基于多模的符号递归常数模算法研究与仿真

针对符号递归常数模算法(SR-CMA)稳定性差、剩余误差大的缺点,提出了一种适用于正交幅度调制(QAM)信号的双模式盲均衡算法.该算法在初始模式中采用运算量较小的SR-CMA算法进行均衡,利用判决圆环对均衡器输出信号进行判决,当误码率降到足够低的水平时自动切换到多模算法,以进一步降低均方误差.利用水声信道模型进行仿真,结果表明,该算法性能稳定,计算量小,稳态剩余误差低于CMA和SR-CMA算法.该算法能够有效降低高速水声通信的误码率,提高水声信道均衡的稳定性.     

转移式电池均衡技术在电动汽车中的应用研究

电池是电动汽车中非常重要的组成部件,电池组中各单体电池受原材料、技术工艺、使用环境等影响,在使用期间会发生电压不均衡的问题,并且会逐渐积累和加重,极易引起个别电池过充电或过放电损坏,从而导致电池组无法正常工作,直接影响到电动汽车的续航里程。转移式电池均衡技术从电池外部有效解决了电池组内单体电池间电压严重不均衡所导致电池组使用寿命短的问题。通过采用主动均衡技术,使相邻电池电压差处于最小状态。技术方案经大量实践验证,可有效延长电动汽车电池组的循环使用寿命。     

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.     

锂离子电池管理系统及其均衡模块的设计与研究

针对混合动力汽车单体电池性能的不一致性造成的不利影响,设计了电池管理系统及其均衡模块.该系统采用单片机,对电池组参数进行实时精确采集并分析处理,再通过控制电路实现电池组的均衡充放电.试验结果表明,该系统不仅可使电池进行均衡充放电,而且能对电池的不一致性进行有效补偿,使各个电池都发挥出最优性能.     

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.     

铅酸蓄电池的充放电均衡方法

从铅酸蓄电池的常用充电方法出发,分析了蓄电池组充放电过程的不均衡现象及其产生的原因,并简要介绍了目前常用的铅酸蓄电池的充放电均衡方法及其电路原理.     

盲均衡技术在水声信道均衡中的应用进展

简述了水声信道的一般特点,概述了基于Bussgang类盲均衡算法、基于高阶统计量类盲均衡算法、基于神经网络类盲均衡算法、基于小波变换类盲均衡算法的优缺点及其在水声信道均衡中应用的现状,并指出了其今后的发展方向。     

水下图像增强算法

本文研究的重点是各种水下图像增强算法。首先,从图像增强的基本理论出发,详细介绍了目前几种主要的图像增强技术。其次,阐述了水下光学特性以及常规图像增强技术对水下图像处理,并分析其适用性。最后,针对光照不均匀的水下图像增强技术,分析其实用性和局限性,并利用Retinex算法对水下图像达到增强的效果。     

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．     

基于自适应技术的短波信道均衡

自适应均衡技术是短波通信研究领域的重要组成部分,主要包括均衡器的设计和自适应算法等方面,皆是多年来学者探索的热门领域。文章综述了各种均衡准则的原理、特点、及实现方法,通过分析近年理论研究成果,为实现技术的进一步发展提供可靠依据。