导读:本文包含了最小范数估计论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:矩阵,噪声,奇异,最小化,协方差,分数,参数。
最小范数估计论文文献综述
唐杰,张文征,戚瑞轩,李聪[1]（2019）在《基于噪声水平估计的加权核范数最小化噪声压制方法研究》一文中研究指出随机噪声的存在会降低地震资料的信噪比,影响对有效信号尤其是不连续性信号的分析。尺度不变性噪声估计方法基于峰度值分布不随尺度变化,能够在复杂低噪声数据上较好地估计噪声水平;加权核范数最小化能够根据矩阵奇异值刻画数据差异,通过给定不同的权值,突显数据中重要的信息。为此研究了基于噪声水平估计的加权核范数最小化噪声压制方法,利用尺度不变性噪声估计方法得到随机噪声的噪声水平估计,并根据此估计值来归一化加权核范数最小化算法的保真项,继而对地震数据进行去噪处理。理论模型试验和实际数据应用结果表明,该方法能够根据噪声水平自适应地衰减地震数据中的随机噪声,并保持地震反射中的不连续性信息,实现对地震数据的盲去噪处理,为后期的构造解释、断层和断点识别、层位追踪、几何属性提取等提供良好的基础数据。(本文来源于《石油物探》期刊2019年05期）
梁加洋,赵拥军,赵闯[2]（2018）在《基于最小1-范数准则模糊函数的联合TDOA/FDOA估计算法》一文中研究指出针对非高斯噪声条件下利用传统模糊函数的到达时差(time difference of arrival,TDOA)和到达频差(frequency difference of arrival,FDOA)联合估计方法性能退化问题,提出一种基于最小1-范数准则模糊函数的联合TDOA/FDOA估计算法。在给出1-范数模糊函数概念的基础上,提出一种存在重尾分布α稳定噪声条件下的联合TDOA/FDOA估计算法。仿真实验结果表明,与传统模糊函数以及分数低阶矩(fractional lower order moments,FLOM)方法相比,该算法能够更好地逼近克拉美罗界(Cramér-Rao lower bounds,CRLB),且在鲁棒性和估计精度等方面性能明显提升。(本文来源于《信息工程大学学报》期刊2018年03期）
陈杰,钟麦英,张利刚[3]（2017）在《基于L2范数最小估计的无人机飞控系统故障检测》一文中研究指出为了实现无人机飞行控制系统的快速在线故障检测,提出一种基于L2范数最小估计的无人机非线性飞行控制系统快速故障检测方法。建立无人机飞行控制系统的非线性故障模型,并将未知输入的L2范数最小估计值作为残差评价函数,对系统故障进行检测。在针对线性离散时变系统故障检测方法研究的基础上,利用Krein空间投影实现残差评价函数的递推计算以减小故障检测计算量。以无人机升降舵及速率陀螺故障检测为例,对算法进行仿真试验验证。试验结果表明:该方法可以快速有效的实现无人机飞行控制系统故障检测,为无人机的安全飞行提供可靠的保障。(本文来源于《山东大学学报(工学版)》期刊2017年05期）
梁加洋,赵拥军,赵闯[4]（2017）在《一种基于最小1-范数准则的TDOA估计算法》一文中研究指出针对脉冲噪声条件下利用传统广义互相关法(Generalized Cross-Correlation,GCC)进行时延(TDOA,Time Difference of Arrival)估计性能退化问题,提出一种基于最小1-范数准则的TDOA参数估计算法。对于高斯噪声,传统GCC估计方法能够实现统计最优,但当噪声的统计分布为非高斯分布时,利用传统GCC参数估计方法的估计精度和鲁棒性急剧下降。利用最小1-范数准则,提出一种存在α-稳定分布重尾脉冲噪声环境下的TDOA估计算法。系统仿真实验与结果分析表明,与传统GCC方法和分数低阶矩(Fractional Lower Order Moments,FLOM)方法相比,该算法在鲁棒性和估计精度方面均有明显改善。(本文来源于《电子信息对抗技术》期刊2017年03期）
汪钰,姜元,王彦华,李阳,龙腾[5]（2017）在《基于原子范数最小化的高分辨距离像散射中心估计》一文中研究指出雷达高分辨距离像(HRRP)体现了目标散射中心在视线方向分布的结构特征,在雷达自动目标识别领域具有重要的应用价值。本文提出了一种基于原子范数最小化的HRRP散射中心估计方法,该方法根据原子范数的信号模型,对HRRP进行建模,将散射中心的估计问题转化为原子范数最小化问题。此估计方法直接在连续的位置空间进行求解散射中心的位置与强度,无需对散射中心的位置进行离散化处理,有效的避免了基不匹配的问题。与此同时,该方法也不需要已知散射中心的数量,而且对噪声较为鲁棒。仿真数据处理结果验证了该方法的有效性。(本文来源于《信号处理》期刊2017年04期）
宋运忠,杨丽英[6]（2016）在《基于L_1范数最小化的逆协方差矩阵估计》一文中研究指出由于在高维空间中,基于固定维数的经典方法和结果不再适用,样本协方差矩阵不可逆,估计逆协方差矩阵时存在不稳定、计算成本高和非精确等问题,提出了一种L1范数最小化方法来有效估计高维逆协方差矩阵即精确矩阵.当总体分布满足指数类型条件或者多项式类型条件时,所提估计方法在各种范数下的收敛速率优于其他现存的方法.经分析验证,所提方法为凸优化问题,可采用交替方向乘子算法来解决.之后通过R语言在模拟数据和实际数据下进行仿真分析,并与Glasso方法对比逆协方差的估计性能和图恢复性能,结果表明所提估计方法准确率高、计算成本低.最后,将所提估计方法用来分析白血病数据集,并运用聚类分析对白血病人进行分类.(本文来源于《河南师范大学学报(自然科学版)》期刊2016年05期）
蒋建新[7]（2014）在《块H矩阵的逆矩阵无穷范数和最小奇异值的估计》一文中研究指出利用块H-矩阵的子矩阵块Dashnic-Zusmanovich矩阵的定义式和性质,给出了该类矩阵的逆矩阵无穷范数和1范数的上界,并得到了最小奇异值的下界。(本文来源于《文山学院学报》期刊2014年06期）
李新波,李晓青,刘国君,石要武,杨志刚[8]（2014）在《用于声矢量阵列波达方向估计的四元数最小范数法》一文中研究指出由于四元数MUSIC(Multiple Signal Classification)算法计算量较大,本文结合声矢量传感器的四元数导向矢量模型,提出了一种声矢量阵列波达方向估计的四元数最小范数法。首先,将声矢量阵列输出协方差矩阵奇异值分解所得到的(M-N)×M维(M为阵元数、N为信源数)噪声子空间依最小范数(Minimum-Norm,MN)准则构建为一个新的四元数域1×M维噪声矢量。接着,提出了简化的谱峰搜索公式,理论分析了四元数最小范数法在搜索计算量上的优势。对提出的算法与Q-MUSIC算法进行了对比。结果显示:该算法至少能节省50%的谱峰搜索量。同时,提出的算法构建的低维噪声矢量与导向矢量间的正交性优于高维噪声子空间与导向矢量间的正交性,在0dB时,其范德蒙范数和谱峰分别为Q-MUSIC算法的1/3和3倍。另外,该算法在减小谱峰搜索量的同时,可以较好地分辨信源波达方向,且其统计特性与四元数MUSIC算法相当。提出的算法不局限于L线阵,也适用于双平行线阵及面阵。(本文来源于《光学精密工程》期刊2014年07期）
赵仁庆,钟振华,刘鹏[9]（2014）在《GS-SDD矩阵的逆矩阵的无穷范数和最小奇异值的估计(英文)》一文中研究指出本文给出了GS-SDD矩阵的逆矩阵的‖A-1‖∞的一个新上界和最小奇异值的一个新下界。数值算例表明所得结论是有效的。(本文来源于《楚雄师范学院学报》期刊2014年06期）
陆健华[10]（2014）在《混合分数O-U过程的最小范数估计》一文中研究指出本文研究混合分数O-U过程的最小范数估计问题.利用分数布朗运动驱动的随机微分方程偏差不等式,获得了混合分数O-U过程漂移参数的最小范数估计、相合性及渐近分布.(本文来源于《数学杂志》期刊2014年03期）
最小范数估计论文开题报告
（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：
针对非高斯噪声条件下利用传统模糊函数的到达时差(time difference of arrival,TDOA)和到达频差(frequency difference of arrival,FDOA)联合估计方法性能退化问题,提出一种基于最小1-范数准则模糊函数的联合TDOA/FDOA估计算法。在给出1-范数模糊函数概念的基础上,提出一种存在重尾分布α稳定噪声条件下的联合TDOA/FDOA估计算法。仿真实验结果表明,与传统模糊函数以及分数低阶矩(fractional lower order moments,FLOM)方法相比,该算法能够更好地逼近克拉美罗界(Cramér-Rao lower bounds,CRLB),且在鲁棒性和估计精度等方面性能明显提升。
（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。
最小范数估计论文参考文献
[1].唐杰,张文征,戚瑞轩,李聪.基于噪声水平估计的加权核范数最小化噪声压制方法研究[J].石油物探.2019
[2].梁加洋,赵拥军,赵闯.基于最小1-范数准则模糊函数的联合TDOA/FDOA估计算法[J].信息工程大学学报.2018
[3].陈杰,钟麦英,张利刚.基于L2范数最小估计的无人机飞控系统故障检测[J].山东大学学报(工学版).2017
[4].梁加洋,赵拥军,赵闯.一种基于最小1-范数准则的TDOA估计算法[J].电子信息对抗技术.2017
[5].汪钰,姜元,王彦华,李阳,龙腾.基于原子范数最小化的高分辨距离像散射中心估计[J].信号处理.2017
[6].宋运忠,杨丽英.基于L_1范数最小化的逆协方差矩阵估计[J].河南师范大学学报(自然科学版).2016
[7].蒋建新.块H矩阵的逆矩阵无穷范数和最小奇异值的估计[J].文山学院学报.2014
[8].李新波,李晓青,刘国君,石要武,杨志刚.用于声矢量阵列波达方向估计的四元数最小范数法[J].光学精密工程.2014
[9].赵仁庆,钟振华,刘鹏.GS-SDD矩阵的逆矩阵的无穷范数和最小奇异值的估计(英文)[J].楚雄师范学院学报.2014
[10].陆健华.混合分数O-U过程的最小范数估计[J].数学杂志.2014
论文知识图
