高速移动信道中的OFDM载波频偏估计

为了提高时变信道中OFDM载波频偏的估计性能,在相邻符号之间插入短时重复训练序列进行载波频偏估计,进而通过缩短相关间隔来降低信道时变对载波频偏估计的影响.仿真结果表明,当时变信道归一化多普勒频率大于0.1时,短时序列估计方法的性能优于传统循环前缀方法;而当信道变化加快时,短时序列估计方法的性能优势更加明显,更适宜高速移动环境中的载波频偏估计.     

MIMO—OFDM系统中的信道估计算法综述

综述了MIMO-OFDM系统中的信道估计算法,概述了基于训练序列、导频符号的信道估计.以及盲信道、半盲信道估计.非盲信道估计算法收敛速度快,简单且易实现;盲信道估计算法可有效节省系统带宽,但算法复杂度较大.将非盲信道估计方法与盲信道估计方法结合起来形成半盲信道估计算法比非盲算法具有更高的频谱利用率,比盲信道估计算法具有较低的复杂度,在实际应用中达到了算法的性能与复杂度的协调,因此半盲信道估计算法在未来将会受到人们的重视.     

基于子空间跟踪的MIMO-OFDM稀疏信道估计

本文提出了一种可用于MIMOOFDM系统的稀疏信道估计算法。算法利用了MIMO信道特性改进了子空间跟踪算法中的度量函数,使得在缺乏信道稀疏度和信噪比先验信息的情况下,大大提高了信道估计性能,并逼近已知信道时延的最优LS算法。仿真结果验证了算法的有效性。     

基于训练循环前缀的OFDM同步算法

提出了一种基于训练循环前缀的OFDM同步算法:在OFDM符号后端插入训练序列,由此训练序列产生循环前缀,在接收端根据两者的时域相关性质做定时估计,进而进行小数倍频偏估计.该算法不仅能大幅度提高符号定时估计和载波小数倍频偏估计的性能,还能在一定范围内进行载波整数倍频偏估计.仿真结果表明,该算法复杂度小,完全能解决实际的OFDM同步问题.     

基于回声状态网络的非线性卫星信道盲均衡

卫星通信系统中,信道的非线性一直是制约其传输功率和传输效率的重要因素,卫星信道是典型的非线性信道。为了获得理想的通信效果,必须改善卫星信道的传输特性,针对卫星信道的失真特性进行的保真滤波,即均衡。盲均衡技术不需要训练序列,可以有效地节省日益紧张的卫星通信频带带宽,消除码间干扰,提高卫星通信的效率和质量。回声状态网络(Echo State Network)由于其独特的动态储备池结构与简单的学习算法,在时间序列预测、非线性系统建模,利用储备池回声网络的非线性逼近能力,借助预测盲均衡原理,适用于卫星信道的均衡问题。     

基于FPGA的数字接收机的设计

介绍了电子侦察用数字信道化接收机的设计思想,提出了FPGA具体实现结构。重点论述了采用多相滤波器实现信道化的原理和使用FPGA实现的方法 ,利用多相滤波器组实现接收机信道化,使得多个信道并行接收。     

浅谈快速衰落的信道估计技术

随着通信技术的发展,移动通信需求量越来越大。面对高速移动变化的通信场景,通信信道从缓慢衰落信道变成快速衰落信道,即双选择性信道,对于信道估计算法提出了更高的要求。文章简单分析了快速衰落信道估计所面临的难题,对现有的估计算法进行简要介绍并分析其优缺点。     

OFDM系统中信道估计研究

比较了MMSE和LS两种信道估计准则和它们的数学算法.用Matlab对MMSE和LS的性能进行了仿真:MMSE有较低的最小均方误差,但复杂度高;LS的误码率低,更适于实际应用.     

CCFD系统中一种新的数字自干扰消除方案

在5G通信研发中,同时同频全双工(CCFD)作为提高频谱效率的关键技术之一,需要克服的重要问题就在于自干扰的消除。文章研究了关注较少的数字消除方式,提出了基于信道估计的自适应滤波方案,并对自干扰信道估计及自适应滤波这两个重要过程作出了分析,最后通过MATLAB实验仿真验证了该方案的消除性能。     

OFDM系统中基于期望最大化的半盲信道估计

针对传统的盲信道估计算法估计精确度低、算法复杂度高、收敛速度慢的缺点,研究了OFDM系统中基于期望最大化(EM)的半盲信道估计算法.仿真结果表明,该算法克服了盲信道估计精度低,收敛速度慢的缺点,而且在同等导频数量情况下的估计性能较之传统的基于导频的信道估计算法提高了2 dB.     

朴素贝叶斯及其改进算法在垃圾邮件过滤中的应用

朴素贝叶斯模型在文本分类领域应用广泛,但因为算法本身的缺陷,分类性能有待提高。文章在传统的朴素贝叶斯模型的基础上,利用对数处理解决了算术下溢问题,使用拉普拉斯平滑解决了因训练集过小出现的零概率问题,并采用了系数加权的方法改善了朴素贝叶斯因假设所有条件都是独立的而导致的性能问题,进一步根据垃圾邮件过滤必须要有的查准率高的特点提出了阈值限定条件,最终训练的出的模型分类效果较传统的朴素贝叶斯模型有所提高,对垃圾邮件过滤模型的设计有一定的指导作用。     

BAM网络在车型识别中的应用

设计了一种采用双向联想记忆网络 (BAM) ,仅以车型的轮廓曲线序列作为特征参数 ,能在高速公路不停车收费系统中 ,按照高速公路收费标准对不同车型进行分类的系统 .训练时 ,选择合适的权矩阵 ,把相应的参数训练成网络的稳定状态 ;识别时 ,输入用于区分车型的曲线序列 ,通过对车辆图像进行预处理及图像分析即可利用BAM神经网络识别出车辆的类型 .     

基于剖面隐马氏模型的多序列比对

多序列比对被称为NP完全问题,是生物信息中最基本的问题之一.目前,广泛使用剖面隐马尔可夫模型解决多序列比对问题.作者在粒子群优化算法的基础上,提出了将量子粒子群优化算法用于剖面隐马尔可夫模型的训练过程,进而构建了一种基于剖面隐马氏模型和量子粒子群优化算法的多序列比对算法.从核酸序列和BaliBASE比对数据库中选取了一些比对例子进行了模拟实验,并与其他算法进行了比较,结果表明,所提出的算法能在有限的时间内不仅能找到理想的隐隐马尔可夫模型,而且能得到最优的比对结果.     

多径信道下OFDM调制类型盲识别算法

针对多径信道下OFDM信号识别难的问题,提出一种利用OFDM信号的3阶累积量近似为0,而单载波信号的3阶累积量为非零值的特征来识别OFDM信号与单载波信号的算法.仿真结果表明,该算法具有一定的抗多径能力,并能够有效提高识别性能.     

基于BP神经网络的我国金融机构信贷规模预测

利用BP神经网络建立具有时间序列对象的预测模型,并基于MATLAB7.0平台编程,运用BP神经网络模型对我国金融机构信贷规模进行预测分析。以我国历年信贷数据为训练样本,进行网络训练与检验。结果表明,BP神经网络具有良好的预测性能,并结合定性分析,验证了预测值的科学性和准确性。     

误差为AANA序列的部分线性模型的弱相合性

研究误差为渐近几乎负相依序列的部分线性模型的性质.利用最小二乘法和非参数加权的估计方法,得到参数、非参数和误差方差的估计,并在合适的条件下得到这些估计量的弱相合性,推广了误差为负相依序列的部分线性模型的相关结论.     

面向Web办公自动化控制平台安全模型优化研究

多个安全平台的集成涉及到安全平台的性能选择、设备驱动设计、集成电路规模等方面的因素。可以将这些因素划分为软件和硬件两个方面考虑:软件方面主要问题在于安全平台工作时的信道占用和系统资源占用,是否存在线程调用冲突问题,针对特定应用选取安全平台的搭配集成,本文运用一个简单的轮询机制解决这个问题,在TINYOS中也可以用具有原子特性的任务队列来解决。     

H.264视频编码多参考帧抗误码性能的研究

数字视频编码技术是数字电视、视频会议/远程监控、视频点播、遍入千家万户的VCD/DVD,以及新一代移动通信等应用核心技术。H.264作为最新的视频编码标准,能够在尽可能低的码率（或存储容量）下获得尽可能好的图像质量。但随着市场对图像传输需求的增加,如何适应不同信道传输特性的问题也日益显现出来。本文针对H.264视频的编码与解码的性能与效率展开研究,采用两种不同格式的标准图像序列,选择多参考帧进行运动预测和运动补偿,分别在编码端和解码端进行仿真测试,比较各自的信噪比及压缩码率,从而为我们在有限资源的前提下,为解码端的抗误码性能与编码端参考帧的数量、编码效率以及计算复杂度之间做出合理的判断和权衡。     

金融时序自适应神经网络预测算法

以往神经网络在对金融时间序列预测的过程中存在训练不足和训练过度的问题。为了使神经网络在进行预测之前得到最佳的训练,作者提出了自适应神经网络预测算法,可以使神经网络在训练的过程中自动选择参数和与之对应的最佳训练次数,并利用matlab软件编码来实现算法,还利用股市中的真实数据对算法进行了检验和实证分析。     

减少热加工设备需用的燃料

有多种方法可用以节约现有热加工设备的燃料消耗,而现有许多设备使用燃料的效率都比较低。工厂一般过高地估计生产设备的需要以备提供将来可能发生的要求,设备制造者也为保证性能而留过分的余地。当设备陈旧,泄漏,记录器失效,监控装置和原设计方面的其它变化综合起来构成加工中热能的浪费。低效使用燃料存在相当普遍,但在厂之间,