基于SRM准则的恒模盲均衡器

针对在有限样本条件下恒模算法无法保证代价函数的经验风险与期望风险收敛到一致的问题,提出了一种基于结构风险最小化(SRM)准则的恒模盲均衡器(Structural risk minumum-contant model blind equalier,SRM-CMBE).该方法利用信号的恒模特性,在高维特征空间中以SRM为准则构造代价函数,采用核方法实现计算,并结合Kumar快速算法和静态迭代学习算法在线跟踪信道,能够在小样本条件下有效保证代价函数的经验风险收敛到期望风险.通过仿真实验,并与标准恒模盲均衡器(Constant model blind equalizer,CMBE)和修正的恒模盲均衡器(Modified-constant model blind equalizer,M-CMBE)进行比较,结果证明该方法的非线性均衡性能最佳.     

支持向量机初始化的常数模盲均衡算法仿真

为了提高常数模盲均衡算法的收敛速度并避免算法收敛至局部极小,提出了一种支持向量机初始化的常数模盲均衡算法.新算法采用一小段初始数据,利用支持向量机,将盲均衡问题转化为全局最优的支持向量回归问题,对盲均衡器的初始权向量进行设定,而后切换至计算量较小的常数模算法.采用浅海水声信道对新算法进行了计算机仿真,结果表明:支持向量机初始化阶段收敛速度快;切换至常数模算法后性能稳定.该算法适合应用于快衰落水声信道中通信数据的实时恢复.     

基于免疫克隆的正交小波变换盲均衡算法

针对传统的常数模盲均衡算法(CMA)收敛速度慢且存在局部收敛的问题,提出了一种快速收敛的免疫克隆正交小波盲均衡算法(CSA-WT-CMA)。该算法将免疫克隆选择算法引入至正交小波盲均衡算法(WT-CMA)中,利用克隆选择算法多峰值函数寻优的特点,将均衡器的权向量作为抗体,并采用正交小波变换降低信号的自相关性。理论分析与仿真实验结果表明,在同样的剩余码间干扰下,与正交小波变换盲均衡算法(WT-CMA)相比,该算法具有更快的收敛速度。     

基于正交小波变换的分数间隔盲均衡算法

针对恒模算法(CMA)收敛速度慢,稳态误差大的缺点,在分析正交小波变换理论和分数间隔恒模算法(FSE-CMA)的基础上,提出了一种基于正交小波变换的分数间隔恒模盲均衡算法(WT-FSE-CMA)。该算法将正交小波变换理论引入到T/2分数间隔恒模盲均衡算法中,充分利用了小波变换对信号的去相关性,以及分数间隔均衡器对信号的过采样性质。与波特间隔、T/2分数间隔恒模盲均衡算法相比,该算法收敛速度快、稳态误差小,均衡效果较好。水声信道的仿真结果验证了该算法的性能。     

水声信道盲均衡器优化设计与仿真

针对水声信道高速数据传输中的码间干扰问题,设计了一种基于小波包变换的分数间隔盲均衡器,优化均衡器性能,以提高水下通信质量。采用具有过采样性质的分数间隔均衡器,减少了波特间隔均衡器常数模算法(CMA)的稳态误差,又加快了其收敛速度;并利用去相关性较强的小波包理论,进一步加快了分数间隔盲均衡器算法(FSE-CMA)和小波分数间隔均衡器算法(WT-FSE-CMA)的收敛速度。水声信道的仿真结果,验证了该均衡器的良好性能。     

小波支持向量机

在研究支持向量机(SVM)核方法和小波框架理论的基础上,提出了一种称为小波支持向量机(WaveletSupport Vector Machines,WSVM)的新的机器学习构造方法.该方法引入小波基函数构造SVM的核函数,得到了一种新的SVM模型,然后提出了此模型的结构设计和实现算法,最后给出了几种常用的小波核函数,并给出了理论证明.通过仿真实验,把该方法与小波神经网络、高斯核SVM相比较,得到了较好的实验结果,从而验证了该方法的正确性和有效性.     

基于人工免疫网络的正交小波盲均衡算法

传统的常数模盲均衡算法存在收敛速度慢、均方误差大、易陷入局部极小值点等缺点。为此,提出一种基于人工免疫系统的正交小波盲均衡算法。该算法将均衡器系数向量作为抗体,经过抗体克隆、变异和抑制等操作,搜索到适应度值最高的抗体,即均衡器的最优系数,使权向量跳出局部最优点,接近全局最优点,并利用正交小波变换改善常数模盲均衡算法的收敛性,降低均方误差。仿真实验结果表明,该算法收敛速度快、均方误差小,能得到全局最优解。     

最小二乘Littlewood-Paley小波支持向量机

基于小波分解理论和支持向量机核函数的条件，提出了一种多维允许支持向量核函数——Littlewood-Paley小波核函数．该核函数不仅具有平移正交性，而且可以以其正交性逼近二次可积空间上的任意曲线，从而提升了支持向量机的泛化性能．在Littlewood-Paley小波函数作为支持向量核函数的基础上，提出了最小二乘Littlewood-Paley小波支持向量机(LS-LPWSVM)．实验结果表明，LS-LPWSVM在同等条件下比最小二乘支持向量机的学习精度要高，因而更适用于复杂函数的学习问题．     

高斯小波支持向量机的研究

证明了偶数阶高斯小波函数满足支持向量机的平移不变核函数条件．应用小波核函数建立了相应的高斯小波支持向量机,并且使用云遗传算法对支持向量机及其核函数的参数进行优化．用该算法与常用的高斯核和Morlet小波核支持向量机进行对比实验．通过对非线性函数的逼近和电力系统短期负荷的预测,验证了该算法的有效性和优越性,表明其具有一定的实用价值．     

水声信道盲均衡器优化设计与仿真

针对水声信道高速数据传输中的码间干扰问题,设计了一种基于小波包变换的分数间隔盲均衡器,优化均衡器性能,以提高水下通信质量。采用具有过采样性质的分数间隔均衡器,减少了波特间隔均衡器常数模算法（CMA）的稳态误差,又加快了其收敛速度;并利用去相关性较强的小波包理论,进一步加快了分数间隔盲均衡器算法（FSE-CMA）和小波分数间隔均衡器算法（WT-FSE-CMA）的收敛速度。水声信道的仿真结果,验证了该均衡器的良好性能。     

基于QPSO的小波分数间隔盲均衡算法

在分析具有量子行为的粒子群优化(PSO)算法和正交小波变换理论的基础上,提出基于量子粒子群优化(QPSO)的正交小波分数间隔常模盲均衡算法。通过对分数间隔均衡器输入信号进行正交小波变换,降低信号的自相关性。利用QPSO算法全局搜索能力强、收敛速度快和鲁棒性高的特性,对均衡器权向量进行优化。仿真结果表明,该算法能降低稳态误差,加快收敛速度,提高水声信道中信号的无失真传输性能。     

小波支持向量机在SAR图像降噪中的应用

基于支持向量回归理论和小波支持向量核函数,提出了一种新的SAR滤波方法。首先对支持向量回归方法做了分析,通过对复杂信号进行逼近实验,验证了其应用于图像滤波的可行性和合理性。之后将SAR图像看成是一个二维连续信号,将对复杂信号具有更好逼近能力的小波支持向量核函数用于SAR图像滤波,小波核函数由Morlet小波构建。实验结果表明本文提出的方法能很好的降低SAR图像噪声,而且能比传统方法更好的保持边缘。     

Wavelet support vector machine

An admissible support vector (SV) kernel (the wavelet kernel), by which we can construct a wavelet support vector machine (SVM), is presented. The wavelet kernel is a kind of multidimensional wavelet function that can approximate arbitrary nonlinear functions. The existence of wavelet kernels is proven by results of theoretic analysis. Computer simulations show the feasibility and validity of wavelet support vector machines (WSVMs) in regression and pattern recognition.     

Wavelet twin support vector machine

Twin support vector machine (TWSVM) is a research hot spot in the field of machine learning in recent years. Although its performance is better than traditional support vector machine (SVM), the kernel selection problem still affects the performance of TWSVM directly. Wavelet analysis has the characteristics of multivariate interpolation and sparse change, and it is suitable for the analysis of local signals and the detection of transient signals. The wavelet kernel function based on wavelet analysis can approximate any nonlinear functions. Based on the wavelet kernel features and the kernel function selection problem, wavelet twin support vector machine (WTWSVM) is proposed by this paper. It introduces the wavelet kernel function into TWSVM to make the combination of wavelet analysis techniques and TWSVM come true. The experimental results indicate that WTWSVM is feasible, and it improves the classification accuracy and generalization ability of TWSVM significantly.     

Gaussian小波SVM及其混沌时间序列预测

为了提高混沌时间序列的预测精度,针对小波有利于信号细微特征提取的优点,结合小波技术和SVM的核函数方法,提出基于Gaussian小波SVM的混沌时间序列预测模型.证明了偶数阶Ganssian小波函数满足SVM平移不变核条件,并构建相应的Gaussian小波SVM.时混沌时间序列进行相空间重构,将重构相空间中的向量作为SVM的输入参量.用Ganssian小波SVM与常用的径向基SVM及Morlet小渡SVM进行对比实验,通过对Chen's混沌时间序列和负荷混沌时间序列的预测,结果表明,Ganssian小波SVM的效果比其他两种SVM更好.