导读:本文包含了自适应子空间检测论文开题报告文献综述及选题提纲参考文献，主要关键词:极化,子空间检测,导向矢量失配
自适应子空间检测论文文献综述
刘志文,杨磊磊,徐友根[1]（2018）在《一种极化鲁棒自适应子空间检测算法》一文中研究指出提出一种高斯杂波和噪声背景下的极化鲁棒自适应检测算法.因阵列校正误差、波束指向误差等因素引起的目标标称导向矢量与真实的不一致,可能会导致检测性能下降.通过在目标标称导向矢量子空间增加一些矢量,提出一种基于子空间的对模型失配鲁棒的检测算法.仿真结果表明,当目标导向矢量误差较大时,算法仍能取得较好的检测性能.(本文来源于《北京理工大学学报》期刊2018年11期）
张亚菲[2]（2017）在《Krylov子空间多通道参数化自适应信号检测方法》一文中研究指出多通道信号检测问题是雷达、通信和医疗等领域的主要研究课题之一,经典的信号检测方法存在的问题主要有全空时处理计算量大,实际非均匀环境中符合独立同分布条件的训练样本较少,由此导致信号检测性能下降以及实时运算困难。本文针对经典多通道信号检测方法中存在的问题,采用Krylov子空间方法迭代地计算空时二维权向量,并利用杂波数据在脉冲域的平稳性,将杂波近似为AR模型。在此基础上,研究Krylov子空间自适应匹配滤波器和Krylov子空间多通道参数化自适应信号检测方法,主要工作及相关结论包括:1、将Krylov子空间方法应用于AMF检测器,并分析迭代过程中产生的一系列KAMF检测器的虚警概率。杂波协方差矩阵具有低秩校正结构形式时,采用共轭梯度法收敛速度快,且迭代至r(10)1次时有较好的检测性能。根据极端Ritz值的快速收敛性、?R-正交投影定理和Wishart分布分析KAMF检测器在各迭代次数下的虚警概率,并给出1?k?r(10)1时的近似理论表达式。基于仿真及实测数据对虚警概率及检测概率作验证,理论分析及仿真结果均说明KAMF检测器的虚警概率介于MF和AMF之间。同时,迭代次数k(28)r(10)1时,检测概率优于AMF。2、将Krylov子空间方法应用于多通道参数化自适应信号检测,采用共轭梯度法解Wiener-Hopf方程,得到一系列的KPAMF检测器。迭代完成时,KPAMF与PAMF的检测性能一致,且多数情况下,KPAMF能在较少的迭代次数内收敛,达到进一步降低运算量的目的。同时,杂波协方差矩阵的条件数较大时,采用预处理的共轭梯度法可降低条件数,提高检测器收敛速度。另一方面,对干扰占主导地位的杂波,AR模型的阶数、参数与干扰个数及干扰参数有关,且预测向量的自相关矩阵具备低秩校正结构。基于AR仿真数据、干扰模型及实测数据论证了以上KPAMF检测器的相关性质及方法。3、对功率谱非均匀和统计分布非均匀的杂波环境建模,并将KAMF检测器和KPAMF检测器应用于非均匀环境中的目标检测。仿真结果表明,由于非均匀环境下有效训练样本不足,KPAMF检测器和PAMF的杂波抑制效果优于KAMF检测器和AMF。同时,KAMF检测器在特定迭代次数下的检测效果优于AMF,KPAMF检测器在较少的迭代次数内接近于PAMF的检测效果,论证了KAMF检测器和KPAMF检测器的相关性质及结论。(本文来源于《电子科技大学》期刊2017-03-31）
丁昊,王国庆,刘宁波,关键[3]（2017）在《逆Gamma纹理背景下两类子空间目标的自适应检测方法》一文中研究指出该文在复合高斯海杂波背景下,以逆Gamma分布作为纹理分量的先验分布模型,研究了1阶高斯(First Order Gaussian,FOG)和2阶高斯(Second Order Gaussian,SOG)两类子空间目标的自适应检测问题。采用两步广义似然比(Generalized Likelihood Ratio Test,GLRT)推导了检测统计量,并分别采用采样协方差矩阵(Sample Covariance Matrix,SCM)、归一化采样协方差矩阵(Normalized Sample Covariance Matrix,NSCM)和定点估计(Function Point Estimation,FPE)作为协方差矩阵估计值,与GLRT相结合,构造出新的自适应检测器。由于该文检测器在设计阶段考虑了海杂波的先验分布模型,且在检测阶段采用了与工作环境相匹配的模型参数,经性能分析与验证,其在检测性能上优于已有匹配滤波(Adaptive Matched Filter,AMF)和归一化匹配滤波(Adaptive Normalized Matched Filter,ANMF)检测器。(本文来源于《雷达学报》期刊2017年03期）
汪秋莹[4]（2015）在《基于Krylov子空间的多通道自适应信号检测方法的性能分析》一文中研究指出多通道信号检测系统可以识别信号和杂波干扰的不同空时特征,对于空时相关强杂波和干扰背景下的信号检测,具有较好的检测性能,目前已被广泛应用于雷达、声呐、医疗检测等领域。对于经典的线性多通道信号检测方法,匹配滤波器(MF:Matched Filter)检测性能最优,但在实际情况下由于训练样本数目的限制不适用,而广义似然比检测(GLRT:Generalized Likelihood Ratio Test)和自适应匹配滤波器(AMF:Adaptive Matched Filter)检测所需的运算量和存储量较大。Krylov子空间方法作为一种高速有效的迭代方法可用于求解AMF的权值向量,由此产生的Krylov子空间自适应匹配滤波器(KAMF),在强杂波或强干扰的背景下,具有运算量低、训练样本需求量少等优点。本文首先介绍了Krylov子空间的基本理论与方法。通过Cayley-Hamilton定理引出Krylov子空间的定义,并重点介绍了几种常用的Krylov子空间方法,如Arnoldi算法、Lanczos算法、共轭梯度(CG:Conjugate Gradient)算法、广义最小残差(GMRES:Generalized minimal residual)算法等,总结分析了各算法的原理、适应条件以及优缺点等,为实现Krylov子空间在信号处理领域的应用奠定了理论基础。接着研究了经典的信号检测理论,通过建立二元假设模型,给出了信号检测的性能指标,即虚警概率、检测概率以及输出信干噪比(SINR:Signal to Interference plus Noise Ratio)等,并重点介绍了几种已有的信号检测方法:MF检测、GLRT检测、AMF检测以及共轭梯度匹配滤波器(CG-MF)检测;通过仿真分析比较了各检测器之间的检测性能。在上述讨论的基础上,本文主要开展了以下两个方面的工作:一.研究了Krylov子空间自适应匹配滤波器的检测性能。在杂波和干扰的强度远远大于噪声强度的情况下,协方差矩阵具有低秩校正结构。在该情况下,通过对KAMF检测器的权值向量的一阶近似表示,得出了KAMF检测器的近似虚警概率,证明了KAMF检测器具有近似恒虚警率(CFAR:Constant False Alarm Rate)特性;然后利用Wishart分布的性质推导出了KAMF检测器的近似检测概率;通过计算机生成数据对KAMF检测器的CFAR特性、检测曲线等进行了仿真分析与验证。二.研究了Krylov子空间自适应匹配滤波器的输出SINR的统计特性。利用CG算法来求解AMF的权值向量,并通过Lanczos算法的叁对角化性质,给出了KAMF检测器的输出SINR的表示形式;当协方差矩阵为低秩校正阵时,给出了输出SINR的近似形式,并通过矩阵分块以及Wishart分布的基本性质推导出了KAMF检测器的输出SINR的近似概率密度函数(PDF:Probability Density Function);最后通过仿真验证了该近似PDF的准确性。本文介绍的KAMF检测器解决了经典的线性自适应检测过程中因矩阵求逆引起的运算量大的问题,且具有良好的检测性能,极具实践意义,值得我们进行深入研究。(本文来源于《电子科技大学》期刊2015-05-04）
赵春晖,尤佳,李晓慧[5]（2012）在《基于自适应核方法的正交子空间投影异常检测算法》一文中研究指出在高光谱图像的异常目标检测核方法中,高斯径向基核函数的宽度决定因子(即核参数)选择恰当与否是决定算法性能的重要因素。针对这一问题,提出了一种基于自适应核方法的正交子空间投影高光谱图像异常检测算法,有效的解决了统一的全局检测参数在复杂多变背景环境下检测性能下降的问题。这不仅提高了算法的通用性,也降低了检测的计算量。用AVIRIS高光谱数据进行了仿真实验,取得了较好的检测效果。将该算法与其他算法进行比较,结果表明,所提出算法的检测性能明显地优于传统算法,降低了虚警概率。(本文来源于《黑龙江大学自然科学学报》期刊2012年02期）
张俊林,曾孝平[6]（2010）在《基于FSYAST子空间算法的盲自适应多用户检测》一文中研究指出为解决传统算法因引入特征值估计误差而导致检测性能下降的问题,在分析基于信号子空间跟踪的最小均方误差(MMSE)多用户检测器(MUD)的基础上,提出了一种改进的信号子空间盲线性MMSE多用户检测器,并应用FSYAST子空间跟踪算法进行信号子空间跟踪.仿真结果表明,提出的盲自适应多用户检测器性能接近于奇异值分解(SVD)子空间多用户检测器性能.(本文来源于《北京理工大学学报》期刊2010年02期）
邬冬临,刘宏立,刘述钢[7]（2009）在《基于子空间跟踪的盲自适应多用户检测技术研究》一文中研究指出研究了一种基于子空间跟踪的盲自适应多用户检测的算法,提出了一种改进的PASTd算法和卡尔曼滤波算法相结合的盲自适应多用户检测算法。把改进的PASTd算法和卡尔曼滤波器结合,提出了一种新的盲自适应多用户检测器并且能够实现在高信噪比和远近效应情况下得到稳定的跟踪性能。仿真结果表明,该检测器可以迅速地跟踪维数变化了的信号子空间,从而提高检测器的性能,实现稳定的跟踪并使输出具有良好的信干比。提出的盲自适应多用户检测算法虽然在计算量上较LMS算法略有提高,但其收敛性能却优于后者,与RLS算法相比,提出的算法具有更低的计算复杂度和更优的收敛性能。(本文来源于《计算机测量与控制》期刊2009年09期）
曾孝平,成志瑶[8]（2008）在《干扰子空间盲自适应估计的跳频多址信号检测》一文中研究指出针对跳频多址(FHMA)系统,提出了干扰子空间线性最小均方误差(MMSE)检测器和干扰子空间的快速跟踪算法。该算法通过添加噪声子空间得到了整个干扰自相关矩阵的权矢量,避免了同时对特征值对角阵和特征向量矩阵进行跟踪。结合神经网络学习机制中的NIC(NovelInformation Criterion)准则,进行权矢量的快速更新,降低了复杂度。仿真证明,该检测器具有很好的误码性能,收敛速度更快。(本文来源于《重庆大学学报》期刊2008年02期）
贺霖,潘泉,邸韡[9]（2007）在《自适应结构化背景和形状特征子空间高光谱图像多类目标检测》一文中研究指出针对高光谱图像中目标形状特征已知,背景和目标光谱特征未知时的多类小目标检测问题,给出一种检测算法.通过高光谱图像数据样本二次型的高阶矩控制点扩散函数,获取自适应结构化背景;然后,利用目标形状先验信息构造形状特征子空间,在高维光谱特征空间实现形状特征子空间匹配检测.理论分析和实验结果表明该检测器可同时有效检测具有不同形状特征的多类目标.(本文来源于《红外与毫米波学报》期刊2007年05期）
孟艳,汪晋宽,宋昕,刘志刚[10]（2007）在《基于子空间方法的自适应半盲多用户检测》一文中研究指出提出MC-CDMA系统下一种基于子空间方法的自适应半盲多用户检测算法。该算法通过利用小区内所有用户的扩频码设计了一种基于MOE准则的半盲检测器。针对Chebyshev逼近算法受到来自噪声子空间分量的影响导致性能下降的问题,提出一种子空间约束Chebyshev逼近算法,并使用该算法自适应得到权向量。为了减少计算复杂度,采用修正的PASTd算法自适应跟踪信号子空间。仿真实验验证了该算法的有效性和可行性。(本文来源于《系统仿真学报》期刊2007年16期）
自适应子空间检测论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
多通道信号检测问题是雷达、通信和医疗等领域的主要研究课题之一,经典的信号检测方法存在的问题主要有全空时处理计算量大,实际非均匀环境中符合独立同分布条件的训练样本较少,由此导致信号检测性能下降以及实时运算困难。本文针对经典多通道信号检测方法中存在的问题,采用Krylov子空间方法迭代地计算空时二维权向量,并利用杂波数据在脉冲域的平稳性,将杂波近似为AR模型。在此基础上,研究Krylov子空间自适应匹配滤波器和Krylov子空间多通道参数化自适应信号检测方法,主要工作及相关结论包括:1、将Krylov子空间方法应用于AMF检测器,并分析迭代过程中产生的一系列KAMF检测器的虚警概率。杂波协方差矩阵具有低秩校正结构形式时,采用共轭梯度法收敛速度快,且迭代至r(10)1次时有较好的检测性能。根据极端Ritz值的快速收敛性、?R-正交投影定理和Wishart分布分析KAMF检测器在各迭代次数下的虚警概率,并给出1?k?r(10)1时的近似理论表达式。基于仿真及实测数据对虚警概率及检测概率作验证,理论分析及仿真结果均说明KAMF检测器的虚警概率介于MF和AMF之间。同时,迭代次数k(28)r(10)1时,检测概率优于AMF。2、将Krylov子空间方法应用于多通道参数化自适应信号检测,采用共轭梯度法解Wiener-Hopf方程,得到一系列的KPAMF检测器。迭代完成时,KPAMF与PAMF的检测性能一致,且多数情况下,KPAMF能在较少的迭代次数内收敛,达到进一步降低运算量的目的。同时,杂波协方差矩阵的条件数较大时,采用预处理的共轭梯度法可降低条件数,提高检测器收敛速度。另一方面,对干扰占主导地位的杂波,AR模型的阶数、参数与干扰个数及干扰参数有关,且预测向量的自相关矩阵具备低秩校正结构。基于AR仿真数据、干扰模型及实测数据论证了以上KPAMF检测器的相关性质及方法。3、对功率谱非均匀和统计分布非均匀的杂波环境建模,并将KAMF检测器和KPAMF检测器应用于非均匀环境中的目标检测。仿真结果表明,由于非均匀环境下有效训练样本不足,KPAMF检测器和PAMF的杂波抑制效果优于KAMF检测器和AMF。同时,KAMF检测器在特定迭代次数下的检测效果优于AMF,KPAMF检测器在较少的迭代次数内接近于PAMF的检测效果,论证了KAMF检测器和KPAMF检测器的相关性质及结论。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
自适应子空间检测论文参考文献
[1].刘志文,杨磊磊,徐友根.一种极化鲁棒自适应子空间检测算法[J].北京理工大学学报.2018
[2].张亚菲.Krylov子空间多通道参数化自适应信号检测方法[D].电子科技大学.2017
[3].丁昊,王国庆,刘宁波,关键.逆Gamma纹理背景下两类子空间目标的自适应检测方法[J].雷达学报.2017
[4].汪秋莹.基于Krylov子空间的多通道自适应信号检测方法的性能分析[D].电子科技大学.2015
[5].赵春晖,尤佳,李晓慧.基于自适应核方法的正交子空间投影异常检测算法[J].黑龙江大学自然科学学报.2012
[6].张俊林,曾孝平.基于FSYAST子空间算法的盲自适应多用户检测[J].北京理工大学学报.2010
[7].邬冬临,刘宏立,刘述钢.基于子空间跟踪的盲自适应多用户检测技术研究[J].计算机测量与控制.2009
[8].曾孝平,成志瑶.干扰子空间盲自适应估计的跳频多址信号检测[J].重庆大学学报.2008
[9].贺霖,潘泉,邸韡.自适应结构化背景和形状特征子空间高光谱图像多类目标检测[J].红外与毫米波学报.2007
[10].孟艳,汪晋宽,宋昕,刘志刚.基于子空间方法的自适应半盲多用户检测[J].系统仿真学报.2007