二阶统计量
二阶统计量的相关文献在2000年到2022年内共计126篇,主要集中在无线电电子学、电信技术、自动化技术、计算机技术、机械、仪表工业
等领域,其中期刊论文96篇、会议论文11篇、专利文献490170篇;相关期刊71种,包括中国生物医学工程学报、哈尔滨工程大学学报、噪声与振动控制等;
相关会议10种,包括2011年青年通信国际会议(ICYC2011)、2011年亚太青年通信学术会议(APYCC2011)、中国声学学会第九届青年学术会议等;二阶统计量的相关文献由274位作者贡献,包括蒋建中、刘世刚、周海峰等。
二阶统计量—发文量
专利文献>
论文:490170篇
占比:99.98%
总计:490277篇
二阶统计量
-研究学者
- 蒋建中
- 刘世刚
- 周海峰
- 王荣杰
- 詹宜巨
- 张立毅
- 房云飞
- 查代奉
- 王洪雁
- 白曜铭
- 裴炳南
- 赵菊敏
- 冯大政
- 宋昕
- 李灯熬
- 李飞
- 汪晋宽
- 王波
- 胡波
- 韩英华
- 乔惠娇
- 刘增田
- 刘天鹏
- 刘宏伟
- 刘振
- 刘欢
- 刘正平
- 刘永祥
- 吴亿锋
- 周道
- 姜明顺
- 孙有铭
- 宋婷
- 宋杰
- 宋福荣
- 尹愚
- 张曙
- 张朝阳
- 张法业
- 彭勃
- 彭华
- 戴琼海
- 李肖
- 李静
- 杜兰
- 杨林举
- 杨超
- 武思军
- 沈希忠
- 王华奎
-
-
李学相;
曹淇;
刘成明
-
-
摘要:
针对基于生成对抗网络的图像超分辨率重建方法依赖配对数据集训练且结果不稳定的问题,提出了一个新的基于无配对图像的模型N M-SRGA N.首先,通过使用循环生成对抗网络作预处理模块,使模型可以不依赖配对数据集进行训练且获得更好的输入图像,同时该模型取消了BN层的使用,解决了结果不稳定的问题.然后,使用了协方差矩阵捕捉图像的二阶信息,增加了二阶损失函数,更加注重于捕捉图像细节区域部分的变化.最后,通过使用新的V GG损失函数提升了图像的边缘纹理细节.对提出的N M-SRGA N模型在4个标准数据集上进行测试评估,使用客观评价标准对结果图进行评价,NM-SRGAN模型较目前若干先进模型中的最佳峰值信噪比分别提升了0.19、0.03、0.13、0.02 dB,在4个数据集上的评价值均达到最高.实验结果表明,该模型在稳定性、图像质量和细节方面较经典算法均有较好的提升.
-
-
麻永田;
齐晶;
张秋实;
罗大为;
方建军
-
-
摘要:
为了提高小样本学习的准确率和抗干扰能力,提出了一种基于二阶统计量的小样本学习模型,以CNN最后一层卷积输出的一阶特征向量为输入,通过计算协方差矩阵和二阶池化获得具有较高区分度的二阶统计量,采用奇异值(SVD)分解将二阶特征映射到低维仿射子空间并据此分类.本算法在Omniglot和minilmageNet数据集上进行了测试,实验结果表明,在minilmageNet上的5-way 5-shot模型准确率达到了73.6%,比Prototypical Networks高出5.4%,在Omniglot上的20-way 1-shot模型准确率则获得了2.4%的提升,本算法性能优于Prototypical Networks等算法.在异常值测试中,本算法也展现出比Matching Networks和Prototypical Networks算法更强的鲁棒性.
-
-
-
张颖
-
-
摘要:
在信号的预处理阶段,可简化盲源分离或独立分量分析方法,采用基于二阶统计量的盲辨识方法,分离不同功率谱的有色源信号,以改善自适应系统的收敛特性,消除冗余或减少噪声污染.提出了一种基于特征值分解的二阶统计量的盲辨识方法,可以较好地识别混合矩阵,对有色源信号进行盲源分离.通过不同时滞τ的比较,以及不同算法的比较,证明了该辨识方法对不同的时滞在τ=1时的分离效果最好,且该方法比其他方法的分离效果更好.
-
-
房云飞;
王洪雁;
裴炳南
-
-
摘要:
为提高非均匀噪声下波达方向(direction of arrival,DOA)角估计算法的估计精度和分辨率,基于低秩矩阵恢复理论,提出了一种二阶统计量域下的加权l1稀疏重构DOA估计算法.该算法基于低秩矩阵恢复方法,引入弹性正则化因子将接收信号协方差矩阵重构问题转换为可获得高效求解的半定规划(semidefinite programming,SDP)问题以重构无噪声协方差矩阵;而后在二阶统计量域下利用稀疏重构加权l1范数实现DOA参数估计.数值仿真表明,与传统MUSIC、l1-SVD及加权l1算法相比,所提算法能显著抑制非均匀噪声影响,具有较好的DOA参数估计性能,且在低信噪比条件下,所提算法具有较高的角度分辨力和估计精度.
-
-
王洪雁;
房云飞;
裴炳南
-
-
摘要:
该文针对传统波达方向角(DOA)估计算法在非均匀噪声下角度估计精度差及分辨率低的问题,基于矩阵补全理论,提出一种二阶统计量域下加权L1(MC-WLOSRSS)稀疏重构DOA估计算法.首先,基于矩阵补全方法,引入弹性正则化因子将接收信号协方差矩阵重构为无噪声协方差矩阵;而后在二阶统计量域下通过矩阵求和平均将无噪声协方差矩阵多矢量问题转化为单矢量问题;最后利用稀疏重构加权L1范数实现DOA参数估计.数值仿真表明,与传统MUSIC,IL1-SRACV,L1-SVD子空间算法及稀疏重构加权L1算法相比,所提算法能显著抑制非均匀噪声影响,具有较好DOA估计性能,且在低信噪比条件下,亦具有较高估计精度和分辨力.%Focusing on the problem of poor accuracy and low resolution of traditional Direction Of Arrival (DOA) estimation algorithm in the presence of non-uniform noise, based on the Matrix Complement theory, a Weighted L1 Sparse Reconstruction DOA estimation algorithm is developed under the Second-order Statistical domain (MC-WLOSRSS) in this paper. Following the matrix completion approach, the regularization factor is firstly introduced to reconstruct the signal covariance matrix reconstruction as a noise-free covariance matrix. After that, the multi-vector problem of the noise-free covariance matrix can be transformed into a single vector one by exploiting sum-average operation for matrix in the second-order statistical domain. Finally, the DOA can be complemented by employing the sparse reconstruction weighted L1 norm. Numerical simulations show that the proposed algorithm outperforms the traditional DOA algorithms such as MUltiple SIgnal Classification (MUSIC), Improved L1-SRACV (IL1-SRACV), L1-norm-Singular Value Decomposition (L1-SVD) subspace and sparse reconstruction weighted L1 methods in the following respects: suppressing the influence of the non-uniform noise significantly, bettering DOA estimation performance, as well as improving estimation accuracy and resolution with low Signal-Noise Ratio (SNR).
-
-
-
-
刘欢;
王健;
郭烁;
张琳琳;
李金凤;
王庆辉
-
-
摘要:
针对大型风力机主轴承易发生故障且特征信号难以提取的问题和传统盲分离算法计算量大、收敛性较差的缺点,提出一种改进二阶统计量的盲源分离算法;利用信号的非平稳性,将传感器数据分成不重叠的时间窗,用广义时滞协方差矩阵代替标准协方差矩阵,然后估计每个窗内的时滞协方差矩阵平均值来提高算法的稳健性和精确度.且将该算法成功应用于某风场大型风力机主轴承故障信号的提取中.分析结果表明,该算法可有效分离大型风力机主轴承与其他部件的振动信号,与其他算法相比具有分离精度高、可靠性好等优点,对风力机主轴承的故障诊断十分有效.
-
-
白曜铭;
蒋建中;
刘世刚;
孙有铭
-
-
摘要:
针对全盲信道辨识算法无法辨识含公零点信道且对信道阶数误差敏感的问题,本文基于信道的CR相关性提出一种简单有效的半盲信道辨识算法。算法通过输出数据构造相关矩阵W,根据相关矩阵W与信道向量的正交性构造约束方程,并利用少量已知符号和改进的最小二乘(Modified least square,MLS)准则建立额外的约束,通过最小二乘法求得信道响应的闭式解。该算法有效地克服了全盲信道辨识算法的诸多局限性,避免了传统半盲方法面临的最优加权选择问题,算法复杂度较低且性能稳定,对信道噪声及信道阶数具有较强的鲁棒性。仿真实验验证了所提算法的有效性与优越性。%Most of blind channel identification algorithms cannot estimate the channel with common zeros and they are sensitive to the channel order error.Here,this paper proposes a new cross-relation-based semi-blind channel identification method.The algorithm uses the output data structure correlation matrix W and builds a linear system of equations based on the orthogonal relationship between matrix W and channel vector.Some known symbols are utilized based on MLS criterion to build other equations.The closed form solution of channel response is derived by the least-square method.The proposed algorithm effectively overcomes many limitations of blind channel identification algorithms,avoids the selection of optimal weighted parameter that commonly appears in the traditional semi-blind methods with strong ro-bustness to channel noise and channel order.Simulation results verify the effectiveness and superiority of the proposed algorithm.
-
-
-
-
-
-
-
-
-
-
-
刘琦;
胡波
- 《中国电子学会电路与系统学会第十九届年会》
| 2005年
-
摘要:
本文提出了一种改进的基于自相关匹配(AM)原理的多输入多输出(MIMO)信道盲均衡方法.在改进方法中,每次选择两个接收信号作为一个组合,列出所有的组合情况.然后,对每一种组合情况,分别使用基本的AM方法以得到一个均衡后的输出信号.最后,这些输出信号通过一定的方式进行合并,从而恢复出发送信号.仿真结果表明这种改进可以改善系统的误比特率(BER)性能.