协方差矩阵

摘要： 当信号接收阵列存在误差时,阵列的导向矢量将会出现偏差,进而影响到参数估计算法的性能。为了减少阵列误差对参数估计结果的影响和降低计算复杂度,可以采用智能算法与主成分分析结合的方式。首先,利用后向传播神经网络方法将误差和其他因素包含在网络模型中,避开误差建模的繁琐过程;其次,由于后向传播神经网络训练近场源参数估计模型的时间过长,复杂度较高,为了缩短训练时间,减少计算量,在后向传播网络模型中引进主成分分析方法来降低信号特征矩阵维数,再把降维后的信号特征矩阵作为后向传播神经网络的输入特征,将近场源参数作为期望输出来进行训练,从而简化网络结构,减少训练过程中要估计的权值参数,缩短训练时间;最后,将包含待估计信号信息的接收数据输入到训练好的网络模型中,得到信号入射方向的估计值。该算法能够在接收阵列存在误差的情况下对近场源参数进行准确的估计,提高低信噪比下近场源信号参数的估计性能。仿真实验结果表明了该算法的有效性。

摘要： 为了在低信噪比下进行水下信源数的准确估计,将信源数估计算法推广至声矢量阵声压振速联合信息处理。研究了2种联合信息处理方式的原理,针对观测方位固定可能导致某些方位的信号由于空间滤波被滤除,提出一种新的观测方位的选择方法,对方位角进行扫描,取协方差矩阵行列式值的绝对值最大的协方差矩阵对应的方位作为观测方位。理论分析和仿真实验表明:相比于选择固定观测方位,采用新的观测方位选择方法进行联合信息处理的处理增益更大,信源数估计算法可以在更低的信噪比下进行准确估计。

摘要： 对于高精度波达方向(DOA)估计方法来说,麦克风阵列缺乏对各种阵列缺陷的适应性是一个难以解决的问题.基于卷积神经网络(CNN)的DOA估计算法具有不依赖阵列拓扑结构先验假设的优势,且与基于模型的方法相比,能更好地适应阵列缺陷.首先利用SAE对麦克风阵列输出的协方差矩阵进行预处理,将信号分解为多个空间子域,这些空间子域具有比原始输入更集中的分布,有助于减少后续DOA估计的泛化负担;然后将空间子域作为CNN的输入来训练神经网络,建立学习特征与DOA估计的非线性映射关系.相比传统的DOA估计算法,基于SAE-CNN的DOA估计算法在麦克风阵列缺陷下具有更强的准确性和适应性.

摘要： 在有限暗室条件下对自适应调零天线导航接收机进行抗干扰试验时,强干扰测试信号的多径反射功率经吸收、衰减后仍远大于导航信号,其是否影响调零天线抗干扰性能评估是决定测试可信度重要因素。基于多径下天线阵信号接收模型,通过对接收信号协方差矩阵分析,量化分析了多径信号引入与特征值、特征向量之间的关系;然后基于最小功率的调零模型,仿真验证了多径信号对调零天线权值造成的影响。结果表明,当干扰与其多径信号强度差小于一定值,天线阵零陷点会被从实际干扰来向点拉偏;但随着强度差增大,多径信号的引入对零陷点位置影响逐渐减小。

摘要： 癫痫是大脑神经元突发性异常放电,导致短暂的大脑功能障碍的一种慢性疾病。临床上主要由专业的神经科医生通过对患者的脑电图(Electroencephalogram,EEG)信号的人工分析来检测癫痫疾病,这种方法耗时长、效率低,且对神经科医生专业技术水平要求极高。及时并准确地检测癫痫对于使用抗癫痫药物治疗起到至关重要的作用,因此设计癫痫自动检测方法的意义重大。提出了一种结合协方差信息和深度学习的方法:计算EEG的协方差矩阵,并将结果展开成向量,保留EEG信号的可分信息,再使用1维卷积神经网络(1D Convolutional Neural Networks,1D CNN)检测癫痫发作。使用CHB-MIT数据集进行两种实验,即癫痫发作间期vs癫痫发作前期和癫痫发作间期vs癫痫发作前期vs癫痫发作期,以验证该方法的可行性。其中,癫痫发作间期vs癫痫发作前期实验的准确率、灵敏度、精密度、特异度和F1-分数的平均值分别为99.36%、98.81%、99.59%、99.16%和99.19%;癫痫发作间期vs癫痫发作前期vs癫痫发作期实验的平均准确率可以达到98.98%。因此证明该方法可以应用于癫痫检测。

摘要： 利用加速度记录分析P波质点的受力状态、P波质点随机震动的概率分布及其偏振现象,结果显示,P波质点随机震动的受力矢量服从三维高斯分布,其概率密度呈椭球状分布,可通过加速度记录的协方差矩阵求出偏振椭球的几何参数,从而求出震中方位角。

摘要： 多任务进化(EMT)是进化计算领域的一个新兴研究方向,区别于传统的单任务搜索算法,EMT通过在任务间传递有用知识,对多个任务同时实施进化搜索,以提升多个任务的收敛性能。目前,大多数进化算法只考虑了知识迁移而忽略了任务间的联系。提出一种多目标多任务优化算法,结合迁移学习的思想,采用任务间种群的协方差矩阵差异表示任务间种群分布特征差异,使用任务间种群均值的距离表示任务间种群的分布距离,并通过任务间种群的分布特征差异和分布距离表示任务间的相似度。对于某个目标任务,将其最相似任务中的解集实施K最近邻分类,以筛选出对目标任务有价值的解,并使其迁移到目标任务中。实验结果表明,与EMTSD、MaTEA、MO-MFEA-II等多目标多任务优化算法相比,所提算法具有较佳的收敛性能,平均运行效率约提高了66.62%。

摘要： 针对传统定位方法在精度与收敛性方面的不足,提出一种基于图谱分解和多信号融合的无线定位算法。通过高斯函数赋值无线信号,依靠Laplacian矩阵与图谱分解算法标记无线信号数据,计算无线信号两相流阻抗值,得到信号的密度与分布情况。同时凭借相位补偿因子修正信号间相位差,设定概率密度函数,得到无线发射台至信道环境的距离,以此获取信号传播时延的方差和均值。通过协方差矩阵修正时延误差,以每一时刻信道环境位置当作展开法的初始值进行递归运算,取平均值当作最终的定位结果。实验证明,所提方法有着定位精准度高与收敛效率快的优点。

摘要： 近年来随着数据规模和算力水平的提高,深度学习及相关预训练模型如ResNet等在图像识别领域取得了较快进展,其在多类应用场景的指定任务上均取得了良好表现.然而如何提高深度学习模型如ResNet等预训练模型的泛化能力,仍然是图像识别领域亟需解决的关键问题.目前通常的做法是通过网络结构的优化,或是数据集的扩充来改善模型性能,然而这些方法往往依赖于大量数据和大量时间/算力的网络结构修剪和二次训练,模型训练效率和泛化性能的优化受制于数据规模和网络结构的复杂度.针对这一挑战,我们提出了一种基于深度网络时不变稳定性的深度学习模型泛化能力优化方法,从数据分布角度出发,对深度学习预训练模型进行结构化分析,随后针对非稳定子结构进行选择性裁剪而非随机dropout来实现网络结构定向修剪,然后基于夏普比率对模型中间输出的分布进行收益分析和组合优化,生成具有弱/去相关性的有效特征,并利用自注意力机制对这些特征进行自适应加权处理,进而生成具有较好泛化能力的改进模型.理论分析及实验都表明,本方法大幅降低了模型泛化优化过程中对于训练集规模和算力的要求,从原模型训练过程中每类需要1000余张训练图片到只需要20张,大幅提高了训练效率.针对ImageNet 2012动物类数据集的泛化性能分析表明,本方法将ResNet的准确率从80.15%提高到了86.72%,并且对数据集外部分未知动物类别的感知能力也有明显提升.

摘要： 针对频域旋转不变技术存在的时频变换所需采样点数和协方差矩阵估计所需快拍数需要折中处理问题,提出基于时域旋转不变技术的目标方位估计方法。该方法利用两傅里叶变换对阵列接收数据进行复解析变换处理,获取时域解析数据,并按窄带划分方式对其滤波处理;在不需要对解析数据做时延迟补偿情况下,通过多个时域采样点累积方式解决协方差矩阵估计所需快拍数问题,得到协方差矩阵估计值;通过旋转不变技术实现对该频带目标方位估计。数值仿真及实测数据处理结果表明,相比频域旋转不变方法,本文方法保持对目标方位估计精度前提下,在最低输入信噪比要求上降低了5 dB,进一步拓宽频域旋转不变方法在工程领域的实现方式。

摘要： 在阵列天线抗干扰卫星导航接收机的处理过程中,协方差矩阵是阵列接收信号的一个重要二阶统计参数,由于在实现过程中仅能通过有限快拍数据对其进行估计,因此该参数的估计精度对抗干扰性能具有重要影响.目前对协方差矩阵的估计精度还没有有效的评估方法,仅是要求利用尽可能多的快拍数据来进行估计,一方面快拍数据总是有限的,另一方面过多的快拍数据也会降低阵列处理的实时性.基于此,本文提出了一种基于空间特征分解的阵列天线协方差矩阵估计精度的评估方法,并利用该方法对空频抗干扰算法中的协方差矩阵估计精度进行了仿真分析,仿真结果表明,利用该方法计算的协方差矩阵估计精度越高,抗干扰效果越好,从而验证了该方法的有效性.

摘要： 可观测性和可观测度分析是确定惯性导航系统初始对准卡尔曼滤波效果的重要环节,有效地转动惯性测量单元能够改善导航系统的可观测性.本文给出一种利用卡尔曼滤波协方差矩阵及其特征值的可观测性分析方法,该方法能够为工程应用中旋转方案的确定及滤波模型降阶提供依据.

摘要： 针对电力系统低频振荡辨识过程中广域测量信号经过滤波器产生色噪声干扰的问题,提出了一种基于矩阵协方差(COV)、二阶导数定阶法与总体最小二乘-旋转不变技术参数估计(TLS-ESPRIT)算法相结合的电力系统低频振荡辨识方法.首先将采集的信号通过带通滤波器去除趋势项和高频噪声,然后构造样本矩阵的协方差矩阵作为新的样本去除色噪声的影响,再通过TLS-ESPRIT算法进行模态辨识,在定阶问题上采用提出的二阶导数法定阶,使定阶具有自适应性,无需人为指定阈值.仿真结果表明:COV-TLS-ESPRIT算法相比其他方法具有抗噪性能好、拟合精度高等优点,可从噪声环境中准确地辨识出系统的主导模态,具有较强的实用性,能够实现在线辨识.

摘要： 信源到达角估计在雷达、声纳、通信等领域具有重要意义,是相关专家学者研究的热点.传统的到达角估计方法包括常规波束形成法(CBF)、Capon方法、子空间类方法(MUSIC、ESPRIT等)和最大似然法等.这些方法在特定条件下均能取得较好的估计性能,但是在阵元部分失效条件下,估计性能会大大下降,甚至无法工作.

摘要： 针对目前基桩完整性评价方法的不足,提出了一种能够有效利用多个声学参量来对基桩完整性进行评价的V·A·F综合评判法,该方法采用混凝土质量信息异常值来评价混凝土质量,混凝土质量异常值的计算可以归结为求解声学参量矩阵的协方差矩阵(或相关矩阵)的最大特征值和对应的特征向量;提出用声测线来替代现有的测点概念,基于V·A·F综合评判法的原理,从声测线完整性、检测横截面完整性和整桩完整性三个递进层面上构建新型的桩身完整性判桩体系;通过一个工程实例验证了V·A·F综合评判法和新型判桩体系的科学性和有效性.

摘要： 整周模糊度的求解是载波相位定位的关键技术.在经典的LAMBDA算法中,对整个搜索过程收敛速度影响最大的是协方差矩阵,其中协方差矩阵相关性的优劣决定了整周模糊度的解算效率.为了降低LAMBDA算法中协方差矩阵的相关性,本文对Z变换和增大观测时间的间隔两种方式进行了理论分析,并用MATLAB进行了仿真.仿真结果表明,两种方法均能大大降低整周模糊度求解的复杂度,可以为载波相位定位提供技术支持.

摘要： 基于OIF算法利用SFS搜索法进行最佳检测波段选择,并通过目标检测来对比分析该方法的优势,得出基于OIF算法利用SFS搜索法进行最佳检测波段选择的方法在目标检测方面检测效果优于全波段检测的结论;由于经典目标检测算法中存在背景统计性描述的问题,基于光谱角填图(SAM)、正交子空间投影(OSP)、自适应匹配子空间检测(AMSD)准则,提出了一种新的改进算法.通过改进参与背景统计的协方差矩阵,优化了目标检测算子.该方法与经典目标检测算法进行实验对比,通过ROC曲线分析得出基于改进协方差的目标检测方法在小概率目标检测条件下优于经典CEM、ACE算法的结论,检测效果得到明显提升.

摘要： 推导了浅海位置未知的窄带声源检测的广义似然比(Generalized Likelihood Ratio Test,GLRT)检测器.构建检测器时假设的噪声模型与真实噪声模型的匹配程度对检测器性能有较大影响.介绍了浅海风成噪声,并结合本地高斯噪声,建立了背景噪声模型.在此基础上,研究了噪声模型对GLRT检测器性能的影响.理论分析和仿真结果表明,噪声模型失配导致检测器性能下降严重,根据真实的噪声模型构建相应的噪声协方差矩阵,能够较大幅度提高检测器性能.

摘要： 本文提出一种对视频流中的连续手势进行检测和分类的方法.检测的目的是找到这些手势的开始帧和结束帧.文中提出的融合音频和视觉信息的检测方法确保了检测结果的鲁棒性和正确率.对于检测得到的手势,本文首次提出一种通过在Grassmann流形下精确度量其协方差矩阵距离的分类方法以有效区分不同类的手势.本文的方法在ChaLearn Multimodal Gesture dataset2013上进行测试,取得了很高的识别率,Recall和Precision均达到93％以上.

摘要： 在单传感器的情况中，对于噪声相关时也有相应的滤波方法，对于标准Kalman滤波,其结果是在各个时刻状态噪声协方差矩阵已知的条件下得到的.但在实际应用中真实的协方差矩阵很难得到,因此常用其估计来代替.在假设状态噪声协方差矩阵估计服从Wishart分布的情况下,本文对Kalman滤波结果进行了研究,发现一步预报误差协方差矩阵是无偏的,而状态的估计,估计误差协方差矩阵及增益矩阵是有偏的.对于二维转弯模型和三维匀加速模型,数值结果证实了上述现象.同时数值结果也表明若用相邻时刻的状态噪声样本对噪声协方差矩阵进行估计,在状态噪声变化环境中用于估计的噪声样本越多滤波偏差越大;而样本量比较小时滤波效果也不好,故需要改进协方差矩阵的估计.

摘要： 本发明公开了一种基于方差协方差矩阵的变形监测网稳定性分析方法，包括以下步骤：(1)、对GNSS控制网进行两期观测，解算全网基线；(2)、确定稳定方向和稳定点；(3)、基于稳定点和稳定方向平差得到各控制点在两期观测中的XY坐标，并求得两期观测间的位移量ΔP以及方差协方差矩阵DXY，基于各控制点的方差协方差矩阵DXY计算坐标差中误差mΔP；(4)、对各控制点进行判定：若|ΔP|≤2mΔP，判定该控制点稳定。本方法的理论严密，以长度相对变化最小为准则确定最稳定基线，对控制点的稳定性进行精确的判断。

摘要： 本发明提供一种基于矩阵流形的稳健STAP协方差矩阵估计方法，首先利用数据间的内在结构信息，根据STAP信号模型，计算每个训练单元的正定协方差矩阵；其次，将训练样本的协方差矩阵构建成矩阵流形，并将待检测单元杂波协方差矩阵估计转换成流形上的几何质心估计问题；最后，采用total Jesen Skew散度迭代求解几何质心，获得杂波协方差矩阵的估计。本发明充分利用了数据的内在分布规律，通过构建矩阵流形，然后基于流形上的几何度量来估计协方差矩阵，具有较好的稳健性，适用于非均匀环境独立同分布训练样本不足的情况。

摘要： 本发明提出一种适用于MIMO‑OFDM系统的信道矩阵与干扰协方差矩阵估计方法，其特征在于，基于最大后验概率准则，联合估计每个子载波上的信道矩阵与干扰协方差矩阵。所述方法具体为：1）采用最小二乘（LS）准则，获得信道矩阵的初始估计；2) 将干扰协方差矩阵用一个低维度的矩阵表示，利用当前信道矩阵的估计值，得到低维度矩阵关于接收数据的后验概率密度函数，最大化该后验概率密度函数获得干扰协方差矩阵的估计；3) 利用步骤2)中干扰协方差矩阵的估计值，得到信道矩阵关于接收数据的后验概率密度函数，最大化该后验概率密度函数获得信道矩阵的估计；4) 迭代进行步骤2)和步骤3) 直至收敛。其特点是，所给出的方案能有效提高信道矩阵和干扰协方差矩阵的估计精度。

摘要： 本发明公开了一种基于方差协方差矩阵的变形监测网稳定性分析方法，包括以下步骤：(1)、对GNSS控制网进行两期观测，解算全网基线；(2)、确定稳定方向和稳定点；(3)、基于稳定点和稳定方向平差得到各控制点在两期观测中的XY坐标，并求得两期观测间的位移量ΔP以及方差协方差矩阵DXY，基于各控制点的方差协方差矩阵DXY计算坐标差中误差mΔP；(4)、对各控制点进行判定：若|ΔP|≤2mΔP，判定该控制点稳定。本方法的理论严密，以长度相对变化最小为准则确定最稳定基线，对控制点的稳定性进行精确的判断。

摘要： 本发明提供一种基于矩阵流形的稳健STAP协方差矩阵估计方法，首先利用数据间的内在结构信息，根据STAP信号模型，计算每个训练单元的正定协方差矩阵；其次，将训练样本的协方差矩阵构建成矩阵流形，并将待检测单元杂波协方差矩阵估计转换成流形上的几何质心估计问题；最后，采用total Jesen Skew散度迭代求解几何质心，获得杂波协方差矩阵的估计。本发明充分利用了数据的内在分布规律，通过构建矩阵流形，然后基于流形上的几何度量来估计协方差矩阵，具有较好的稳健性，适用于非均匀环境独立同分布训练样本不足的情况。

摘要： 本发明提出一种适用于MIMO-OFDM系统的信道矩阵与干扰协方差矩阵估计方法，其特征在于，基于最大后验概率准则，联合估计每个子载波上的信道矩阵与干扰协方差矩阵。所述方法具体为：1）采用最小二乘（LS）准则，获得信道矩阵的初始估计；2)将干扰协方差矩阵用一个低维度的矩阵表示，利用当前信道矩阵的估计值，得到低维度矩阵关于接收数据的后验概率密度函数，最大化该后验概率密度函数获得干扰协方差矩阵的估计；3)利用步骤2)中干扰协方差矩阵的估计值，得到信道矩阵关于接收数据的后验概率密度函数，最大化该后验概率密度函数获得信道矩阵的估计；4)迭代进行步骤2)和步骤3)直至收敛。其特点是，所给出的方案能有效提高信道矩阵和干扰协方差矩阵的估计精度。

摘要： 本发明涉及一种协方差矩阵Cholesky分解的CNN协作频谱感知方法及系统，方法通过以下步骤：步骤S1，原始信号预处理，得到协方差矩阵；步骤S2，将步骤S1所得协方差矩阵作为输入参数，按协方差矩阵分解方法执行计算，每个次用户得到其下三角矩阵X；步骤S3，将步骤S2所得下三角矩阵X作为输入参数，按统计量构造方法执行计算，得到不同信噪比下的统计矩阵，作为CNN的训练与测试数据；步骤S4，将步骤S3所得统计矩阵标记后作为输入参数，按CNN频谱感知方法执行计算，将测试集输入到训练好的模型中，得到不同信噪比下的检测概率。本发明充分提取了原始信号的特征，极大提高了检测性能，使其在认知无线电系统中有较好应用前景。

摘要： 本发明公开了一种基于广义增广协方差矩阵重构的射频干扰源定位方法，属于源定位技术领域，所述方法包括：S1：对多传感器系统对应的原始稀疏阵列进行扩展获得对应的扩展虚拟阵列，在考虑扩展虚拟阵列大小的基础上通过放松阵列扩展模型的约束条件获得广义扩展阵列；基于原始稀疏阵列的差分阵列与广义扩展阵列的差分阵列之间位置对应关系和原始稀疏阵列的协方差矩阵构造广义增广协方差矩阵；S2：建立广义增广协方差矩阵的重构模型；利用广义重加权核范数最小化算法对广义增广协方差矩阵进行重构；S3：采用子空间类算法对重构后的广义增广协方差矩阵进行到达角估计，以获取射频干扰源定位信息。本发明能够提高空间分辨率和定位精度性能。

摘要： 本发明公开了一种基于协方差矩阵拟合阵元扩展的DOA估计方法及系统，其中，该方法包括：通过均匀直线阵列采集互不相关的信号，构建协方差矩阵；确定扩展阵元所使用的协方差拟合准则；利用协方差拟合方法，拟合扩展阵列的协方差矩阵，并根据无噪声信号的协方差矩阵中各数据的幅度和相位控制扩展阵元的拟合协方差矩阵的幅度和相位；简化扩展阵元的拟合协方差的幅度和相位，利用简化后的结果得到最优扩展阵列的拟合协方差矩阵；借助CBF波束形成器，利用最优扩展阵列的拟合协方差矩阵进行目标方位估计。该方法可在不改变均匀直线阵的阵元间距的同时，扩展阵元个数，增加阵列孔径，实现当阵元个数不足时仍然可得到优秀的DOA估计性能。

摘要： 本发明公开一种用于指控系统的协方差矩阵的分解方法，包括：S10、获取采集到的目标航迹信息；S20、将目标航迹信息进行融合，得到目标航迹信息的协方差矩阵matrixP；S30、对协方差矩阵matrixP进行预处理后，判断协方差矩阵matrixP中是否存在异常行；S40、对存在异常行的协方差矩阵matrixP进行修正并将修正后的协方差矩阵matrixP进行矩阵分解。该分解方法在矩阵的非正定条件下，仍然能够进行分解，满足UKF滤波器计算Sigma点集的需求，达到提升指控系统航迹滤波器鲁棒性的目的。