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.     

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．     

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。     

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。     

窄带干扰条件下水声OFDM系统LMMSE信道估计算法

因为正交频分复用（OFDM）系统中强窄带干扰引起水声信道估计性能退化,因此,提出了一种可实用的线性最小均方误差（LMMSE）信道估计方法.该方法结合最小二乘（LS）信道估计结果对受窄带干扰（NBJ）和加性高斯白噪声（AWGN）噪声干扰的导频子载波进行辨别,从而获得最有效信道抽头;根据导出的理论模型,给出了信道自相关、窄带干扰信号和噪声功率等参数的近似估计方法;并采用傅里叶变换以避免矩阵的求逆运算,减少了计算复杂度.仿真结果表明,在强干扰信号条件下,文中提出的方法接近理想状态的LMMSE方法.     

基于JADE算法的矢量水听器阵列信号盲估计研究

标量声压水听器线阵无法估计信号的二维到达角（方位角和俯仰角）,并且对来波方向相同的信号无法分辨.针对这一情况,文中引入盲信号处理理论,将JADE（特征矩阵联合近似对角化）算法与矢量水听器阵列技术相结合,提出了一种新的阵列信号盲估计算法.该算法应用在结构简单的矢量水听器线阵上,在信号方向矢量没有任何先验知识情况下,对阵列流型矩阵进行盲估计,进而估计出源信号的频率和二维到达角,并实现对来波方向相同信号的辨识.仿真实验证明了算法的有效性.     

椭圆曲线密码算法的边信道攻击研究

边信道攻击是一种对密码算法实现的有效的攻击.针对椭圆曲线密码的实现,简单边信道攻击可以逐步确定私钥.文中讨论了通过模糊私钥的标量表示和椭圆曲线计算序列的关系来抵抗简单边信道攻击.为了分析这些算法,文中提出了一种新的方法,即把椭圆曲线标量乘运算看作马尔可夫链.理论证明,这种方法比标准的简单边信道攻击更有效.     

一种改进投影算法求解排放约束下多用户交通分配均衡模型

给出一种考虑排放约束条件下的交通分配均衡模型,在所定义的广义出行费用中明确考虑捧放因素.通过将变分不等式同题转换成等价的最优化问题.引入改进投影算法求解该模型.在所给出的数值算例中考虑两类对排放不同偏好的用户,采用均衡算法求解二次规划子问题,所得的弧及路径最优解收敛.且均满足Wardrop平衡条件.     

单载波频域均衡的NP算法研究与FPGA实现

针对单载波的频域均衡时色噪声对系统性能的影响,提出一种NP(noise predictor)算法来去除色噪声.通过NP算法去除了相邻样值的相关性,使得色噪声得到白化,并且通过仿真验证结果表明NP算法可以很好地消除单载波频域均衡时色噪声的影响.此外,在算法实现中采用8倍时分复用的降频方法,使用组划分,在保证性能的同时节约了硬件资源,还提高了工作频率.     

严格伪压缩映像不动点和均衡问题的公共元的迭代算法

均衡问题的解在最优化理论及应用中具有十分重要的意义。物理学和经济学中的很多问题可归结为寻找平衡问题的解。有关非线性算子不动点的迭代构造问题及混合均衡问题的求解方法,许多学者进行了研究。利用杂交投影算法,用以逼近Hilbert空间中严格伪压缩映像不动点集与混合均衡问题解集的公共元,并证明其强收敛性。此算法的最终投影具有显示表达,因而更有利于应用。所得结果改进和推广了最近一些文献的相应结果。     

基于基准测试的道路交通分配算法比较

简要介绍双共轭Frank-Wolfe算法、交叉口通行能力计算分配算法、动态用户均衡分配算法和基于仿真的动态分配算法4种交通分配算法的原理和实现过程.以广州东站周边地区为例,构建了基于PTV VISUM软件的测试平台.从分配算法的效率、收敛性和分配结果等方面进行评价分析,并开展以双共轭Frank-Wolfe算法为参照的基...     

随机用户均衡交通分配问题的蚁群优化算法

研究了出行者对路网熟悉程度的指标与交通流分配均衡性之间的关系, 提出了具有指数形式信息素更新策略的随机用户均衡模型蚁群优化算法, 建立了从Logit模型加载, 到交通需求确认及路径流量、路段流量、路段阻抗、路径阻抗迭代计算的交通分配动态循环流程; 计算了Nguyen-Dupuis路网模型中各路段的流量与阻抗, 并与连续平均算法计算结果进行比较; 通过调节出行者对路网熟悉程度的因子, 分析了蚁群优化算法与连续平均算法的敏感性。研究结果表明: 采用连续平均算法和蚁群优化算法计算的路段流量分布分别为20~280、40~260pcu, 蚁群优化算法的流量分布区间减小了15.4%, 路段流量的最大值减小了7.1%, 因此, 采用蚁群优化算法计算的路段流量较为均衡; 采用蚁群优化算法时, 在Nguyen-Dupuis路网模型中各路段流量的标准差从65pcu降至48pcu, 88%可选路径的阻抗分布在61~64, 且84%的路径阻抗低于采用连续平均算法计算的阻抗, 因此, 采用蚁群优化算法减少了用户出行时间; 当路网熟悉程度分别为0.01、0.1、1、2、7、11时, 采用连续平均算法计算的路段流量标准差分别为75、65、50、47、45、45pcu, 采用蚁群优化算法计算的路段流量标准差分别为48、48、48、47、43、43pcu, 可见, 随着路网熟悉程度的增大, 分配在各路段上的流量范围逐渐减小, 标准差趋于稳定, 信息素更新策略对出行者的路径选择概率影响越明显, 出行者选择阻抗小的路径的概率变大, 因此, 采用蚁群优化算法对路段的流量分配逐渐优于连续平均算法。     

ATIS影响下的随机用户均衡模型的研究

在考虑交通信息对出行者路径选择行为影响的基础上,将出行者划分为配有＂先进的出行者信息系统（Advanced traveler information system,ATIS）接受装置＂和＂无ATIS接受装置＂两类。假定在路网随机变化的情况下,两类出行者均以成本最小为路径选择准则,建立了在ATIS影响下的基于出行成本的随机用户均衡模型,并利用相继平均算法（Method of successive averages,MSA）和蒙特卡罗（Monte-Carlo）法设计了模型的求解算法。最后,通过一个算例验证了算法的有效性,表明该模型能反映出行者在交通信息影响下,做出的路径选择行为能带来一定的收益。     

基于手机基站数据的混合地图匹配算法研究

基于移动通信的交通信息采集是智能交通系统中新兴的应用技术之一,将车载 手机定位到电子地图上是其应用的基础,而地图匹配技术则是解决车载手机定位的关键. 本文通过对车载手机行驶在不同的路网时所产生的基站切换数据信息,分析得到车载手 机实际运行时基站切换的基本规律;并结合电子地图的数据结构特点,对使用基站切换 数据进行地图匹配时需解决的难点问题展开研究;在使用基站切换对代替道路稳定切换 序列的方法的基础上,提出了结合切换对和基站源址的混合地图匹配算法.此算法可以缩 小待选路段集,有效处理交叉口和平行路段等复杂情况,提高匹配准确率.最后,选取广州 大学城为实地测试区域,验证了此算法的可行性.     

用于稀疏系统辨识的改进惩罚LMS算法研究

基于加权零吸引因子最小均方算法（RZA-LMS）,提出了一种应用于系统辨识的新型自适应滤波算法（ARZA-LMS）。RZA-LMS通过在标准LMS算法迭代过程中添加零吸引因子,促进了滤波器小权系数的收敛,从而在辨识稀疏系统时,加快了算法的整体收敛速度。但是RZA-LMS算法中的零吸引因子,选择了固定的e,过于武断,降低了算法的鲁棒性。通过在参数e与误差信号e之间建立非线性关系,使零吸引因子在最小化MSE更具有灵活性,提出了一种改进的RZA-LMS,提高了对系统辨识的收敛速度和稳定性。最后,计算机仿真验证了新算法的性能明显优于原算法和若干现有稀疏系统辨识的方法。