项目名称: 空时分布信号建模、联合参数估计与跟踪研究

项目编号: No.61301155

项目类型: 青年科学基金项目

立项/批准年度: 2014

项目学科: 无线电电子学、电信技术

项目作者: 郑植

作者单位: 电子科技大学

项目金额: 26万元

中文摘要: "空时分布信号建模、联合参数估计与跟踪"是无线通信和信号处理领域的前沿课题,其相关基础研究具有重要的理论意义和应用价值。本项目拟对空时分布信号建模、DOA-时延(TOA)联合估计和中心DOA/TOA联合跟踪三个问题开展系统的创新研究。其基本技术思路是将现有的空间分布源建模及参数估计方法和点源的DOA-时延联合估计方法相结合,用以解决空时分布源的建模及参数估计问题。拟开展的主要创新工作有:分析空时分布信号的特点,给出一些典型的空时分布源模型及数学近似模型;利用空时谱搜索、旋转不变性质、时空矩阵法、协方差匹配技术、矩阵重构和压缩感知等技术方法,提出一些新颖的适用于空时分布源的DOA-时延联合估计算法;基于子空间跟踪的思想,给出几种能够实现空时分布源中心DOA/TOA联合跟踪的快速方法;本项目的研究工作对于完善空时分布源的相关理论和技术,促进其在无线通信中的应用,具有十分重要的意义。

中文关键词: 分布源建模;相干分布源;非相干分布源;角度参数估计;角度时延联合估计

英文摘要: The modeling, joint parameter estimation and tracking of space-time distributed signals is a front subject in wireless communication and signal processing fields.Its basic research has important theoretical significance and application value.Aiming at the following three problems: the modeling, joint DOA-delay estimation and joint nominal DOA/TOA tracking of space-time distributed signals, this project carries out a series of innovative studies. The basic thinking is that the existing modeling and parameter estimation methods of spatial distributed sources and joint DOA-delay estimation methods of point sources are combined to solve the modeling and parameter estimation problem of space-time distributed sources.The main innovations are summarized as follows: The feature of space-time distributed signals is analyzed. Some typical models and approximate mathematical models are given.Using space-time spectrum searching, rotational invariance property, time-space matrix method,COMET,matrix reconstruction and compressive sensing, some novel joint DOA-delay estimation methods of space-time distributed sources are provided. Based on subspace tracking, several fast methods for the joint nominal DOA/TOA tracking of space-time distributed sources are given. The research work of this project has very important significanc

英文关键词: Distributed Signal Modeling;Coherently Distributed Sources;Incoherently Distributed Sources;DOA Estimation;Joint DOA-delay Estimation

成为VIP会员查看完整内容
0

相关内容

【NeurIPS2021】序一致因果图的多任务学习
专知会员服务
19+阅读 · 2021年11月7日
专知会员服务
21+阅读 · 2021年9月23日
专知会员服务
35+阅读 · 2021年2月20日
基于生理信号的情感计算研究综述
专知会员服务
61+阅读 · 2021年2月9日
专知会员服务
51+阅读 · 2020年12月19日
【NeurIPS2020】可处理的反事实推理的深度结构因果模型
专知会员服务
47+阅读 · 2020年9月28日
【ICML2020Tutorial】机器学习信号处理,100页ppt
专知会员服务
112+阅读 · 2020年8月15日
【KDD2020】自适应多通道图卷积神经网络
专知会员服务
119+阅读 · 2020年7月9日
【CMU】基于图神经网络的联合检测与多目标跟踪
专知会员服务
56+阅读 · 2020年6月24日
再谈变分自编码器(VAE):估计样本概率密度
PaperWeekly
3+阅读 · 2021年12月23日
ECCV2020 | SMAP: 单步多人绝对三维姿态估计
学术头条
10+阅读 · 2020年8月9日
开放下载!《阿里语音与信号处理技术》精选集
阿里技术
10+阅读 · 2019年6月5日
目标跟踪算法分类
算法与数据结构
20+阅读 · 2018年9月28日
【泡泡一分钟】点密度适应性点云配准
泡泡机器人SLAM
16+阅读 · 2018年5月28日
论文 | 基于RNN的在线多目标跟踪
七月在线实验室
31+阅读 · 2017年12月27日
红外弱小目标处理研究获进展
中科院之声
17+阅读 · 2017年11月19日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
7+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2011年12月31日
小贴士
相关VIP内容
【NeurIPS2021】序一致因果图的多任务学习
专知会员服务
19+阅读 · 2021年11月7日
专知会员服务
21+阅读 · 2021年9月23日
专知会员服务
35+阅读 · 2021年2月20日
基于生理信号的情感计算研究综述
专知会员服务
61+阅读 · 2021年2月9日
专知会员服务
51+阅读 · 2020年12月19日
【NeurIPS2020】可处理的反事实推理的深度结构因果模型
专知会员服务
47+阅读 · 2020年9月28日
【ICML2020Tutorial】机器学习信号处理,100页ppt
专知会员服务
112+阅读 · 2020年8月15日
【KDD2020】自适应多通道图卷积神经网络
专知会员服务
119+阅读 · 2020年7月9日
【CMU】基于图神经网络的联合检测与多目标跟踪
专知会员服务
56+阅读 · 2020年6月24日
相关资讯
再谈变分自编码器(VAE):估计样本概率密度
PaperWeekly
3+阅读 · 2021年12月23日
ECCV2020 | SMAP: 单步多人绝对三维姿态估计
学术头条
10+阅读 · 2020年8月9日
开放下载!《阿里语音与信号处理技术》精选集
阿里技术
10+阅读 · 2019年6月5日
目标跟踪算法分类
算法与数据结构
20+阅读 · 2018年9月28日
【泡泡一分钟】点密度适应性点云配准
泡泡机器人SLAM
16+阅读 · 2018年5月28日
论文 | 基于RNN的在线多目标跟踪
七月在线实验室
31+阅读 · 2017年12月27日
红外弱小目标处理研究获进展
中科院之声
17+阅读 · 2017年11月19日
相关基金
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
7+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2011年12月31日
微信扫码咨询专知VIP会员