1) spatial smoothing
空间平滑法
2) space smooth algorithm
空间平滑算法
1.
This article recommends the space smooth algorithm based on array interpolation technology that can partly solve the question about DOA of correlated signals for arbitrary array and indicates the matter of the method that must be noticed.
文中介绍了一种基于内插阵列技术的空间平滑算法,可在一定程度上解决任意阵列的相干源测向问题,并指出了这种方法需要注意的同题。
3) Modified spatial smoothing method (MSSM)
修正空间平滑法
4) spatial smoothing
空间平滑
1.
Two dimentional DOA estimation of coherent signals based on spatial smoothing method;
基于空间平滑算法的二维相干源DOA估计
2.
DOA estimation of coherent sources based on spatial smoothing using UCA;
基于空间平滑的均匀圆阵对相干信源的DOA估计
3.
Robust wideband highresolution direction of arrival estimation based on spatial smoothing;
基于空间平滑处理的稳健宽带高分辨方位估计算法
5) spatial smooth
空间平滑
1.
Using the spatial smooth techniques,it can also process coherent wideband sources.
该方法首先阵列采样数据分段并进行FFT变换,得到若干个窄带信号,然后分别对每一个窄带信号进行处理,最后对各窄带的处理结果进行加权综合来得到宽带源个数的估计结果,采用空间平滑技术可处理相关宽带源。
2.
First,transform the uniform circular array in element space into the virtual uniform linear array in mode space,then construct a covariance matrix using spatial smoothing techniques,finally,get adaptive weight through GS orthogonal algorithms.
为了使应用于均匀圆阵中的Gram-Schmidt正交化算法具有解相干干扰信号的能力,首先通过预处理技术把均匀圆阵转换为模式空间的均匀线阵,进而采用空间平滑技术构造协方差矩阵,再利用GS正交化获得自适应权重。
补充资料：平滑法
对不断获得的实际数据和原预测数据给以加权平均，使预测结果更接近于实际情况的预测方法，又称光滑法或递推修正法。平滑法是趋势法或时间序列法中的一种具体方法。
对于实际数据接近于平稳不变的情况，可以应用一次平滑法，以消除偶然因素的影响。一次平滑的算式为，式中 a为平滑参数，为t时刻采样值，的估值，即预测值。将上述迭代式在时间上展开，直接用采样值以及估值尳1来表示，即有
这表明在t＋1时刻的估值是以往实际采样值的加权平滑,而其加权系数相对于时间的关系符合指数规律,使较早时刻的情况对预测影响较少。因此，这种平滑法也称指数平滑法。平滑参数 a的值应按实际应用经验选定。a越大,表示近期的实际采样值影响越大。有时为了获得更好的修正效果，可以随时调整 a值，使它成为时变的。例如可选；而当时则选凭经验选定的下限值),于是有a1＝1.00,a2＝0.50,a3=0.33,a4＝0.25,a5＝0.20,...,a＝amin。如果先应用另一种预测方法求得的估值，再按上一时刻的预测偏差进行修正，则可提高预测精度。这就是一种递推修正法。这种方法假设一种预测方法对相邻两时刻的预测偏差有关联，因而可用某时刻的预测偏差来修正下一时刻的预测值。二次平滑法是指线性趋向时间序列连续两次应用一次平滑法来估计参数的方法。此外，还有高次平滑法。移动平均法也是平滑法的一种。
参考书目
N.T.Thomopoulos著,刘涌康等译：《实用预测方法》，上海科技文献出版社，上海，1980。(N.T. Thomopoulos，Applied Forecasting Methods, Prentice-Hall, Englewood Cliffs, 1980.)
对于实际数据接近于平稳不变的情况，可以应用一次平滑法，以消除偶然因素的影响。一次平滑的算式为，式中 a为平滑参数，为t时刻采样值，的估值，即预测值。将上述迭代式在时间上展开，直接用采样值以及估值尳1来表示，即有
这表明在t＋1时刻的估值是以往实际采样值的加权平滑,而其加权系数相对于时间的关系符合指数规律,使较早时刻的情况对预测影响较少。因此，这种平滑法也称指数平滑法。平滑参数 a的值应按实际应用经验选定。a越大,表示近期的实际采样值影响越大。有时为了获得更好的修正效果，可以随时调整 a值，使它成为时变的。例如可选；而当时则选凭经验选定的下限值),于是有a1＝1.00,a2＝0.50,a3=0.33,a4＝0.25,a5＝0.20,...,a＝amin。如果先应用另一种预测方法求得的估值，再按上一时刻的预测偏差进行修正，则可提高预测精度。这就是一种递推修正法。这种方法假设一种预测方法对相邻两时刻的预测偏差有关联，因而可用某时刻的预测偏差来修正下一时刻的预测值。二次平滑法是指线性趋向时间序列连续两次应用一次平滑法来估计参数的方法。此外，还有高次平滑法。移动平均法也是平滑法的一种。
参考书目
N.T.Thomopoulos著,刘涌康等译：《实用预测方法》，上海科技文献出版社，上海，1980。(N.T. Thomopoulos，Applied Forecasting Methods, Prentice-Hall, Englewood Cliffs, 1980.)
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条