基于谐波恢复的状态空间模型的互高阶累计量Ls-Hankel矩阵分解法

doi:国家自然科学基金资助项目（F010202-698720

吉林大学学报(工学版)

基于谐波恢复的状态空间模型的互高阶累计量Ls-Hankel矩阵分解法

康晓涛¹，张丽丽²，沈敏洁¹，高玉玲³

1.吉林大学通信工程学院，长春 130022； 2.沈阳航空工业学院电子信息工程系，沈阳 110034； 3.南京信息职业技术学院电子信息工程系，南京 210013

收稿日期:2005-09-12 修回日期:2005-12-03 出版日期:2006-07-01 发布日期:2006-07-01
通讯作者: 康晓涛

Ls-Hankel matrix decomposition of cross-high-order cumulant based on state space model of harmonic retrieval

Kang Xiao-tao¹，Zhang Li-li²，Shen Min-jie¹， Gao Yu-ling³

1.College of Communication Engineering, Jilin University ,Changchun 130022,China；2.Department of Electronic Information, Shenyang Institute of Aeronautical Engineering, Shenyang 110034,China; 3.Department of Electronic Information, Nanjing College of Information Technology, Nanjing 210013,China

Received:2005-09-12 Revised:2005-12-03 Online:2006-07-01 Published:2006-07-01
Contact: Kang Xiao-tao

摘要/Abstract

摘要： 将状态空间模型与互高阶累计量结合在一起，首次提出基于谐波恢复状态空间模型的互高阶累计量的LsHankel矩阵分解法。仿真结果表明，该方法在混合色噪声和很低信噪比条件下谱估计的分辨率、稳定性及对混合色噪声的抑制等方面均明显优于自高阶谱估计方法。

关键词: 信息处理技术, 互高阶累计量, 谐波恢复, 状态空间模型

Abstract: Combining the state space model with cross-high-order cumulant, a new method for harmonic retrieval through leastsquareHankel matrix decomposition under colored noises background was proposed. The simulation results showed that the proposed spectrum estimation method is better than the Esprit method of autohighorder cumulant in the identification rate and the stability under the conditions of colored noise background and low signaltonoise ratio as well as in the ability to overcome the colored noise disturbance. 

Key words: information processing, cross-high-order cumulant, harmonic retrieval, state-space model

中图分类号:

TN911

康晓涛，张丽丽，沈敏洁，高玉玲. 基于谐波恢复的状态空间模型的互高阶累计量Ls-Hankel矩阵分解法[J]. 吉林大学学报(工学版), 2006, 36(04): 594-598.

Kang Xiao-tao，Zhang Li-li，Shen Min-jie， Gao Yu-ling. Ls-Hankel matrix decomposition of cross-high-order cumulant based on state space model of harmonic retrieval[J]. 吉林大学学报(工学版), 2006, 36(04): 594-598.

参考文献

相关文章 15

[1]	苏寒松,代志涛,刘高华,张倩芳. 结合吸收Markov链和流行排序的显著性区域检测[J]. 吉林大学学报(工学版), 2018, 48(6): 1887-1894.
[2]	徐岩,孙美双. 基于卷积神经网络的水下图像增强方法[J]. 吉林大学学报(工学版), 2018, 48(6): 1895-1903.
[3]	黄勇,杨德运,乔赛,慕振国. 高分辨合成孔径雷达图像的耦合传统恒虚警目标检测[J]. 吉林大学学报(工学版), 2018, 48(6): 1904-1909.
[4]	李居朋,张祖成,李墨羽,缪德芳. 基于Kalman滤波的电容屏触控轨迹平滑算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1910-1916.
[5]	应欢,刘松华,唐博文,韩丽芳,周亮. 基于自适应释放策略的低开销确定性重放方法[J]. 吉林大学学报(工学版), 2018, 48(6): 1917-1924.
[6]	陆智俊,钟超,吴敬玉. 星载合成孔径雷达图像小特征的准确分割方法[J]. 吉林大学学报(工学版), 2018, 48(6): 1925-1930.
[7]	刘仲民,王阳,李战明,胡文瑾. 基于简单线性迭代聚类和快速最近邻区域合并的图像分割算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1931-1937.
[8]	单泽彪,刘小松,史红伟,王春阳,石要武. 动态压缩感知波达方向跟踪算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1938-1944.
[9]	姚海洋, 王海燕, 张之琛, 申晓红. 双Duffing振子逆向联合信号检测模型[J]. 吉林大学学报(工学版), 2018, 48(4): 1282-1290.
[10]	全薇, 郝晓明, 孙雅东, 柏葆华, 王禹亭. 基于实际眼结构的个性化投影式头盔物镜研制[J]. 吉林大学学报(工学版), 2018, 48(4): 1291-1297.
[11]	陈绵书, 苏越, 桑爱军, 李培鹏. 基于空间矢量模型的图像分类方法[J]. 吉林大学学报(工学版), 2018, 48(3): 943-951.
[12]	陈涛, 崔岳寒, 郭立民. 适用于单快拍的多重信号分类改进算法[J]. 吉林大学学报(工学版), 2018, 48(3): 952-956.
[13]	孟广伟, 李荣佳, 王欣, 周立明, 顾帅. 压电双材料界面裂纹的强度因子分析[J]. 吉林大学学报(工学版), 2018, 48(2): 500-506.
[14]	林金花, 王延杰, 孙宏海. 改进的自适应特征细分方法及其对Catmull-Clark曲面的实时绘制[J]. 吉林大学学报(工学版), 2018, 48(2): 625-632.
[15]	王柯, 刘富, 康冰, 霍彤彤, 周求湛. 基于沙蝎定位猎物的仿生震源定位方法[J]. 吉林大学学报(工学版), 2018, 48(2): 633-639.

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed

基于谐波恢复的状态空间模型的互高阶累计量Ls-Hankel矩阵分解法

Ls-Hankel matrix decomposition of cross-high-order cumulant based on state space model of harmonic retrieval

PDF (PC)

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

Metrics

本文评价

推荐阅读 0