10.3969/j.issn.1000-3428.2017.10.011
结合Tucker张量分解与交替最小二乘的ULA盲识别
为提高均匀线性阵列(ULA)系统盲识别过程的计算效率,提出一种改进的ULA盲识别算法.建立ULA信号传播模型,针对该传播模型给出广义生成函数的代数结构以及参数估计方式,利用交替最小二乘法对ULA广义生成函数进行求解,并在此基础上引入Tucker张量分解改进交替最小二乘法,实现广义生成函数的降维处理.实验结果表明,与经典DUET算法、欠定混叠盲辨识分解算法等相比,该算法具有更高的计算效率以及更好的ULA盲识别效果.
Tucker张量分解、广义生成函数、交替最小二乘、均匀线性阵列、盲识别
43
TP391(计算技术、计算机技术)
贵州省科技计划项目黔科合LH字[2014]7627
2017-12-01(万方平台首次上网日期,不代表论文的发表时间)
共6页
62-67