的干扰协方差矩阵的秩信息，根据联合对角化原则构建出目标函数后采用交替优化的方法进行求解；首先固定对角矩阵，利用吉文斯旋转矩阵求解出酉变换矩阵；其次在酉矩阵固定后，求解对角矩阵；随后根据定义得到估计的干扰协方差矩阵；最后根据估计到的干扰协方差矩阵设计接收波束成形向量，提升系统的抗干扰能力。本发明估计得到的干扰协方差矩阵结合相应的波束成形，使得全双工窃听者存在的空间调制在安全性能方面的性能得到显著的提升。

摘要： 本发明公开了一种基于子阵特征矩阵联合对角化的单脉冲和差波束测角方法，应用于雷达角度测量技术领域，针对现有技术存在的测角问题；本发明首先利用特征矩阵联合对角化方法分别对每个子阵的和差通道信号进行分离，估计出目标信号和干扰信号，实现主瓣干扰抑制；然后将各子阵估计得到的目标信号(或者干扰信号)联合构建和差波束；最后利用单脉冲和差波束测角算法将目标信号(或者干扰信号)的角度信息获取，从而实现目标信号(或者干扰信号)的角度测量；通过仿真表明了本发明所提这一方法的有效性。

摘要： 本发明属雷达信号处理领域，为提出二维ESPRIT算法估计2D‑DOD和2D‑DOA,可实现角度的自动匹配，并能解决角度兼并的问题，具有较好的估计性能。为此，本发明采取的技术方案是，联合对角化L型MIMO雷达圆与非圆混合测向方法，首先利用多输入多输出MIMO雷达接收到的数据向量及其共轭构造新的数据向量，然后采用高分辨率参数估计ESPRIT的方法，基于对含有非圆信息的方向矩阵进行联合对角化来估计二维波离方向2D‑DOD和二维波达方向2D‑DOA。本发明主要应用于雷达信号处理场合。

摘要： 本发明公开了一种基于特征矩阵联合对角化的多目标主瓣抗干扰方法，属于雷达抗干扰技术领域，特别涉及多目标盲源分离抗主瓣干扰方法。该方法首先在多目标受主瓣干扰的情况下建模；然后利用JADE将干扰分量与目标回波分量分离开来；最后根据匹配滤波原则，将盲源分离得到的目标回波分量经过匹配滤波器，最终抑制干扰进而实现目标探测。仿真表明了这一方法的有效性，并且该算法不需要干扰信号的先验信息，且可抑制多种类型的干扰，具有普遍适用性。