符号检测辅助的最大信干噪比干扰对齐算法研究

在K×K用户多输入多输出(MIMO)通信系统中,提出了一种符号检测辅助的最大信干噪比(SDA-MAX-SINR)干扰对齐(IA)算法。首先利用传统最大信干噪比(MAX-SINR)干扰对齐算法检测接收信号,其次直接利用检测的接收信号,基于最大信干噪比准则迭代计算接收端干扰抑制矩阵和发射端预编码矩阵。仿真结果表明,与传统的最大信干噪比干扰对齐算法相比,文中所提出的符号检测辅助的最大信干噪比干扰对齐算法在系统的均方误差(MSE)和误码率(BER)上的性能均有明显的改善。     

浅谈数字电视地面广播的信道干扰及其消除

论文阐述了数字电视地面广播系统信道特点,重点描述了信道中的干扰。指出主要的干扰来自于白噪声干扰、多径干扰以及模数同播阶段所特有的同频干扰。同时介绍了已有的干扰消除技术及其优缺点。     

基于列正交变换实现串行干扰消除的MIMO检测算法

针对用于多输入多输出（MIMO）通信系统检测的按序QR分解（SQRD）算法在多径瑞利慢衰落信道中检测误码率较高的不足,提出了一种基于列正交（CO）变换的串行干扰消除（SIC）算法——COSIC。该算法对信道矩阵按列正交变换,避免了求上三角矩阵的运算,并且在判决信号过程中,将先判决出的信号通过信道后的输出向量作为干扰进行消除,在略微增加系统时间复杂度的基础上,使系统检测性能得到了明显改善。在多散射物的无线通信环境下进行的仿真实验证实,与传统的SQRD算法相比,所提算法误码率显著下降．系统检测性能明显改善。     

基于修正EM的高效MIMO-OFDM系统MAP信道估计算法

针对MIMO-OFDM系统的基于期望最大化(EM)的最大后验(MAP)信道估计算法带来的误差地板(EF)现象及较低的数据传输效率,提出了一种基于修正EM的高效的MAP信道估计算法.该算法首先引入一种更精确的系统模型来改善基于EM的MAP估计算法在高信噪比下的EF现象,其次利用多个正交频分复用(OFDM)符号进行联合信道...     

基于自适应变分模态分解和包络谐噪比的滚动轴承早期退化检测

针对滚动轴承微弱故障特征易受噪声干扰且退化起始点难以确定的问题,提出了一种基于自适应变分模态分解和包络谐噪比的滚动轴承早期退化检测方法.首先,采用灰狼优化算法自适应地选择变分模态分解的分解层数和二次惩罚因子,以最小平均包络熵为目标函数获得最佳参数组合.其次,通过引入有效加权稀疏峭度指数实现了有效模态分量和噪声模态分量的...     

基于奇异谱分析的心音信号小波包去噪算法研究

针对传统心音去噪算法对强噪声下心音信号去噪时,易将部分心音信号视为噪声成分去除,导致有用心音信号能量损失。利用奇异谱分析方法的主成分分析特性,提出多级奇异值分解(Multi-stage Singular Value Decomposition,MS-SVD)算法用于提取心音信号的主分量(Principal Components,PC)信息;采用小波包(Wavelet Packet,WP)分析算法对提取的心音信号进行分解,并对分解所得低频系数进行自适应阈值处理,去除低频噪声;利用小波包多分辨率特性提取高频心音。实验结果表明,该算法能明显改善心音去噪性能指标信噪比(SNR)、信噪比增益(SNRG)及根均方误差(RMSE),且在不同噪声水平下的去噪性能优于传统心音去噪算法。此改进算法既能有效去除心音中噪声成分,亦能保留心音信号细节特征。     

基于互信息量的CMMB系统物理层抽象算法

为了准确和高效地评估在构建下一代广播电视网（NGB）中起重要作用的中国移动多媒体广播（CMMB）系统的链路传输性能,根据CMMB协议标准,利用大量高斯信道下的仿真数据拟合出了接收比特互信息率（RBIR）与误帧率(FER)之间的一一对应关系,然后给出了基于互信息量的CMMB物理层抽象算法——能在解调的输入端计算平均互信息量的RBIR算法,并利用开发的CMMB物理链路仿真平台在巴西信道模型中验证了该抽象算法的准确性：能够精确地预测当前无线信道的质量。     

基于改进的自适应噪声消除和故障特征阶比谱的齿轮噪源干扰下变转速滚动轴承故障诊断

变转速工作模式和齿轮噪源干扰是阻碍滚动轴承故障诊断的两个难题。虽然基于转速信号的角域重采样技术和基于参考信号的自适应噪声消除算法为这两个问题提供了可靠的解决路线,但是由于安装空间和成本的限制,转速信息和参考信号在实际工程中往往难以获取。为解决这一难题,提出了一种不依靠上述辅助设备的滚动轴承故障诊断新算法。整个算法由五部分组成:(1)利用峰值啮合倍频趋势线构造参考信号对混合信号进行自适应滤波以削弱齿轮噪源对轴承故障共振频带获取的干扰;(2)利用谱峭度快速算法确定由轴承故障引起的高频共振所对应的中心频率,滤波带宽和对应的尺度并直接得到最能反映轴承故障的滤波包络;(3)利用短时傅里叶变换求得两次滤波后包络信号的包络时频谱并利用峰值搜索算法对瞬时故障特征频率趋势线进行提取;(4)提出基于采样频率重调的重采样算法,对谱峭度滤波结果进行故障阶比域重采样;(5)利用傅里叶变换求取重采样信号的故障特征阶比谱,并提出新的故障诊断策略对滚动轴承的运行状态进行判断。仿真算例和应用实例证明了该算法的有效性。     

有限反馈SDMA系统中信道矩阵的逐列量化算法

针对多天线广播信道(MIMO BC)块对角化(BD)预编码空分多址接入(SDMA)系统对角化预编码时,直接量化信道矩阵的有限反馈方法复杂度过高的问题,利用系统中用户配置多个天线的特点,提出了基于天线合并逐列量化(PCQ)信道矩阵的有限反馈方法.该方法对接收信号做多次天线合并,将传统算法中直接量化信道矩阵转变为多次量化等效信道矢量,仿真结果表明,在总的反馈比特数相同的情况下,该方法以较少的和容量损失换来了复杂度的大幅降低.     

基于改进粒子群算法的分布式天线系统跨层功率分配方案

结合数据链路层的队列状态信息和物理层的信道状态信息定义了系统的吞吐量系数和公平性系数,建立了分布式天线系统跨层功率分配的离散速率集优化模型。对粒子群优化算法的初始群体产生、粒子更新等步骤进行了改进,形成了改进粒子群算法(IMPSO)。利用IMPSO进行了动态功率分配和跨层优化。数值仿真结果表明,IMPSO能够取得很好的队列时延性能,选取不同的权重可对系统吞吐量性能和公平性性能产生重要影响,IMPSO获得的系统吞吐量性能和公平性性能较之功率固定分配算法(AP)均有较大幅度的提高。     

噪声干扰对被动声呐系统的影响及仿真分析

在从信号处理的角度,就干扰信号对被动声呐系统的目标信号检测、目标方位估计、接收系统饱和等方面的典型情况进行了仿真分析,定义了噪声掩盖比、方位偏离度、噪声阻塞级等参数,用以表征干扰信号对被动声呐系统的影响,并给出了典型的仿真结果。     

基于差分进化的时变信道最大似然估计算法

研究了隧道环境下的通信信道估计。针对隧道环境的地铁列车与轨旁设备之间无线通信中无线传输信道快速变化的特点,提出了一种采用元胞差分进化(DE)方法实时获取时变信道的有效信道长度的新型最大似然(ML)信道估计算法——DE-ML算法。仿真结果表明该算法在使用较少导频信息的情况下,通过差分进化方法有效估计跟踪有效信道长度,其估计性能优于最小二乘(LS)、线性最小均方误差(LMMSE)、传统ML等经典信道估计算法。该算法能在提高系统传输效率的同时显著提高算法的估计精度,尤其在高速移动情况下也具有了非常良好的性能。     

RZF预编码与MMSE-SIC检测联合的大规模MIMO系统预编码设计算法

研究了大规模多输入多输出(MIMO)系统的预编码设计算法。针对大规模MIMO系统通常利用增加用户天线数来提高系统频谱效率的方法会导致用户间干扰增大,从而对系统性能产生负面影响的问题,提出了一种将正则化迫零(RZF)预编码与最小均方误差-串行干扰消除(MMSE-SIC)检测相结合的改进算法。该算法通过在基站端采用RZF预编码对信号进行预处理以平衡用户间干扰和噪声干扰的影响,继而在接收端运用检测性能优异的MMSE-SIC算法来进一步减轻信号中的干扰,从而达到提升系统容量的目的。实验结果表明,这种将RZF预编码与MMSE-SIC检测相结合的改进算法,在用户间干扰较大时具有较好的适用性,且在完全已知和未完全已知信道状态信息情况下的频谱效率均优于传统RZF算法。     

重叠FFT频域窄带干扰抑制的改进方法

为了克服基于FFT(Fast Fourier Transform)的频域干扰抑制算法通常采用数据加窗以降低频谱泄漏而引起扩频信号失真和信噪比损耗,提出了一种重叠加窗频域干扰抑制改进方法.该方法的特点是能实现信号的完全重构,避免加窗处理引起PN码相关特性的改变.理论分析和仿真结果验证了算法的有效性.仿真结果表明,该方法能有效消除加窗引起的频谱失真和信噪比损失,降低误码率,并适用于多种类型的窗函数.该方法的代价是增加了少量复数运算.     

一种改进粒子群算法的立体阵列优化方法

利用传统粒子群算法对立体阵列所有臂的阵元分布形式同时进行优化时,不仅耗时,而且易于收敛到局部解。为了解决这个问题,提出了一种改进粒子群算法(Improved Particle Swarm Optimization,IPSO)。改进算法采用并行计算思想,同时初始化多个粒子群,每个粒子通过优化一个臂(优化臂)的阵元参数达到"降维"的目的,使用线性递减惯性权重,对多个粒子群同时进行预优化,获得中间解。利用中间解构建一个"升维"的新粒子,使用最小惯性权重对新粒子继续优化,满足停止条件后输出。通过对5臂星形立体阵列进行优化设计,发现改进算法不仅耗时短,而且能够得到更优的结果,最后通过6个仿真实验讨论了所设计的阵列的指向特性。     

基于逐级干扰对消的微弱GPS信号捕获算法

为实现微弱GPS信号处理中接收到的信号存在强卫星信号干扰的情况下对微弱GPS信号的捕获,提出了一种基于逐级干扰对消的捕获算法,即依照卫星信号载噪比,由大到小逐级进行捕获,前一级的输入信号对消掉该级捕获的最强信号作为下一级的输入,再进行下一级信号的捕获,且捕获时由卫星信号载噪比自适应调整所需的累加时间,以期在最短时间内实现信号的成功捕获.采用逐级干扰对消捕获算法,可最大限度地减小强信号对微弱信号捕获的影响.理论分析及仿真结果表明,该方法具有更强的信号捕获能力.     

环境噪声对语言识别率的影响

本文比较了４种干扰声源声级（ｄＢＡ）和语言干扰级（ＳＩＬ）的关系，观察了不同ｄＢＡ，ＳＩＬ和信噪比（Ｓ／Ｎ）对语言识别率影响的规律，结果表明ｄＢＡ与ＳＩＬ有很好的线性关系，但不同性质的噪声源，两者间的差值相差很大，４种干扰声源下的语言识别率都有随ｄＢＡ和ＳＩＬ的增加而减少，随ＳｄＢＡ／ＮｄＢＡ和ＳｄＢＡ／ＮＳＩＬ的增加而提高的趋势，但语言识别率与ｄＢＡ，ＳｄＢＡ／ＮｄＢＡ的相关性因噪声的性质不同有     

基于预期容量损失的OFDMA子载波分配算法

针对正交频分多址接入(OFDMA)系统的子载波分配问题,提出了一种基于预期容量损失的分配算法,该算法将子载波的联合分配分解为逐次分配以降低复杂度.每次分配时,该算法利用多用户频率选择性信道的特性,将用户在不同子载波上的速率差值作为每次分配中预期容量损失的度量,优先对预期容量损失最大的用户分配子载波,以期避免由逐次分配的非最优性导致的系统容量损失.理论分析和仿真结果表明,此算法能够在低复杂度的条件下得到近似最优解,在保证用户服务质量的同时,有效地提高了系统容量.     

An improved SRC method based on virtual samples for face recognition

The sparse representation classifier (SRC) performs classification by evaluating which class leads to the minimum representation error. However, in real world, the number of available training samples is limited due to noise interference, training samples cannot accurately represent the test sample linearly. Therefore, in this paper, we first produce virtual samples by exploiting original training samples at the aim of increasing the number of training samples. Then, we take the intra-class difference as data representation of partial noise, and utilize the intra-class differences and training samples simultaneously to represent the test sample in a linear way according to the theory of SRC algorithm. Using weighted score level fusion, the respective representation scores of the virtual samples and the original training samples are fused together to obtain the final classification results. The experimental results on multiple face databases show that our proposed method has a very satisfactory classification performance.