【摘 要】
：
SWEDE（subspace method without eigendecomposition）算法是一种不需要协方差阵分解的波达方向估计算法。该方法能降低传统超分辨算法的计算量和复杂度,但也同时降低了均匀线性
【基金项目】
：
总装预研项目（513210403）, 全国优秀博士学位论文作者专项资金资助项目（200340）
论文部分内容阅读
SWEDE（subspace method without eigendecomposition）算法是一种不需要协方差阵分解的波达方向估计算法。该方法能降低传统超分辨算法的计算量和复杂度,但也同时降低了均匀线性阵的可测最大信号数。本文基于非圆信号具有椭圆协方差矩阵不为零的特征,并结合SWEDE算法的基本思想,提出了一种改进SWEDE算法：NC-SWEDE算法。该算法利用最大非圆率信号的增维数据模型,相当于将线性阵的可利用阵元数加倍,因而提高了SWEDE算法可测的最大信源数,并提高了算法的分辨力和估计精度
其他文献
摘 要：地方特色文献资料是一个地区自然科学和社会科学的综合反映体。建立地方特色文献库，需要制定宏观的目标，保障畅通的征集渠道，并对文献资料做整理归类和利用，三者相辅相成，才能更好地促进地方特色文献的繁荣和发展。 关键词：县级图书馆 地方特色文献 征集 中图分类号：G251 文献标识码：A 文章编号：1674-098X（2017）09（c）-0183-02 Abstract： Local li
针对人脸识别的特征提取问题,本文提出了一种张量正交局部敏感判别分析(Tensor-based Orthogonal Locality Sensitive Discriminant Analysis,Tensor-OLSDA)的人脸识别算法。张量正交局部敏感判别分析在保持了流形的局部几何结构的同时加强了全局判别结构,并克服了局部敏感判别分析算法中非正交性带来的度量失真和维数估计困难等问题,从而增强了
为克服传统盲均衡算法收敛速度慢、均方误差大、易陷入局部极小值等缺点,在正交小波变换盲均衡算法（WT-CMA）的基础上,提出一种基于改进混合遗传的正交小波盲均衡算法（MHGA-WT-CM
研究表明基于无线信道的广播特性,网络编码技术能够显著降低多播通信中的传输时延。多源多播模型中,在任一源节点已知其他源节点信息的条件下,现有传输方案能够确保系统时延