搜索结果: 91-105 共查到“信息与通信工程 叶”相关记录165条 . 查询时间(0.325 秒)
从稀疏到结构化稀疏：贝叶斯方法
压缩感知 稀疏理论 结构化稀疏分解算法 贝叶斯压缩感知
2013/8/17
稀疏分解算法是稀疏表达理论和压缩感知理论中的核心问题，也是当前信号处理领域的一个热门话题。近年来，研究人员发现除了稀疏以外，如果引入稀疏系数之间的相关性先验信息，可以大大提高稀疏分解算法的精度，这种方法称为“结构化稀疏分解算法”。本文归纳和总结了从稀疏到结构化稀疏的信号模型，并且介绍了两种不同的贝叶斯稀疏（或者结构化稀疏）算法，以及从稀疏到结构化稀疏贝叶斯稀疏分解算法的扩展。同时，本文还介绍了结构...
基于稀疏贝叶斯学习的联合平移不变子空间压缩采样
联合平移不变子空间 压缩采样 稀疏重构 稀疏贝叶斯学习
2013/8/17
针对一类特殊的有效核函数（active kernel）未知的联合平移不变子空间（Union of Shift-Invariant Subspaces，USI）信号，构建了一种压缩采样模型，将信号的重构过程看作一个线性回归问题, 利用稀疏贝叶斯学习（sparse bayesian learning，SBL）算法求得该回归模型中的权值参数的最优估计，根据权值参数向量集的支撑集实现信号的稀疏重构。理论分...
离散傅里叶变换及变参考阵元特征法在相干信号估计中的应用
ULA DFT 高分辨测向 变参考阵元法
2013/8/18
本文讨论理想条件下均匀线阵(ULA)对相干入射信号的高分辨测向问题。在分析经典多重信号分类法(MUSIC)对相干信号测向失效原因的基础上提出新算法，它利用1）离散傅里叶变换(DFT)估计入射信号数目；2）变参考阵元重构入射信号功率矩阵估计入射信号方位角。通过与经典MUSIC算法比较验证了该算法对相干入射信号估计的可行性，并经过进一步分析得出如下结论：1）文中介绍的算法在不减少阵列有效口径前提下能够...
为了提高傅里叶望远镜(FT)的成像质量,实现对运动目标的高分辨率成像,研究了能抑制由声光移频器移频误差、光学器件偏差及信号采样截断等产生的频谱泄漏且能实时计算信号频率的数据处理方法。首先,采用全相位预处理技术对外场静态目标的采样信号进行处理;通过搜索算法得到每束干涉光的整点频率最大值。然后,基于apFFT谱分析时移相位差校正法计算每束干涉光的真实频率。最后,对非整点频率解调,采用5点最小二乘拟合方...
UWB SAR叶簇隐蔽目标差值变化检测中杂波分布建模分析与应用
变化检测 叶簇隐蔽目标差值 杂波分布 建模分析
2012/4/10
由于树林观测区域后向散射强度具有快变特性，现有方法无法对UWB SAR叶簇隐蔽目标差值变化检测的杂波分布进行准确建模分析。为此，首先推导分析了均匀观测场景差值变化检测的杂波分布模型，而后假设观测场景后向散射强度服从伽马分布，在此基础上进一步推导了一种快起伏场景差值变化检测杂波分布模型。实验应用结果表明，该分布模型可对树林区域差值变化检测的杂波分布进行准确建模分析，从而提高变化检测性能。
贝叶斯检测跟踪联合处理的检测阈值设置方法
检测和跟踪 贝叶斯理论 Neyman-Pearson准则 检测阈值
2013/9/3
基于贝叶斯理论的检测跟踪联合处理方法能够利用目标的运动模型在帧数据间以概率的形式对信号进行积累，从而提高系统的检测性能。然而，在Neyman-Pearson准则下，该方法很难根据系统要求的虚警概率计算检测阈值，影响了该方法的应用范围。在综合分析基于贝叶斯理论的检测跟踪联合处理方法的基础上，针对Neyman-Pearson准则，详细推导了系统虚警概率同检测阈值之间的关系，并在观测噪声为高斯白噪声的情...
贝叶斯检测跟踪联合处理的检测阈值设置方法
检测和跟踪 贝叶斯理论 Neyman-Pearson准则 检测阈值
2013/9/4
基于贝叶斯理论的检测跟踪联合处理方法能够利用目标的运动模型在帧数据间以概率的形式对信号进行积累，从而提高系统的检测性能。然而，在Neyman-Pearson准则下，该方法很难根据系统要求的虚警概率计算检测阈值，影响了该方法的应用范围。在综合分析基于贝叶斯理论的检测跟踪联合处理方法的基础上，针对Neyman-Pearson准则，详细推导了系统虚警概率同检测阈值之间的关系，并在观测噪声为高斯白噪声的情...
高脉冲重复频率（HPRF）雷达目标跟踪需要解决距离模糊问题。本文通过把脉冲间隔数和脉冲间隔变化量作为目标的离散状态，目标的距离和径向速度作为目标的连续状态，将HPRF雷达的跟踪和解距离模糊问题转换为贝叶斯框架下的混合估计问题并且利用粒子滤波方法实现。仿真结果表明本文方法在脉冲间隔数变化时仍可以正确地解距离模糊，并且跟踪精度比多假设方法高。
基于贝叶斯压缩感知的认知WSN数据融合策略
贝叶斯压缩感知 感知数据 基于贪婪算法
2012/4/12
将贝叶斯压缩感知（BCS）应用于大规模认知无线传感器网络（C-WSN）中的汇聚节点数据融合，提出了一种稀疏贝叶斯估计方法。根据大量认知节点对实际非平稳信号的空时相关性结构，汇聚节点基于层次化贝叶斯分析模型的压缩感知方法进行数据融合，以较大概率重构出多个认知节点的感知信息。仿真结果表明，与基于贪婪算法的正交匹配追踪（OMP）相比，基于BCS的数据融合具有较低的重构均方误差（MSE），且利用感知数据的...
针对Ozaktas采样型分数阶傅里叶变换(fractional Fourier transform, FRFT)的计算量偏大以及分辨率较低的弱点，研究了过采样条件下采样型FRFT的计算，提出了一种改进算法。在过采样条件下，通过减小变换阶的取值范围，使在时频平面上的频率分布范围缩小，时域离散间隔保持不变，避免了插值运算，计算量明显减小，且算法具有可逆性。经过进一步拓展，改进算法具有分辨率可调，输出区...
通信装备故障诊断贝叶斯网络
通信装备 故障诊断 贝叶斯网络
2016/9/19
为满足各通信部队对通信装备技术保障的要求，提出基于贝叶斯网络的故障诊断方法。分析贝叶斯网络 在通信装备故障诊断方面的优势，以某型通信装备的某故障为例，研究了通信装备故障诊断贝叶斯网络的建模、参 数设置、推理等关键技术。基于NETICA 软件演示了基于贝叶斯网络的通信装备故障诊断的一般过程，验证了贝叶 斯网络在通信装备故障诊断中应用的可行性与有效性。
基于贝叶斯假设检验的压缩感知重构
信号处理 压缩感知 贝叶斯假设检验 稀疏重构
2011/11/17
为提高贪婪类算法的重构精度，该文提出一种贝叶斯假设检验匹配追踪算法。该算法首先建立了贝叶斯假设检验模型，用于在噪声污染下识别稀疏信号非零元素的下标；其次利用追踪算法的输出下标集作为该模型的候选集，并对候选集中的每个元素进行假设检验以剔除冗余下标；最后根据剔冗后的真实下标集，采用最小二乘法重构原始信号。仿真结果表明：在相同的实验条件下，与传统贪婪类算法相比，该算法不存在冗余下标，具有更强的抗干扰能力...
天津大学杰出校友叶培大院士在北京逝世（图）
天津大学 杰出校友叶培大院士 北京逝世
2011/2/16
中国共产党优秀党员、中国民主同盟盟员，天津大学杰出校友、中国科学院资深院士、北京邮电大学名誉校长叶培大先生因病于2011年1月16 日在北京逝世，享年96岁。1月22日在北京八宝山革命公墓隆重举行了叶培大先生的遗体告别仪式。天津大学副校长、校友总会副会长兼秘书长冯亚青教授和信息学院老教授杨恩泽等代表天津大学专程前往北京向叶培大校友作最后的告别。
基于限制型粒子群优化的贝叶斯网络结构学习
贝叶斯网络 结构学习 互信息 粒子群优化
2013/8/21
贝叶斯网络结构学习是数据挖掘与知识发现领域的主要研究技术之一,在网络结构的搜索空间相对较大的情况下,已提出的相关算法往往都会存在算法收敛速度慢、学习到的结果准确性较差的缺陷。提出一种信息论结合粒子群优化的算法,利用互信息限制粒子的初始化,使得粒子群优化算法能在较短的时间内收敛,应用ASIA网络作为仿真模型,并与K2算法比较。实验结果表明,提出的算法能够快速、准确地得到贝叶斯网络结构。