多级从滤波器结构的自适应滤波器

根据理论分析，理论了多级从滤波器结构的自适应滤波算法系列。由于多个从滤波器在误差曲面上的细化寻找，从而使多级从滤波器结构的自适应滤波系统在移居记失调方面得到了较大的改善。计算机模拟实验结果验证了其良好的性能，说明具有一定的优越性和实用价值。     

一种有效的水声信道盲均衡算法

针对超指数迭代判决反馈盲均衡（SEIDFE）算法在水声通信系统中表现出的收敛性差的问题,提出了一种稳健性好、收敛快的双模式超指数迭代判决反馈盲均衡算法.该算法对均衡器输出的实部和虚部分别进行非线性变换以修正误差控制信号,从而纠正载波相位旋转;在此基础上,将一种新的自适应变步长算法应用到前馈滤波器前向权值的迭代步长中,提高算法收敛速度;并采取判决误差切换准则,将上述改进算法与判决导引算法有机结合起来,提高算法稳健性和收敛性能.仿真结果证明了该算法的有效性.     

基于Matlab的自适应滤波器设计

滤波器在电子设备中已得到广泛的应用,而自适应滤波器可以不必事先给定信号及噪声的自相关函数,它可以利用前一时刻已获得的滤波器参数自动地调节现时刻的滤波器参数,从而实现最优滤波。介绍了自适应滤波器原理,并对LMS自适应算法进行了分析,最后用Matlab对自适应低通滤波器进行了仿真和实现,并分析了该自适应滤波器的性能。     

基于分组纠错码指导的多分辨率SIC算法

采用维纳均衡器和能量均匀分布扩频矩阵的SOFDM系统在频率选择性衰落信道中的误比特率小于OFDM系统,但是维纳均衡器的使用引入了子信道间干扰,且SOFDM系统的各子信道信干比相等,现有的相继干扰消除(SIC)算法无法有效地消除该干扰.为解决这一问题,文中提出了基于分组纠错码指导的多分辨率SIC算法,描述了该算法的子信道间干扰消除原理和实现过程,并通过计算机仿真验证了该算法的有效性.     

基于自适应粒子群优化算法的交通量短时预测模型

在考虑交通量短时变化的时空特性和波动性基础上,建立了非线性交通量短时预测模型.根据我国城市道路交通流非线性、时变性、随机性等特点,提出自适应粒子群优化算法对非线性交通量短时预测模型进行在线修正.该自适应粒子群优化算法采用两步优化策略,对算法参数进行调整,避免算法早熟收敛,有效提高了算法的运算精度和效率.利用城市道路的实测数据,通过Mat-lab软件工具箱对该模型进行计算机仿真验证.     

自适应陷波器的原理,应用及其算法仿真

分析了自由适应滤波器组成的自适应陷波器的基本原理。针对大坝监测中多频率噪声干扰的实际情况，给出了一种有效的陷波器结构及其算法仿真。     

CES型盲均衡及其基于高阶统计量的一种实现

介绍了一种全新的设计盲均衡器的评估标准－信道评估标准ＣＥＳ，并就其实现方式作了简要讨论，在分析现有算法优缺点的基础上，基于高阶统计量，对非最小相位线性信道，提出了一种ＣＥＳ型盲均衡算法ＨＣＢＥＡ，该方法避免了ＣＥＳ盲均衡中常见的大运算量的缺陷。由多电平ＰＡＭ及ＱＡＭ信号仿真实验表明，该方法具有良好的均衡特性。     

引入个体相异度阀值函数的新自适应遗传算法

提出了一种引入个体相异度阀值函数的新自适应遗传算法,该算法根据个体的相异性,给出了个体相异度的概念和相应的计算公式,并设计了一个与进化代数相关的阀值函数,以实现选择性交叉和变异.同时为了克服传统自适应遗传算法在进化过程中停滞不前的缺点,该算法引入非线性函数作为自适应交叉率和变异率计算公式.最后,针对典型车间调度问题,分别对改进算法和其他优化算法的计算结果进行了比较,结果表明新算法更有效.     

平稳噪声背景下短时动态信号的自适应滤波

根据短时动态信号与平稳背景噪声的特征区别，以时间序列的AR模型理论为依据，导出背景噪声自适应白化滤波器的结构，并用变步长LMS算法实现自适应滤波．合理设计LMS算法的收敛速度，使得滤波器既能白化背景噪声，又能使动态信号失真不大．当输入信号只有平稳背景噪声时，滤波器输出是白噪声；如果输入信号中含有短时动态信号，则滤波器输出就含有明显的信号波形．仿真计算结果表明，文中给出的方法用于从4，5级海况下的海洋波浪噪声中提取动态船舶水压场信号时，能提高信噪比达20dB．该方法可推广到其它场合，用于从平稳噪声背景中提取短时动态信号．     

椭圆方程有限差分逼近的混合半迭代法

利用局部消元法建立了求解椭圆型方程的有限差分格式,并根据Chebyshev多项式加速技术构造了一个混合半迭代法.该算法在第一层网格上仍使用经典的Jacobi迭代法,在内层网格上使用多项式加速技术.数值实验表明,新算法比Jacobi半迭代法收敛快.     

基于神经网络方法的柴油机气缸压力识别

分析了柴油机气缸盖系统激励和响应信号的非线性特性,阐述了基于BP神经网络的柴油机气缸压力识别方法.对测试的振动响应信号进行时域统计平均和低通滤波后,训练BP神经网络,利用自适应梯度下降算法,自适应调节学习速率,提高网络精度,识别柴油机气缸压力.结果表明,恢复出来的缸内压力信号和实测信号十分接近,该方法对柴油机的实时在线控制、监测和故障诊断有重要的应用价值.     

基于改进的BP神经网络模型参考自适应控制

针对传统BP算法的神经网络模型参考自适应控制实时性差、精度不高、收敛慢等不足,结合BP改进算法和非线性系统的可逆性,提出了基于改进的双向权值调整BP算法的神经网络模型参考自适应控制.基于此算法设计的系统辨识器和控制器的网络结构简单,精度高,仿真结果表明该算法的辨识和控制效果均很理想,可应用于工程实际.     

THE PARALLEL RECURSIVE AP ADAPTIVE ALGORITHM BASED ON VOLTERRA SERIES

Aiming at the nonlinear system identification problem, a parallel recursive affine projection （AP） adaptive algorithm for the nonlinear system based on Volterra series is presented in this paper. The algorithm identifies in parallel the Volterra kernel of each order, recursively estimate the inverse of the autocorrelation matrix for the Volterra input of each order, and remarkably improve the convergence speed of the identification process compared with the NLMS and conventional AP adaptive algorithm based on Volterra ,series. Simulation results indicate that the proposed method in this paper is efficient.     

A Practical Adaptive TuCM Scheme for Rayleigh Flat Fading Channels

IntroductionAs stated in Ref.[1 ],if the channel state isknown atthe transmitter,then channel capacity isachieved by adapting the transmit power,data rateand coding scheme relative to this fade state.Based on those results,an uncoded adaptive modu-lation was proposed[2 ] .This adaptive modulation is1 7d B more power efficientthan non- adaptive mod-ulation in fading.Combining trellis coded modula-tion ( TCM) with adaptive modulation,an adaptivecoded modulation was studied[3 ] .The results sh…     

基于反馈线性化的船舶航向保持模糊自适应控制

针对诺宾（Norbin）非线性船舶模型，基于反馈线性化方法和由径向基函数（RBF）神经网络构建的模糊系统的逼近能力，提出了基于反馈线性化的船舶航向保持模糊自适应控制算法。运用泰勒级数展开的线性化技术，使模糊系统的所有参数均可实时调节，引入了鲁棒控制消除模糊逼近系统带来的误差，在李雅普诺夫稳定性理论的基础上导出了自适应控制率。该算法可以确保闭环系统渐近稳定，使系统的模型跟踪误差为0，优于传统的PID控制策略，具有良好的自适应能力。     

Pragmatic physical layer abstraction method based on bit-LLR-wise exponential effective SNR mapping for bit interleaved coded orthogonal frequency division multiplexing system

In this paper, we analyze the physical layer abstraction for bit interleaved coded orthogonal frequency division multiplexing （BIC-OFDM） system from a parallel bit channel perspective. By combining the exponential effective SNR （signal-to-noise ratio） mapping （EESM） with the maximum a posteriori （MAP） algorithm, a bit LLR （log-likelihood ratio） wise EESM （BL-EESM） method is proposed. This method can abstract the link performance with high accuracy, especially for the case when channel estimation is imperfect. Afterward, the BL-EESM method is simplified by utilizing the non-linear quantization idea, which can reduce the times of exponential operation by two orders of magnitude at wide system bandwidth, yet shows little loss in accuracy. Our proposal can be applied to both system level simulations to save the time consumption and to practical terminals to facilitate the adaptive modulation and coding （AMC） procedure, bringing about throughput improvement at low hardware cost.     

����Hession�����Ż���NDEKF�������ʶ����ֱ��ͬ���������Hession�����Ż���NDEKF�������ʶ����ֱ��ͬ�����

永磁直线同步电动机模型的建立对研究其稳态特性、动态特性和控制策略都是非常重要的。首先，将带外部输入的非线性自回归模型展成多项式形式，然后在此基础上用残差分析法导出真实的阶次所满足的条件。为了克服神经网络结构依靠人工试凑的不足，使用基于Hession矩阵的修剪法来优化其结构。考虑到BP算法的一些固有缺点，使用NDEKF(基于节点的解耦扩展Kalman滤波器算法)来训练网络。实验证明，网络的输出结果与试验样机(永磁直线同步电动机驱动的垂直运输系统)的实际输出十分接近；同时将NDEKF与BP算法进行对比，NDEKF算法具有收敛较快、泛化能力强、不易陷入局部极小等特点。     

Simple closed-loop method to compensate interference asymmetry in time-division duplex MIMO-OFDM systems

In wireless communications systems with time-division duplex (TDD) deployment, channel reciprocity and symmetric interference between transmitter and receiver sides are two widely-adopted assumptions for the design of optimal adaptation transmission mode. However, in practice, there is an undesirable but non-negligible effect, namely the asymmetric interference, that makes the assumptions no longer valid. In this paper, a simple closed-loop feedback method of compensating interference asymmetry in TDD multiple-input multiple-output (MIMO) orthogonal frequency division multiplexing (OFDM) system is proposed. The system makes the estimated interference at transmit-side be able to track the instantaneous receive-side interference dynamically. The proposed method maintains constant frame error rate (FER) by adopting adaptive modulation coding (AMC) and power loading. The final simulations have verified the effectiveness of the new method.     

两自由度并联机器人的RBF神经网络辨识自适应控制

针对平面两自由度五杆并联机器人的轨迹跟踪问题,提出了一种基于RBF神经网络的自适应PID控制方法.该控制方案利用RBF神经网络自适应学习辨识并联机器人系统的未知非线性动态,可以在线调整PID控制参数以实现高精度控制.仿真结果显示该控制策略可以精确实现对于并联五杆机器人的轨迹跟踪控制,该方法的自适应性和跟踪性能均优于传统的PID控制.