基于ε近似算法的联合检测性能分析

降低计算复杂度是联合检测的主要问题,论文基于此提出了基于ε近似算法的联合检测技术。把联合检测问题转化为带约束的二次规划问题,通过二次规划问题的ε近似算法进行求解。最后针对不同参数对该算法进行性能仿真和结果分析,并与快速傅立叶变换算法进行性能和计算复杂度的比较。仿真结果表明：文章提出的新联合检测算法具有较强的抗多径干扰能力,同时比已有算法具有较低的计算复杂度。     

含公零点FIR-MIMO信道的直接盲检测

首先在发送信号属于有限字符集和FIR-MIMO信道卷积矩阵行数大于列数的情况下,给出了FIR-MIMO均衡器存在的一个充分性条件。然后,利用变换矩阵的方法把盲信号检测问题转化为二值约束下的二次规划问题,并利用遗传算法求解二次规划,最后进行了实例仿真。仿真结果表明：在FIR-MIMO信道含公零点的情况下,所提出的均衡器可以正确地恢复发送信号;而无论FIR-MIMO信道是否含有公零点,提出的直接盲多用户检测算法都比经典的子空间算法性能优越。     

BPSK通信系统的部分最优MIMO检测算法

在BPSK调制下,基于最大似然（Maximum Likelihood,ML）准则的MIMO检测器是一个二进制二次规划问题,其计算复杂度随着天线数的增多呈指数增加,当天线数较多时,其计算量太大,无法满足实时通信的要求。本文提出了一种新的MIMO检测算法。使用新算法,可以在很小的计算开销下,求解出ML检测器的部分全局最优解,然后,将优先检测出的部分最优解从原二进制二次规划问题中剔除得到一个相对小规模问题,最后使用传统的次最优检测算法对该小规模问题进行求解。这样,新算法不仅可以得到比传统的次最优检测器更低的误码率,计算量又远小于ML最优检测器。本文的仿真结果验证了新算法的有效性。      

利用改进的半正定规划的支持向量机识别车牌

针对现有车牌识别系统效率低的问题,提出了一种改进的支持向量机算法。首先对车牌进行预处理和定位,将每个特征区域构建一个多核心组合。以半定规划求解最佳的权系数。使用改进的半定规划来解决多核学习算法,降低搜索空间。最后构建车牌识别模型。仿真实验表明,该算法效率高,稳定性好。     

引入D2D通信的蜂窝网上行资源分配算法

该文研究了引入Device-to-Device (D2D)通信的蜂窝网系统中的上行资源分配问题。首先将该问题建模为一个简洁的二值整数规划问题。然而整数规划仍是NP难问题。该文利用Canonical对偶理论,得到其对偶形式。该对偶问题是一个连续域内的凸问题。证明了在特定的条件下,可以通过求解对偶问题得到原问题的最优解,且对偶间隙为零。提出了一个基于Barrier方法的算法来求解对偶问题。仿真结果表明,该文的算法优于现有算法,且性能接近最优。     

基于动态规划的自适应关键帧提取算法

提出一种基于内容的视频检索系统的关键帧提取新算法,把关键帧提取问题建模为一个可以用动态规划算法隶解的全局优化问题.首先建立二值的帧差矩阵来表示低维特征空间中帧与帧之间的相似性度量,然后使用动态规划算法分割帧差矩阵从而提取出关键帧.该算法具有低计算复杂度和对于视频内容的自适应性,而且保持了关键帧的时间顺序.可以方便地根据需要调节关键帧数目.     

半定规划的非单调信赖域算法研究

半定规划是线性规划的一种推广,是一个非光滑的凸优化问题。文中利用半定规划的最优性条件将半定规划问题转化为一个非线性可微的方程组,然后将这一方程组转化为一个无约束优化问题。因此求解半定规划问题就转变为求解无约束优化问题,最后用非单调的信赖域算法求解此问题,即避免了重复计算子问题,且降低了运算次数,同时也证明了此算法的收敛性。     

基于半定松弛方法的时变OFDM系统盲信道估计

该文提出了一种时变正交频分复用(OFDM)系统信道盲估计算法。在二次规范( Quadratic Program, QP)模型的基础上,采用半定松弛技术,把OFDM信道盲估计转换为一个可以在多项式时间内求解的半定规划问题。为了进一步降低半定规划问题的转换复杂度,考虑到OFDM各个子载波和各个时刻的响应之间的紧相关性,该文提出了一种新的随机转换策略,仿真表明,该文所提出的算法,其误码率逼近最佳估计,且复杂度大幅降低。     

分布式MIMO雷达的目标定位

针对多输入多输出雷达系统，研究了目标定位问题，并提出基于双基测距的分布式多输入多输出(Multiple-Input Multiple-Output, MIMO)雷达的目标定位算法。首先，通过引入多余参数和这些参数与未知目标定位的关系，将目标定位问题转化为约束二次规划(Quadratically Constrained Quadratic Programming, QCQP)问题，然后，考虑到QCQP问题是非凸和NP-Hard，再将每个非凸约束近似为线性约束，最终QCQP问题就转化为线性约束二次规划(Linearly Constrained Quadratic Programming, LCQP)问题。最后，利用迭代约束权重最小二乘(Iterative Constrained Weighted Least Square, ICWLS)算法求解LCQP问题。实验数据表明，提出的ICWLS算法能够收敛于一个最优值。     

混合动力汽车控制策略优化研究

将自适应遗传算法与序列二次规划算法结合构成混合遗传算法,用于求解混合动力汽车控制策略参数优化问题。一方面,分析并建立了控制策略参数优化的有约束非线性模型;另一方面,改进算法中自适应交叉和变异概率调整公式,并提出了序列二次规划算子与遗传算法结合的新方式。仿真结果表明,该算法提高了收敛速度和求解精度,保证了全局收敛性,在混合动力汽车控制策略参数优化中的应用是有效的。     

Finding Quadratic Schedules for Affine Recurrence Equations Via Nonsmooth Optimization

Frequently, affine recurrence equations can be scheduled more efficiently by quadratic scheduling functions than by linear scheduling functions. In this paper, the problem of finding optimal quadratic schedules for affine recurrence equations is formulated as a convex nonsmooth programming problem. In particular, sufficient constraints for causality are used generalizing Lamport's condition. In this way, the presented problem formulation becomes independent of the problem size. The research tool AQUAD is described implementing this problem formulation. Several nontrivial examples demonstrate that AQUAD can be effectively used to calculate quadratic schedules for affine recurrence equations. Finally, it is shown how array processors can be synthesized from affine recurrence equations which are scheduled by quadratic functions with a singular Hessian matrix.     

基于干扰效率多蜂窝异构无线网络最优基站选择及功率分配算法

针对多蜂窝多用户异构无线网络干扰管理和效率提升问题,该文研究了基于干扰效率最大的下行链路基站(BS)-用户匹配和功率分配问题。首先,考虑宏用户和微蜂窝用户的服务质量,将问题建模为多变量混合整数非线性规划问题。其次将原问题分解为基站选择和功率分配两个子问题。针对基站选择问题,利用凸优化问题获得最优基站选择策略;针对功率分配问题,利用二次变换法和Dinkelbach辅助变量法,将功率分配问题转换为凸优化问题求解。仿真结果表明,与现有算法对比,该算法具有较好的干扰效率和干扰控制性能。     

在量化阵列框架下的对称Alpha稳定信号检测的预处理方法

本文主要研究了淹没在对称α稳态噪声下的信号相关检测的最优和次优的预测处理方法。使用量化阵列模型的等价处理函数和对相关运算的高斯近似，通过最大化相关器的输出信噪比，建立了约束泛函优化问题。由于量化阵列的泛函优化问题很难得到解析解，本文将预处理函数离散化，并证明离散后的优化问题是凸二次规划问题，从而可通过凸优化的方法求解。本文提出了一种基于排序方法的自适应门限的软限幅检测器，相比现有的检测器，仅仅需要估计噪声参数α。仿真结果表明，提出的量化阵列系统等价的预处理函数逼近最大似然检测器，提出的软限幅检测器达到了近似最优的性能，有利于实时处理α稳态信号。      

Computation of minimum cross entropy spectral estimates: An unconstrained dual convex programming method

The minimum cross entropy spectral analysis procedure (a generalization of maximum entropy spectral analysis) is formulated as a convex programming problem, and its unconstrained dual convex programming problem is shown. In this dual setting the Lagrange multipliers are precisely the dual variables, and the numerical solution values are easily determined by any of a number of nonlinear programming codes. This result vastly simplifies the computation of all such spectral density estimates.     

一种基于半定松弛规划的到达角定位方法

针对基于到达角的目标辐射源定位系统,提出了一种基于半定松弛规划的定位方程求解方法。主要思想是将噪声元素添加为有用参数,以增加定位方程凸优化的灵活性。先将目标定位的初始非凸二次优化问题转化为非凸半定优化问题,然后松弛到凸优化问题,再对凸优化问题进行求解作为初始复杂问题的近似解,从而得出目标位置估计。文中采用计算机仿真结果证明了这种解法的有效性。     

凸规化法实现多维稀疏阵的方向图综合

本文研究了利用凸规划方法综合稀疏随机阵方向图的问题,采用最大信号干扰加噪声比准则,利用附加的线性约束对旁瓣作进一步控制,将方向图设计问题分别转化为二次规划和二次锥规划形式,再用内点法求解。该方法应用于不同形式的稀疏阵列方向图综合,获得了良好的结果。     

期望主瓣响应下任意阵方向图综合方法

为实现任意阵列天线的方向图综合,特别是考虑到不同空间指向对阵列方向图的影响,提出自适应原理与凸优化理论相结合的方向图综合法.该方法首先利用自适应原理综合法得到所需阵列方向图的旁瓣特性;而后,选择零度角的方向图主瓣作为期望主瓣;最后,在该期望主瓣响应下,将阵列方向图综合问题转化为二阶锥规划问题.采用凸优化循环迭代算法,完成对非凸优化问题的求解,从而保证方向图在满足期望主瓣响应的同时,使旁瓣特性与自适应方向图综合方法得到的结果最接近.理论分析与仿真结果表明,综合后阵列方向图在不同空间指向上具有与期望主瓣一致的主瓣特性,且其旁瓣也能够很好地保持对动态干扰的抑制特性.     

基于IRS辅助的SWIPT物联网系统安全波束成形设计

为满足绿色万物互联的智能信号处理部署和物理层安全的新要求,针对基于智能反射面辅助的无线携能通信物联网系统中可持续能量供应紧缺问题,提出了一种安全波束成形设计方法。考虑保密速率、发射功率和IRS反射相移约束,以最大化能量采集器采集功率为目标,联合优化基站发射波束成形矩阵和干扰机协方差矩阵以及IRS相移,将优化问题建模为具有二次型约束的非凸二次型规划问题。利用松弛变量、半定松弛法、辅助变量和序列参数凸逼近法将非凸的二次型问题转化为等价的凸问题,并提出一种交替迭代优化算法获取原问题的可行解。仿真结果表明,所提算法能够快速收敛,且与基准方案相比能有效地提升性能。     

Energy‐Efficient Power Allocation for Cognitive Radio Networks with Joint Overlay and Underlay Spectrum Access Mechanism

Traditional designs of cognitive radio (CR) focus on maximizing system throughput. In this paper, we study the joint overlay and underlay power allocation problem for orthogonal frequency‐division multiple access–based CR. Instead of maximizing system throughput, we aim to maximize system energy efficiency (EE), measured by a “bit per Joule” metric, while maintaining the minimal rate requirement of a given CR system, under the total power constraint of a secondary user and interference constraints of primary users. The formulated energy‐efficient power allocation (EEPA) problem is nonconvex; to make it solvable, we first transform the original problem into a convex optimization problem via fractional programming, and then the Lagrange dual decomposition method is used to solve the equivalent convex optimization problem. Finally, an optimal EEPA allocation scheme is proposed. Numerical results show that the proposed method can achieve better EE performance.     

On the parameterization of positive real sequences and MA parameterestimation

An algorithm for moving average (MA) parameter estimation was proposed by Stoica et al. (see ibid. vol.48, p.1999-2012, 2000). Its key step (covariance fitting) is a semidefinite programming (SDP) problem with two convex constraints: one reflecting the real positiveness of the desired covariance sequence and the other having a second-order cone form. We analyze two parameterizations of a positive real sequence and show that there is a one-to-one correspondence between them. We also show that the dual of the covariance fitting problem has a significantly smaller number of variables and, thus, a much reduced computational complexity. We discuss in detail the formulations that are best suited for the currently available semidefinite quadratic programming packages. Experimental results show that the execution times of the newly proposed algorithms scale well with the MA order, which are therefore convenient for large-order MA signals