一级黄色片免费播放|中国黄色视频播放片|日本三级a|可以直接考播黄片影视免费一级毛片

高級(jí)搜索

留言板

尊敬的讀者、作者、審稿人, 關(guān)于本刊的投稿、審稿、編輯和出版的任何問(wèn)題, 您可以本頁(yè)添加留言。我們將盡快給您答復(fù)。謝謝您的支持!

姓名
郵箱
手機(jī)號(hào)碼
標(biāo)題
留言內(nèi)容
驗(yàn)證碼

論文元數(shù)據(jù)搜索,找到相關(guān)信息共 40 條:

排序:
相關(guān)度
發(fā)表時(shí)間
每頁(yè)顯示:
10
20
30
50
交替分離算法的Cramer-Rao
邵朝, 盧光躍
2007, 29(3): 582-584. doi: 10.3724/SP.J.1146.2005.00756  刊出日期:2007-03-19
關(guān)鍵詞: 交替分離算法;Cramer-Rao界;矩陣減逆;矩陣分離算子
該文推導(dǎo)了交替分離算法的Cramer-Rao界。交替分離算法的Cramer-Rao界涉及到矩陣的減逆,而矩陣減逆具有比通常Moore-Penrose廣義逆更為寬松的定義條件,在理論上,一個(gè)確定矩陣有無(wú)數(shù)個(gè)減逆。為了建立分離算法的Cramer-Rao界,該文求出了一個(gè)確定矩陣的一個(gè)特定減逆矩陣。根據(jù)任一確定性定理,得到分離數(shù)據(jù)的密度分布函數(shù),從而獲得交替分離算法的Cramer-Rao界。交替分離算法的Cramer-Rao界將多信號(hào)對(duì)信號(hào)參數(shù)估計(jì)的影響能更直觀反映出來(lái)。通過(guò)對(duì)交替分離算法的Cramer-Rao界的討論,該文還給出了有關(guān)矩陣分離算子一些重要的性質(zhì)。
Rao-Nam私鑰密碼體制的修正
劉金龍, 許宗澤
2005, 27(8): 1287-1289.  刊出日期:2005-08-19
關(guān)鍵詞: 私鑰密碼體制; 糾錯(cuò)碼; 錯(cuò)誤圖樣
該文提出了一種非查表的錯(cuò)誤圖樣生成算法.該算法通過(guò)將可糾正的錯(cuò)誤矢量的部分信息嵌入到明文消息中,從而得到比原錯(cuò)誤矢量具有更大漢明重量的錯(cuò)誤圖樣.用該算法修正的Rao-Nam私鑰密碼體制高效實(shí)用,既無(wú)需存儲(chǔ)錯(cuò)誤圖樣,又增強(qiáng)了安全性.
高動(dòng)態(tài)多普勒頻率估計(jì)及其Cramer-Rao
王曉湘
2004, 26(2): 206-212.  刊出日期:2004-02-19
關(guān)鍵詞: 最大似然估計(jì)器(MLE); 擴(kuò)展卡爾曼濾波器(EKF); Cramer Rao界; 均方根估計(jì)誤差; 失鎖概率
用泰勒級(jí)數(shù)展開的形式表示高動(dòng)態(tài)的多普勒頻率參數(shù),推導(dǎo)分析了對(duì)各階頻率參數(shù)估計(jì)的最大似然估計(jì)器(MLE)及其估計(jì)誤差的Cramer Rao界;描述了最大似然估計(jì)器和擴(kuò)展卡爾曼濾波器(EKF) 對(duì)各階頻率參數(shù)的估計(jì)模型;并以均方根估計(jì)誤差和失鎖概率為性能指標(biāo),通過(guò)對(duì)同一模擬的接收機(jī)高動(dòng)態(tài)軌跡的跟蹤估計(jì),比較了兩種不同估計(jì)技術(shù)的基本性能。
基于凸優(yōu)化的Khatri-Rao子空間寬帶DOA估計(jì)
潘捷, 周建江
2013, 35(1): 80-84. doi: 10.3724/SP.J.1146.2012.00742  刊出日期:2013-01-19
關(guān)鍵詞: 陣列信號(hào)處理, 波達(dá)方向估計(jì), 寬帶源, Khatri-Rao子空間
該文基于凸優(yōu)化工具,提出一種新的Khatri-Rao子空間寬帶到達(dá)角(DOA)估計(jì)方法。首先,利用Khatri-Rao子空間的概念,構(gòu)造各頻點(diǎn)的虛擬陣列導(dǎo)向矢量。再利用凸優(yōu)化方法針對(duì)虛擬陣列導(dǎo)向矢量構(gòu)造聚焦矩陣,從而利用虛擬陣列所增加的維數(shù),在盡量減少聚焦對(duì)噪聲影響的同時(shí),獲得良好的聚焦效果。仿真結(jié)果表明,相對(duì)于已有的Khatri-Rao子空間寬帶DOA估計(jì)方法FKR-RSS,該方法具有更好的估計(jì)精度和目標(biāo)分辨力。對(duì)于信號(hào)源數(shù)大于陣元數(shù)的情形,該文方法優(yōu)勢(shì)更加明顯。
基于海雜波先驗(yàn)知識(shí)的雷達(dá)目標(biāo)自適應(yīng)Rao檢測(cè)
薛健, 朱圓玲, 潘美艷
2023, 45(11): 3839-3847. doi: 10.11999/JEIT221216  刊出日期:2023-11-28
關(guān)鍵詞: 雷達(dá)目標(biāo), 自適應(yīng)Rao檢測(cè), 海雜波, 先驗(yàn)知識(shí)
針對(duì)非高斯非均勻海雜波背景下雷達(dá)海面目標(biāo)檢測(cè)性能改善的問(wèn)題,該文基于海雜波的先驗(yàn)知識(shí)提出了一種自適應(yīng)Rao雷達(dá)目標(biāo)檢測(cè)方法。首先將海雜波的紋理分量和散斑協(xié)方差矩陣分別建模為逆高斯隨機(jī)變量和逆復(fù)Wishart分布的隨機(jī)矩陣,然后基于Rao檢驗(yàn)和未知參數(shù)估計(jì),設(shè)計(jì)了一種匹配海雜波特性的雷達(dá)目標(biāo)自適應(yīng)Rao檢測(cè)方法。通過(guò)理論推導(dǎo)和實(shí)驗(yàn)驗(yàn)證了所提檢測(cè)方法對(duì)雜波平均功率和協(xié)方差均值矩陣具有恒虛警特性。仿真數(shù)據(jù)和實(shí)測(cè)數(shù)據(jù)實(shí)驗(yàn)結(jié)果表明,在非高斯非均勻環(huán)境下所提檢測(cè)方法優(yōu)于已有檢測(cè)方法,并且具有良好的魯棒性。
超寬帶雷達(dá)生命信號(hào)頻率檢測(cè)的Cramer-Rao下界
戴舜, 方廣有
2011, 33(3): 701-705. doi: 10.3724/SP.J.1146.2010.00643  刊出日期:2011-03-19
關(guān)鍵詞: 生命信號(hào)檢測(cè), 超寬帶, Cramer-Rao不等式, Fisher信息, 等效時(shí)間采樣
該文基于脈沖超寬帶順序信號(hào)模型和極大似然準(zhǔn)則,結(jié)合Fisher信息矩陣和Cramer-Rao矩陣不等式,分析了UWB生命信號(hào)參數(shù)估計(jì)的泛化Cramer-Rao下界(CRLB)。根據(jù)等效時(shí)間采樣原理,采用正弦位移函數(shù)近似生命微動(dòng)信號(hào),推導(dǎo)出了修正的UWB生命信號(hào)頻率檢測(cè)CRLB公式。仿真結(jié)果表明,增大觀測(cè)時(shí)間、發(fā)射脈沖帶寬以及系統(tǒng)信噪比可提高UWB雷達(dá)生命信號(hào)頻率檢測(cè)的精度。心跳信號(hào)檢測(cè)比呼吸信號(hào)要求更高。
K分布雜波中分布式目標(biāo)的Rao檢測(cè)
張曉利, 關(guān)鍵, 何友
2010, 32(10): 2496-2500. doi: 10.3724/SP.J.1146.2009.01502  刊出日期:2010-10-19
關(guān)鍵詞: 高分辨率雷達(dá), Rao檢驗(yàn), 分布式目標(biāo), 球不變隨機(jī)過(guò)程
該文針對(duì)高分辨雷達(dá)體制下,點(diǎn)目標(biāo)分裂成分布式目標(biāo)所帶來(lái)的檢測(cè)問(wèn)題,提出了基于Rao檢測(cè)的分布式目標(biāo)自適應(yīng)檢測(cè)算法。將分布式目標(biāo)建模為子空間信號(hào),目標(biāo)不僅在距離維上擴(kuò)展同時(shí)也在Doppler頻率維上擴(kuò)展。Rao檢測(cè)算法只需對(duì)H0假設(shè)條件下的未知參數(shù)進(jìn)行最大似然估計(jì),在構(gòu)造檢測(cè)器的過(guò)程中運(yùn)用兩步法檢測(cè)策略,有效地減少了計(jì)算量和復(fù)雜度。最后,用Monte Carlo仿真了該算法的檢測(cè)性能,并與以前的檢測(cè)器相比較驗(yàn)證了新提出的檢測(cè)器對(duì)分布式目標(biāo)在K分布雜波中的有效性。
基于Rao-Blackwellised粒子濾波的相控陣導(dǎo)引頭指向誤差斜率在線估計(jì)
王琪, 廖志忠, 燕飛
2022, 44(9): 3178-3185. doi: 10.11999/JEIT210607  刊出日期:2022-09-19
關(guān)鍵詞: 相控陣導(dǎo)引頭, 指向誤差斜率, 目標(biāo)狀態(tài), 在線同步估計(jì), Rao-Blackwellised粒子濾波
針對(duì)相控陣導(dǎo)引頭指向誤差斜率對(duì)導(dǎo)彈制導(dǎo)系統(tǒng)帶來(lái)的寄生回路振蕩問(wèn)題,該文提出一種指向誤差斜率在線估計(jì)的算法,并能同步估計(jì)出目標(biāo)狀態(tài)。基于Rao-Blackwellised粒子濾波(RBPF),將指向誤差斜率和目標(biāo)狀態(tài)同步估計(jì)問(wèn)題分解為兩個(gè)問(wèn)題:一個(gè)是指向誤差斜率的后驗(yàn)估計(jì)問(wèn)題,另一個(gè)是以指向誤差斜率估計(jì)為條件的目標(biāo)狀態(tài)估計(jì)問(wèn)題。該文給出了算法的推導(dǎo)過(guò)程,并進(jìn)行了數(shù)字仿真驗(yàn)證。仿真結(jié)果表明,該文所提算法對(duì)于相控陣導(dǎo)引頭指向誤差斜率的估計(jì)性能優(yōu)良;并能同時(shí)準(zhǔn)確估計(jì)出目標(biāo)狀態(tài)信息。采用此信息形成導(dǎo)引指令,可以消除指向誤差斜率對(duì)制導(dǎo)系統(tǒng)的不利影響,提高系統(tǒng)的穩(wěn)定性和制導(dǎo)精度。
基于Khatri-Rao積的三維前視聲吶空間方位估計(jì)技術(shù)
周天, 沈嘉俊, 杜偉東, 周曹韻, 宋金陽(yáng), 陳寶偉, 李海森
2021, 43(3): 857-864. doi: 10.11999/JEIT200657  刊出日期:2021-03-22
關(guān)鍵詞: 3維前視聲吶, 2維方位估計(jì), 虛擬孔徑擴(kuò)展, Khatri-Rao積, Vernier法
為了提高3維前視聲吶的方位分辨能力,同時(shí)避免2維(2D)方位估計(jì)(DOA)方法失效,該文提出1維(1D)空間角估計(jì)方法、基于Vernier法的垂直角估計(jì)方法和基于最小角定理的水平角方位估計(jì)方法。首先基于不同子陣構(gòu)造互協(xié)方差矩陣避免2維方位估計(jì)模型失效,再利用Khatri-Rao積進(jìn)行虛擬孔徑擴(kuò)展;將擴(kuò)展后的陣列導(dǎo)向矢量和觀測(cè)向量模型用于2維方位估計(jì)。與原陣列的導(dǎo)向矢量相比,虛擬陣元數(shù)量約增加1倍,陣列的孔徑得到有效擴(kuò)展。仿真實(shí)驗(yàn)表明,與單觀測(cè)向量波束形成2維方位估計(jì)方法相比,所提方法在2維方位估計(jì)問(wèn)題中具有更高的分辨能力,均方根誤差更低;水池實(shí)驗(yàn)進(jìn)一步驗(yàn)證了該文所提方法的工程實(shí)用性。
一種聯(lián)合Khatri-Rao子空間與塊稀疏壓縮感知的差分SAR層析成像方法
王愛(ài)春, 向茂生, 汪丙南
2017, 39(1): 95-102. doi: 10.11999/JEIT160222  刊出日期:2017-01-19
關(guān)鍵詞: 差分SAR層析成像技術(shù), Khatri-Rao子空間, 塊壓縮感知
雖然采用壓縮感知技術(shù)(Compressive Sensing, CS)的差分SAR層析成像方法實(shí)現(xiàn)了4維空間信息的重構(gòu),但是此方法僅利用了目標(biāo)的稀疏特性并沒(méi)有考慮目標(biāo)的結(jié)構(gòu)特性,因此對(duì)同時(shí)具有稀疏特性和結(jié)構(gòu)特性的目標(biāo)進(jìn)行重構(gòu)時(shí)其性能較差。針對(duì)這一問(wèn)題,該文采用聯(lián)合Khatri-Rao子空間和塊壓縮感知(Khatri-Rao Subspace and Block Compressive Sensing, KRS-BCS),提出一種差分SAR層析成像方法。該方法依據(jù)目標(biāo)的結(jié)構(gòu)特性和重構(gòu)觀測(cè)矩陣具有的Khatri-Rao積性質(zhì),將稀疏結(jié)構(gòu)目標(biāo)的差分SAR層析成像問(wèn)題轉(zhuǎn)化為Khatri-Rao子空間下的BCS問(wèn)題,最后對(duì)目標(biāo)進(jìn)行塊稀疏的l1/l2 范數(shù)最優(yōu)化求解。相比CS差分SAR層析成像方法,該方法不僅保持了CS差分SAR層析成像方法的高分辨率特點(diǎn),而且其重構(gòu)精度更高性能更優(yōu)。仿真數(shù)據(jù)和ENVISAT星載ASAR數(shù)據(jù)以及地面GPS實(shí)測(cè)數(shù)據(jù)的試驗(yàn)結(jié)果驗(yàn)證了該方法的有效性。
  • 首頁(yè)
  • 上一頁(yè)
  • 1
  • 2
  • 3
  • 4
  • 末頁(yè)
  • 共:4頁(yè)