导读:本文包含了联合对角化论文开题报告文献综述、选题提纲参考文献，主要关键词:谐波,矩阵,张量,卷积,双数,正交,孔径。
联合对角化论文文献综述写法
李扬,张伟涛,楼顺天[1]（2019）在《基于联合对角化的声信号深度卷积混合盲分离方法》一文中研究指出声信号在空间中的传播具有较强的多径效应,在接收端往往以卷积形式相互迭加,尤其在海洋、剧场等强混响条件下,混合滤波器冲激响应的长度会显着增加,现有的频域卷积盲分离算法将失效。为了消除长脉冲响应导致解混合模型失效的问题,该文对观测信号进行两次短时傅里叶变换(STFT),第1次STFT缩短了脉冲响应长度,第2次STFT将信号模型转化为瞬时盲分离,最终利用联合对角化(JD)技术估计出分离矩阵。与现有方法相比,所提方法解决了深度卷积混合下模型失效的问题,并且当源信号数较多或存在加性噪声时,可以得到更好的分离性能。仿真结果验证了方法的有效性和性能优势。(本文来源于《电子与信息学报》期刊2019年12期）
王杰,黄曼露,颜霖煌[2]（2019）在《基于改进联合对角化的双麦盲源分离》一文中研究指出0引言起源于鸡尾酒会效应的语音盲源分离(BSS)问题,是从多种语音混合的环境中,分离出需要的一个或多个语音,BSS是一种源信号不可测、混合系统特性未知和仅能利用观测信号恢复源信号的技术。盲源分离在通信、语音、图像等多种信号处理领域有丰富的应用,因此,对语音盲源分离问题的研究有相当重要的意义。特征矩阵联合相似对角化算法(JADE)[1]是Cardoso在1993年提出的一种基于四阶累积量的特(本文来源于《2019年全国声学大会论文集》期刊2019-09-21）
缪吉飞[3]（2019）在《矩阵和Tensors近似联合对角化算法研究及其应用》一文中研究指出盲源分离(Blind source separation(BSS))是一个在很多文献中被广泛讨论的重要问题,它影响到天文学、生物医学、地震学、光谱学以及数字通信等诸多领域。一个处理BSS问题非常重要且有效的方法就是矩阵或者高阶张量(Tensor)的近似联合对角化(Approximate joint diagonalization(AJD))。而矩阵或者高阶张量的AJD算法在除BSS外的很多重要领域都有应用,比如图像处理、独立成分分析(Independent component analysis(ICA))等。本文主要考虑其在BSS中的应用。传统的AJD算法主要面向对称矩阵、Hermitian矩阵以及对称高阶张量,这在BSS的应用中一般只能处理单数据集的问题。然而,多集和多模信号可用性的迅速发展对传统BSS方法,即单数据集的BSS问题,提出了重大挑战。因此联合盲源分离(Joint blind source separation(JBSS))算法,即针对多数据集的BSS算法,在近年来引起了该领域研究者极大的兴趣。本文的目的就是将传统的AJD问题推广到non-Hermitian矩阵以及非对称高阶张量上,介绍几种高效的AJD算法并将其应用到JBSS问题中。本文讨论了non-Hermitian矩阵以及非对称高阶张量的AJD问题与JBSS问题之间的联系,阐述了与传统AJD算法(即面向对称矩阵、Hermitian矩阵以及对称高阶张量的算法)的区别。论文的主要创新性成果总结如下:1.介绍了一种non-Hermitian正交AJD算法,也可以称之为近似联合奇异值分解(Approximate joint singular value decomposition(AJSVD))算法(本文简称:N-AJSVD)。对酉旋转矩阵赋予了一个新的参数结构,该参数结构只依赖于一个未知参数。利用复数求导方法以及一个合理的近似技巧可以得到未知参数的解析解。该算法可以同时获得最优的左右旋转矩阵,而基于Givens旋转矩阵的传统AJSVD算法只能通过交替优化更新的方式获得左右Givens旋转矩阵。因此,本文介绍的算法在保证精确度更高的前提下也加快了收敛速度。此外,该算法可以被应用于处理经过预白化之后的双数据集JBSS问题,本文通过数值实验证明了其有效性。2.介绍了一种non-Hermitian非正交AJD算法(本文简称:NNAJD-ALS)。算法是基于梯度和最佳秩1近似的方法来最小化一个最小二乘代价函数。阐述了该算法应用于叁阶张量Canonical polyadic decomposition(CPD)的有效性,并在数值实验中与传统CPD算法进行了比较。可以看出本文介绍的算法在稳定性与精确度上都优于传统的CPD算法。此外,本文通过数值实验验证了该算法应用于处理双数据集JBSS问题的有效性,该算法不需要对观测信号进行预白化处理。与已有的一些经典JBSS算法相比,其整体性能更有竞争性。3.介绍了一种针对非对称高阶张量的正交AJD算法(本文简称:NOHTJD),该算法在一定程度上可以看作前面N-AJSVD算法在高阶张量上的拓展。阐述了(≥3)阶张量的AJD与具有个正交因子矩阵的+1阶张量的CPD之间的关系,并与已有算法进行了比较。此外,本文通过AJD时延互高阶累积量(由预白化之后的多数据集观测信号得到)来进行多数据集(≥3)的JBSS。文中以四个数据集为例,与已有算法比较,该算法表现出更有竞争力的性能。(本文来源于《电子科技大学》期刊2019-03-22）
龚晓峰,毛蕾,林秋华,徐友根,刘志文[4]（2019）在《基于四阶累积量张量联合对角化的多数据集联合盲源分离》一文中研究指出该文提出一种基于四阶累积量张量联合对角化的联合盲源分离(J-BSS)算法。首先通过计算4阶互累积量将多数据集信号的J-BSS问题转化为4阶张量联合对角化问题。接下来,基于雅可比连续旋转将张量联合对角化这类非线性优化问题,转化为一系列可获取闭式解的简单子优化问题,并通过交替迭代对多数据集混合矩阵进行更新,进而实现J-BSS。实验结果表明,所提算法具有良好的收敛性能,较之现有的同类型BSS及J-BSS算法具有更高的精度。此外,该算法在分离实际胎儿心电信号方面也表现出良好的性能。(本文来源于《电子与信息学报》期刊2019年03期）
罗杰,符玲,臧天磊,何正友[5]（2018）在《基于联合对角化法与数据筛选的谐波责任划分》一文中研究指出针对背景谐波波动的随机性,为了更加准确地划分谐波责任,考虑到谐波阻抗的符号特性和电力系统中系统侧谐波阻抗远远小于用户侧谐波阻抗的实际情况,在联合对角化法的基础上,提出了一套数据筛选准则。利用联合对角化法对谐波电压和谐波电流进行分解,得到混合矩阵;分别通过符号判别法和比例系数法纠正次序不确定性和幅值不确定性;应用数据筛选准则得到谐波阻抗;根据谐波责任定义式估算谐波责任。对IEEE 13节点系统进行仿真测试和实测数据分析,结果表明:与传统方法相比,所提方法的估算精度和适应性更好。(本文来源于《电力自动化设备》期刊2018年11期）
项杨,杨晋生[6]（2018）在《非均匀L型阵列的联合对角化二维DOA估计算法》一文中研究指出扩展孔径的非均匀阵列用于二维波达方向估计时,即使无相同的方位角或俯仰角也存在具有相同的方向余弦的情况,即奇异点问题。为了解决奇异点问题,所提出的算法构建了四个延时互相关矩阵,并根据对应的信号子空间构造对角矩阵。因此,算法可以通过联合对角化方法得到自动配对的低精度无模糊的方向余弦估计值以及高精度模糊的方向余弦估计值。最后,使用解模糊方法得到高精度无模糊的方向余弦估计值。所提出的算法解决了非均匀阵列二维波达方向估计存在的奇异点问题,且在欠定条件下具有良好的估计性能。仿真结果验证了所提出算法的有效性。(本文来源于《信号处理》期刊2018年10期）
赵青,冶继民,常芳丽[7]（2019）在《两正定矩阵联合对角化盲分离算法》一文中研究指出针对具有时间结构的盲分离问题,提出了一种基于两正定矩阵精确联合对角化的盲分离算法。利用多个不同时延统计量构造了两个正定矩阵,以提取出数据的时间结构;再利用所提算法联合对角化构造的两个正定矩阵,得到分离矩阵,进而估计出源信号。所提算法克服了已有算法因采用多个矩阵联合对角化导致的计算量大和采用单个矩阵导致的分离精度低的缺点。计算机仿真结果表明了在有或无噪声情况下,所提算法性能均优于其他对比算法。(本文来源于《计算机工程与应用》期刊2019年07期）
陈宁[8]（2018）在《正交non-Hermitian矩阵联合对角化算法研究及应用》一文中研究指出多数据集的联合盲源分离技术是信号处理领域的研究热点之一,一般是指在源信号及信号混合模型未知的情况下,仅利用接收信号的统计特性分离出源信号的过程。联合盲源分离已广泛应用于生物医学信号处理、通信信号处理,语音信号识别等领域。广义联合对角化方法是解决多数据集联合盲源分离问题的一种有效的代数方法,利用数据集间信号的相关性以及数据集内部信号的统计独立性或不相关性,构造具有可联合对角化结构的目标矩阵,并代数拟合该目标矩阵,辨识信号的混合机理,从而分离出混合的源信号。其中,双数据集的联合盲源分离问题可转化为non-Hermitian矩阵近似联合对角化问题。本文主要研究基于双数据集联合盲源分离问题的non-Hermitian矩阵近似联合对角化方法,提出了两种正交近似联合对角化算法,主要成果如下:1.形如解决non-Hermitian矩阵特征值问题的Jacobi算法,提出了一种基于Givens旋转的正交近似联合对角化算法,简称为OJ-AJD算法。该算法仅把右分离矩阵分解为一系列Givens矩阵的连续乘积,对non-Hermitian目标矩阵的列进行一系列单侧Givens旋转变换,使其最终收敛于列正交矩阵,基于列正交矩阵列向量的单位化可得到左分离矩阵。最后,通过仿真实验说明OJ-AJD算法收敛速度较快,但是在噪声影响下算法的分离精度有所降低,因此OJ-AJD算法可作为一些迭代次数较多的算法的预处理阶段,为它们提供一个初始值。2.本文针对non-Hermitian目标矩阵,提出了一种降维正交近似联合对角化算法,简称为DR-AJD算法。该算法首先构造具有降维结构的分离矩阵,把矩阵的近似联合对角化问题分解成-1个子优化问题,然后通过交替迭代过程求解每个子优化过程的最优解,再根据最优解的性质,基于Householder矩阵重构分离矩阵,以保证分离矩阵的正交性。最后,基于叁种性能指标,通过仿真实验证明了该算法具有快速的收敛性和优良的分离精度。(本文来源于《电子科技大学》期刊2018-03-26）
张正言,张剑云[9]（2017）在《基于改进型自适应非对称联合对角化双基地MIMO雷达多目标跟踪算法研究》一文中研究指出针对双基地MIMO雷达自适应非对称联合对角化(AAJD)跟踪算法性能低的问题,该文提出一种改进AAJD双基地MIMO雷达多目标跟踪算法。AAJD算法角度估计时重复利用上一时刻的角度信息,导致跟踪性能的下降。通过证明AAJD算法求出的特征矢量每一列都对应着一个目标,改进AAJD算法直接求解目标的收发角度,提高了跟踪性能,更加适用于大机动目标跟踪,并对ESPRIT算法进行改进,实现了目标角度的自动配对与关联。仿真结果表明改进AAJD算法跟踪性能高于AAJD算法,特别是跟踪大机动目标时改进AAJD算法性能更优,验证了理论分析的有效性。(本文来源于《电子与信息学报》期刊2017年12期）
丁文春,张江,张杭,李炯,杨华[10]（2017）在《基于非正交联合对角化的自干扰信号消除》一文中研究指出针对全双工通信系统的自干扰问题,建立了一种新的全双工通信系统收发信机模型,将自干扰信号消除问题转化为适定盲源分离问题,提出了基于非正交联合对角化的自干扰信号消除算法。该算法将接收信号的四阶累计量矩阵作为优化目标,利用基于矩阵LU分解的交替迭代类Jacobi方法实现四阶累积量矩阵的非正交联合对角化,从而完成自干扰信号与通信信号的分离,即消除了通信信号中的自干扰信号。仿真结果表明,在干信比20 dB条件下,该算法能够减小70 dB的自干扰,分离的通信信号中干噪比为-30 dB。(本文来源于《通信技术》期刊2017年11期）
联合对角化论文开题报告范文
（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：
0引言起源于鸡尾酒会效应的语音盲源分离(BSS)问题,是从多种语音混合的环境中,分离出需要的一个或多个语音,BSS是一种源信号不可测、混合系统特性未知和仅能利用观测信号恢复源信号的技术。盲源分离在通信、语音、图像等多种信号处理领域有丰富的应用,因此,对语音盲源分离问题的研究有相当重要的意义。特征矩阵联合相似对角化算法(JADE)[1]是Cardoso在1993年提出的一种基于四阶累积量的特
（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。
联合对角化论文参考文献
[1].李扬,张伟涛,楼顺天.基于联合对角化的声信号深度卷积混合盲分离方法[J].电子与信息学报.2019
[2].王杰,黄曼露,颜霖煌.基于改进联合对角化的双麦盲源分离[C].2019年全国声学大会论文集.2019
[3].缪吉飞.矩阵和Tensors近似联合对角化算法研究及其应用[D].电子科技大学.2019
[4].龚晓峰,毛蕾,林秋华,徐友根,刘志文.基于四阶累积量张量联合对角化的多数据集联合盲源分离[J].电子与信息学报.2019
[5].罗杰,符玲,臧天磊,何正友.基于联合对角化法与数据筛选的谐波责任划分[J].电力自动化设备.2018
[6].项杨,杨晋生.非均匀L型阵列的联合对角化二维DOA估计算法[J].信号处理.2018
[7].赵青,冶继民,常芳丽.两正定矩阵联合对角化盲分离算法[J].计算机工程与应用.2019
[8].陈宁.正交non-Hermitian矩阵联合对角化算法研究及应用[D].电子科技大学.2018
[9].张正言,张剑云.基于改进型自适应非对称联合对角化双基地MIMO雷达多目标跟踪算法研究[J].电子与信息学报.2017
[10].丁文春,张江,张杭,李炯,杨华.基于非正交联合对角化的自干扰信号消除[J].通信技术.2017