十二孔闸改建工程抢工措施探讨

十二孔闸改建工程因＂引黄补淀＂要求,工期由原来设计的10个月压缩为两个半月,改建工程项目部克服多项困难组织抢工,在抢工过程中出现一些不足之处给抢工任务造成不利影响,该文着重分析抢工措施中的不足之处及提出应该注意的问题。     

十二孔闸改建工程抢工措施探讨

十二孔闸改建工程因“引黄补淀”要求,工期由原来设计的10个月压缩为两个半月,改建工程项目部克服多项困难组织抢工,在抢工过程中出现一些不足之处给抢工任务造成不利影响,该文着重分析抢工措施中的不足之处及提出应该注意的问题.     

超声信号的双指数模型及参数确定方法

 根据实际系统超声信号的普罗尼分析结果,提出了基于双指数线性组合的超声信号经验模型,分析了上升时间和半峰宽特性,给出了模型参数确定方法.对双指数模型和混合指数模型的拟合精度与TOF估计方差进行了对比分析,结果表明双指数模型更适于描述半峰宽与上升时间比值大于2.5的超声信号.     

基于信号子空间的改进OFDM系统信道半盲估计

本文改进了一种基于信号子空间的OFDM系统半盲信道估计算法.该算法利用基于梯度变化的变遗忘因子递归最小二乘算法(GVFF-RLS)计算接收信号的自相关矩阵.通过同时对角化接收信号中的信息信号和噪声信号的全局协方差矩阵,推导出噪声信号子空间,无需对噪声信号的统计特性进行任何先验假定.本算法弥补了原始算法在慢衰落信道下收敛慢以及只限于加性白噪声的不足,实现了色噪声背景下高效半盲信道估计.仿真结果表明本文提出的算法具有良好的性能.     

基于FLOCC-ESPRIT的极化阵列参数估计方法

针对基于分数低阶矩类阵列波达方向(DOA)估计方法仅适用于独立同分布(i.i.d)SαS背景噪声的缺点,提出了一种线性极化阵列DOA和极化参数联合估计的分数低阶循环相关(FLOCC)极化参数联合估计(ESPRIT)算法。该方法首先利用入射信号的循环平稳特性,采用分数低阶循环相关函数抑制α和高斯混合噪声及与信号循环频率相异的任何循环平稳干扰信号。在此基础上,利用阵列信号参数与噪声子空间的正交性,采用ESPRIT算法直接求取了信号的DOA和极化参数。该方法对于α和高斯混合噪声及与信号循环频率相异的任何循环平稳干扰信号具有很强的抑制能力。即使对于空域内靠得非常近的信源,该方法也可利用极化信息的差异进行区分。实验结果表明,在α和高斯混合信噪比(SNR)为0 d B,信干比(SIR)为3 d B时,其DOA和极化参数估计的均方根误差分别为0.23°和0.54°;并且在实测数据环境下,当SNR为10 d B时,本文算法仍然有效。     

基于DF中继的认知OFDM协作系统的资源分配算法

针对多中继认知OFDM协作系统的中继和功率分配采用的拉格朗日对偶分解法虽然具有较好的性能,但计算复杂度较高这一问题,提出了一种低复杂度的资源分配算法。该算法放宽了中继选择因子的整数约束条件,综合考虑认知用户各子载波的信道条件和对主用户的干扰进行中继选择。根据系统总功率和干扰约束的特点,提出一种次优功率分配算法对功率进行分步求解,在保证系统容量有所增加的基础上降低了算法的计算复杂度。仿真结果表明:本文提出的算法不仅保证了认知用户对主用户产生的干扰在临界值以内,而且使认知用户的系统容量得到了较大的提升,具有一定的可行性。     

基于嵌入式DSP以太网接口的设计与实现

本文以数字信号处理器和网络控制器为核心,设计了嵌入式DSP系统接入以太网硬件平台,并简化网络层次体系结构.完成相应的网络应用软件的设计,实现了嵌入式系统通过以太网与计算机进行通信功能.     

顺序形态变换边缘检测方法

提出了一种基于顺序形态变换的边缘检测方法.该方法构造了基于百分位顺序形态变换的边缘检测算子,根据不同结构元素的尺度大小与结构元素的类型,选择不同的形态变换的百分值,从而使变换结果图像的平均值最小.实验结果表明,与固定结构元素的边缘检测方法相比该方法锐化了图像边缘、具有很强的抑制噪声能力和良好的边缘检测性能.     

基于公平度门限的多用户OFDM系统自适应资源分配算法

在传统的子载波分配过程中,具有优先权的用户将优先选择最好的载波,这将导致载波利用效率下降.许多改进算法通过牺牲一定的公平性来提升容量并降低复杂度,但是这可能会使用户间无法达到所要求的公平性.针对这些问题,提出了一种基于公平度门限的载波和功率自适应分配算法.在载波分配过程中,通过公平度门限来决定载波分配优先级,从而实现容量和公平度的粗略折中.载波分配后利用粒子群(PSO)算法进行功率分配来达到所要求的公平度门限.实验结果表明,该算法在满足所要求公平度门限的同时提升了系统容量.     

基于压缩感知理论的宽带多用户认知系统合作检测

利用信道相关估计、压缩采样以及基追踪的信号重构理论,并应用平均一致算法实现了多用户合作检测。在瑞利衰落信道环境中,将本文算法与传统能量检测算法进行了仿真比较。仿真结果表明:与传统能量检测算法相比,本文算法在较低信噪比环境中,使用较少的采样数量即可获得较好的检测性能;同时,当认知用户增加时,检测性能也有所提高。