LDPC码量化译码仿真性能分析

主要分析LDPC码在具体实现过程中,改用最小和译码算法,并考虑硬件实现数据的量化级别、迭代过程中的限幅等因素,要求译码器在满足译码误码率的要求下,硬件的复杂度最低.     

内河大型船舶快速性能及结构力学特性综合优化方法研究

建立了内河大型船舶快速性能及结构力学特性综合优化的数学模型,基于并行算法、遗传算法和分层思想,构造了一种基于敏感变量分段的分层并行遗传复合算法,并将其应用于求解此类综合优化计算问题.对于内河大型船舶快速性能及结构力学特性综合优化问题,进行了遗传算法或并行遗传算法及其分层并行遗传算法的大量优化计算,结果表明:该复合算法不但能有效地克服遗传算法的早熟问题,而且计算可靠、效率高;为内河大型船舶设计方案的综合评估及综合优化船型设计准备了前提条件.     

基于Teamcenter环境的城轨车辆NX全三维设计研究

文章阐述了宁波轨道交通1号线车辆,在基于Teamcenter数据平台的NX三维软件环境下,整车全三维设计过程、方法。介绍了多专业协同、全三维并行设计的设计模式和设计方法,为城轨车辆整车多专业协同、全三维并行设计提供了一种设计方法参考。     

基于Unix平台的视频监控存储与管理系统的研究与开发

道路交通视频监控是ITS的重要子系统之一。在Windows平台上开发的系统在稳定性、安全性、海量视频数据的处理能力等方面不尽人意。基于Unix平台集群环境下的视频监控存储与管理系统有效地解决了这些问题。通过视频数据的并行实时存储子系统、基于B／S的视频数据管理子系统和视频数据的回放3个子系统的独立和协同作用，实现对多路交通监控视频数据的实时存储及管理。实践证明，运行于Unix平台的视频监控存储与管理系统。数据吞吐率高，能对海量视频数据同时进行存储和管理。且安全可靠。     

RS乘积码译码算法研究

文章介绍了一种基于梯度算法的Turbo乘积码（以RS码作为分量码）的译码算法。该算法以迭代Chase-Ⅱ算法为基础,利用该算法译码得到的每行（或列）最优判决码D（m-1）来代替竞争码字C,节省了寻找C的过程,从而简化了外信息和软输出的计算。文章以RS（15,11）码为分量码进行了matlab仿真,仿真结果表明：该算法能在基本保持turbo乘积码和Chase算法译码性能基础上,提高译码速度,降低译码复杂度。     

简化MIMO-OFDM模型的EM-Turbo信号检测算法

根据Turbo编码的交织长度对通信系统性能的影响,提出了简化的Turbo编码MIMO-OFDM系统模型。研究了最大期望（EM）算法在这种简化模型中的性能,并提出了一种EM算法与Turbo软译码相结合（EM-Turbo）的反馈迭代信号检测算法。比较了不同交织长度以及不同的信号检测算法情况下的系统性能。仿真结果表明在简化系统模型中,反馈迭代信号检测算法可以大大改善系统的性能。     

船用卫星通信级联码技术的仿真研究

信道编码是船用卫星通信的关键技术,在分析船用卫星通信信道特点的基础上,研究CCSDS(15,1/6)+RS(255,233)级联码编译码性能.使用C语言编译环境,仿真级联码编码系统,得到其编码效率;使用二进制相移键控调制、加性高斯白噪声信道、维特比译码、BM算法,仿真级联码译码系统,得到其译码性能和编码增益.通过仿真研究发现,(15,1/6)+RS(255,233)级联码具有编码速度快、译码性能好、编码增益高的特点,是船用卫星通信信道编码的理想编码方案.     

基于维特比算法的卷积码译码器设计

卷积码的状态转移规律可以用网格图来描述,网格图是一种能清楚显示状态转移的时间依赖性状态图。文章在介绍卷积码原理的基础上,对维特比译码实现过程中的状态网格图的规律进行了深入研究,采用了状态路径度量的＂加、比、选＂运算方法、保存路径转移的回溯译码方法等,有效的提高整个卷积码译码器的性能。最后进行了编程仿真,结果显示维特比译码的效果比较理想,满足了设计的要求。     

吃水受限的内河大型船舶航行性能综合优化方法研究

建立吃水受限的内河大型船舶航行性能综合优化的数学模型,又基于并行算法和遗传算法思想,构造了一种分层并行遗传算法,对于吃水受限的内河大型船舶航行性能综合优化问题进行了一般遗传算法、并行遗传算法和两层及三层并行遗传算法的大量优化计算,结果表明,该分层并行遗传算法计算可靠、效率高,为设计综合性能优良的内河船船型准备了良好的基础条件。     

基于模拟退火多种群并行进化规划的柔性调度方法

运用基于模拟退火多多种群并行进化规划SAMPEP（Simulated Annealing Multigroup Parallel Evolutionary Programming),求解FMS（Flexible Manufacture System)中的柔性调度问题。伪真结果表明，该算法增强了EP（Evolutionary Programming)算法的全局收敛性，在多目标和复杂多约束条件下，得到了满意的全局最优解。