基于DFT的非采样间隔信道OFDM系统信道估计

提出了一种改进的基于DFT的系统信道估计方法．该方法充分考虑了非采样间隔信道的冲激响应能量泄漏问题．通过计算能量增长率选择保留路径,实现了基于DFT的非采样间隔信道OFDM系统信道估计．仂真结果表明,改进算法的均方误差（MSE）及误码率（SER）介于传统的LS估计及MMSE估计之间．在信噪比为15dB时,改进算法的MSE相对LS估计有3．5dB的改善．     

基于卡尔曼滤波的快时变稀疏信道估计新技术

针对高铁以及山区环境下正交频分复用（orthogonal frequency division multiplexing,OFDM）通信系统的信道估计问题,提出一种基于卡尔曼滤波的快时变稀疏信道估计方法.该方法基于快时变信道的基扩展模型（basic expansion model,BEM）,应用压缩感知（compressed sensing,CS）理论进行稀疏时延估计,并应用卡尔曼滤波（Kalman filter,KF）技术对BEM系数进行估计,进而获得信道增益.仿真结果表明,在相同信噪比（signal to noise ratio,SNR）条件下,随着归一化多普勒频移（frequency-normalized Doppler shift,FND）增大,新方法的信道估计均方差（mean square error,MSE）性能优于传统方法,如当SNR为20 dB,FND为0.1时,新方法较传统方法性能提升了4 dB,表明对信道时变性具有更优的鲁棒性;在相同的多普勒频移条件下,随着SNR增加,各方法的均方差均有所改善,新方法改善更明显,如当FND为0.2时,在信道估计均方差为0.06的条件下,新方法较传统方法获得了6 dB的信噪比增益,表明对抗信道噪声能力更强.      

基于循环谱包络的共信道多信号参数估计

为解决通信侦察中非协作接收机接收的信号受共信道信号干扰的问题,提出了一种基于循环谱包络的多信号载频、码片时宽估计算法.该算法不需要伪随机码等先验信息,可实现对时频重叠的多循环平稳信号参数的盲估计.由于该参数估计算法是在非零循环频率上进行搜索,故可以有效地减少平稳噪声和干扰的影响,适用于低信噪比的情况.仿真实验表明,当双信号功率比为1∶1且信噪比为-9 dB时,该算法对载频估计的正确率可达100%;当信噪比为-4 dB时,对码片时宽估计的正确率可达99%.     

时变MIMO系统的联合符号检测与信道估计

针对MIMO系统时变多径信道,结舍分集舍并,提出一种带判决反馈的修正混和型MLSE（DF-MHMLSE）为基础的低复杂度联合符号检测与信道估计的递推算法．发送端仅需少量导频符号用于信道估计初始化,在此基础上,针对系统中各MISO子系统,分别采用修正混和型MLSE算法（MHMLSE）,形成临时判决符号矢量集合及对应的临时信道矢量集合,最终根据分集合并确定最佳判决符号矢量,同时实现信道矢量的自适应更新,该算法减小了传统MIMOMLSE的计算复杂度,实现了逐符号检测,并取得了较低的误比特率．     

基于多参数特征的OFDM信号盲识别

为区分多载波调制OFDM(正交频分复用)信号和数字单载波调制信号,提出了Rayleigh衰落信道条件下一种多载波调制盲识别算法.该算法对传统算法进行了改进,用信号的高阶累积量和信号的三角矩构造的特征参数对单载波信号和多载波OFDM信号进行分类,无需预先知道信号的载波频率和波特率,只需直接对中频信号进行识别处理.仿真结果表明,提出的算法抗多径能力强,识别率高,信噪比大于0 dB时识别率可达100%.     

神经Chebyshev正交多项式均衡器及自适应算法

提出一种全新结构的非线性均衡器———神经Chebyshev正交多项式自适应均衡器.该均衡器由1个非线性神经自适应滤波器和1个Chebyshev正交多项式滤波器级联而成.基于最陡下降方法,推导出了相应的自适应算法.仿真结果表明,在线性信道中,该均衡器的均方误差(MSE)比神经自适应均衡器和二阶Volterra均衡器小;在非线性信道中,以更为简单的结构达到了和BP算法训练的三层神经网络相似的性能.     

基于ICA的MIMO系统空时盲均衡算法

多输入多输出系统的MMSE均衡中,由于接收端采样大小的限制,对观测信号协方差矩阵的估计和信道的盲辨识误差会严重影响均衡性能,采用独立分量分析作为一种辅助手段改进传统的均衡器,并选择最佳均衡时延优化算法。仿真结果表明,该算法提高了传统算法的鲁棒性,在大大降低计算复杂度的同时改善了均衡性能。     

基于主成分分析的雷达辐射源信号数量估计

针对复杂电磁环境中雷达辐射源数的估计问题,提出了一种新的信息论准则.这种方法通过对接收到的脉冲信号包络向量进行主成分分析提取包络的特征值,并利用特征值按降序排列的曲线分布特点构造新的信息论准则,估计雷达辐射源数目.计算机仿真实验表明,与已有的信息论准则相比,在低信噪比(4～8 dB)下,雷达辐射源数的估计正确率平均提高29%,运行效率平均提高0.09 s.     

基于ICA的MIMO系统空时盲均衡算法

多输入多输出系统的MMSE均衡中,由于接收端采样大小的限制,对观测信号协方差矩阵的估计和信道的盲辨识误差会严重影响均衡性能,采用独立分量分析作为一种辅助手段改进传统的均衡器,并选择最佳均衡时延优化算法。仿真结果表明,该算法提高了传统算法的鲁棒性,在大大降低计算复杂度的同时改善了均衡性能。     

一种多辐射源角度跟踪算法

为解决对多辐射源同时进行角度跟踪的问题,提出了一种将求根的正交传播算子方法(OPM)与零点跟踪相结合的新算法,实现了迭代的角度估计和自动关联.新算法引入了2个可变参数——遗忘因子和多项式方程阶数,通过调节这2个参数改变算法的性能,从而适应信噪比和目标角速度变化的信号环境.仿真结果表明,与传统方法相比,提出的算法具有更好的跟踪性能和灵活性,当信噪比高于0 dB时,其跟踪均方根误差小于0.15°.     

Optimal training design and placement for MIMO orthogonal frequency division multiplexing channel estimation

This paper deals with optimal training design and placement over multiple orthogonal frequency division multiplexing(OFDM) symbols for the least squares(LS) channel estimation in multiple-input multipleoutput(MIMO) OFDM systems.First,the optimal pilot sequences over multiple OFDM symbols are derived by co-cyclic Jacket matrices based on the minimum mean square error(MSE) of the LS channel estimation.Then,an enhanced channel estimation method using sliding window is proposed to improve further the performanc...     

Network Decomposition and Maximum Independent Set Part Ⅱ：Application Research

According to the researches on theoretic basis in part I of the paper，the spanning tree algorithms solving the maximum independent set both in even network and in odd network have been developed in this part，part Ⅱ of the paper．The algorithms trans form first the general network into the pair sets network，and then decompose the pair sets network into a series of pair subsets by use of the characteristic of maximum flow passing through the pair sets network．As for the even network，the algorithm requires only one time of trans formation and decomposition，the maximum independent set can be gained without any iteration processes，and the time complexity of the algorithm is within the bound of O(｜V｜^3)．However，as for the odd network，the algorithm consists of two stages．In the first stage，the general odd network is transformed and decomposed into the pseudo-negative envelope graphs and generalized reverse pseudo-negative envelope graphs alternately distributed at first；then the algorithm turns to the second stage，searching for the negative envelope graphs within the pseudo-negative envelope graphs only．Each time as a negative envelope graphhas been found．renew the pair sets network by iteration at once．and then tum back to the first stage．So both stages form a circulation process up to the optimum．Two available methods，the adjusting search and the picking-off search are specially developed to deal with the problems resulted from the odd network．Both of them link up with each other harmoniously and are embedded together in the algorithm．Analysis and study indicate that the time complexity of this algorithm is within the bound of O(｜V｜^5)．     

大规模训练集的快速缩减

为了进一步减少支持向量机的训练时间,提出了一种基于类别质心的训练集缩减算法.该算法根据样本的几何分布去除训练集中大部分非支持向量.对样本规模在104数量级的数据集进行了训练实验,结果显示,在基本不损失分类精度的情况下,训练时间比直接用SMO(序贯最小优化)算法减少30%,说明该算法能有效地提高支持向量机的训练速度.     

基于改进OLS算法的RBF神经网络 高速公路事件探测

提出了一种基于模糊聚类技术和RBF神经网络的混合智能高速公路事件自动探测算法,同时改进了用于RBF神经网络训练的Oils(正交最小二乘)选择算法.仿真实验证明,改进的OLS选择算法大大提高了RBF神经网络的训练速度同时具有无须事先确定RBF中心的优点,将之运用于公路事件探测可以获得满意的性能.     

A Semi—blind Adaptive Beamforming Algorithm for Wideband Coherent CDMA

This paper presented a novel semi-blind adaptive beamforming algorithm specially designed for wideband coherent CDMA mobile communication systems with multiplexd control and data channels. The presented algo-rithm uses a parallel structure to exploit not only the desired user‘s pseudo noise sequence but also the information from multiplexed pilot and data symbols, thus help achieve faster convergence and lower bit error rate. Monte Carlo simulation results verified the performance improvement in terms of BER.     

L-M神经网络算法在汽轮发电机组故障诊断中的应用

针对汽轮发电机组的故障诊断,采用Levenberg-Marquardt算法建立多层前向人工神经网络,采用改进算法训练网络,克服了传统BP算法收敛速度慢,易陷入局部最小的缺陷.就BP网络的不足,提出了一种改进的BP神经网络模型,并使用L-M算法用于汽轮发电机组故障的诊断.经理论和实践证明:该方法有效地提高了故障诊断的精度和可靠度,为旋转机械故障诊断提供了有效方法.     

高阶QAM信号的前馈神经网络相位修正水声信道盲均衡算法

提出了适用于复值信号的前馈神经网络盲均衡算法,并针对传统常模盲均衡算法不具备相位修正能力的缺点,对代价函数进行了改进,提出了基于前馈神经网络的修正常模盲均衡算法,同时针对算法起伏性大、收敛速度慢的问题,利用判决正方形方法进行了改进．仿真结果表明,在高阶QAM通信系统中,新的神经网络盲均衡算法不仅能够进行相位偏差的自修正,同时在算法的收敛能力、收敛速度以及稳健性方面都较传统神经网络常模算法更有优势．