一种基于缩减伴随式集的QC-LDPC码级联译码算法

该文在研究缩减伴随式集译码(RLSD)算法和规则QC-LDPC码字结构的基础上,提出了一种新的针对中短QC-LDPC码的BP-RLSD级联译码算法。BP算法译码失败时的软输出对数信息,作为RLSD算法的输入。根据QC-LDPC码所具有的循环置换结构,给出一种根据伴随式的重量来确定候选错误模式搜索空间的算法,同时给出一种查表方法快速搜索出部分错误位置。结合接收序列的低可信度集合(LRIPs),可以实现最大似然(ML)码字的快速搜索。这些方法可以大幅减少计算时间。仿真显示该文提出的算法是有效的。与BP算法的级联译码,可以在计算复杂度和性能之间进行较好的折衷。     

OFDMA上行链路中基于博弈论的子载波和功率分配算法

传统OFDMA上行链路资源分配算法中一般以最大化各用户速率或最小化发射功率为依据对子载波和功率进行分配,而对于各用户的功率效率问题并没有加以考虑。针对这一问题,该文提出了一种基于功率效率最优的联合子载波功率分配算法。首先给出了在各用户峰值功率约束条件下达到收益函数最优的必要条件并证明了算法纳什均衡的存在及唯一性,然后给出了子载波功率分配算法。仿真表明:相比最大边界速率子载波和功率分配算法(MaxRt+WF)和固定子载波和功率分配算法(MaxFA+WF),该文算法能大幅度提高各用户的功率效率。同时如果合理地选择代价参数,算法获得的和功率效率能够达到更大。     

使用贝叶斯网络的社交网络信任驱动推荐方法

为处理推荐行为来源复杂、路径多样、不信任陌生推荐等问题,提出一种在社交网络中信任驱动推荐方法。该方法利用贝叶斯网络,计算用户评分的先验概率分布以及朋友之间的联合条件概率,预测用户在该环境下的评分并将推荐给用户。在信任驱动推荐过程中,预测评分既考虑到用户的偏好,也考虑到用户的社会关系;此外,用户的信息交换只限于朋友之间,能够有效保护用户的隐私。实验结果表明,所提出的推荐方法在预测准确率和推荐覆盖率上具有良好的性能。     

基于能量衰减模型的转子碰摩声发射源次梯度投影定位方法

由于旋转机械结构的复杂性,转子碰摩声发射信号在复杂体结构的传播过程中,多模态波传播速度不同且信号畸变严重,传统的时差定位法难以得到准确的碰摩源。根据声发射信号传播时能量与声源距离按反比关系衰减的特点,建立信号能量衰减模型,将目标声源位置限定于圆心和半径都为传感器对的能量比函数的超球上,并将定位问题转化为估计问题,采用自适应次梯度投影系统估计算法逼近声源位置。该方法基于能量比而非能量,因此即使在声源能量显著变化时其定位精度也不会受到显著影响。当安装多对传感器时,可以决定更多的超球,因此该方法还适用于多只传感器组成的阵列定位。在转子试验台上模拟碰摩故障,采用该算法进行碰摩源定位。试验结果表明,该算法具有比时延估计算法更高的定位精度,且具有良好的收敛性能和较低的计算复杂度。     

基于单片机S型剩余电流动作继电器的设计

设计的继电器采用单片机控制A/D转换,完成剩余电流数据的采集,根据剩余电流的数值决定继电器的动作状态,并能区分不同的延时动作时间,实现可靠的保护功能。该功能的实现均在软件中完成,简化了硬件电路,对于比较参数以及延时时间的调整能方便地实现,适用于不同的应用场合。     

基于局部回归模型的图像超分辨率重建

针对基于稀疏重建的图像超分辨率(SR)算法一般需要外部训练样本,重建质量取决于待重建图像与训练样本的相似度的问题,提出一种基于局部回归模型的图像超分辨率重建算法。利用局部图像结构会在不同的图像尺度对应位置重复出现的事实,建立从低到高分辨率图像块的非线性映射函数一阶近似模型用于超分辨率重建。其中,非线性映射函数的先验模型是直接对输入图像及其低频带图像的对应位样本块对通过字典学习的方法得到。重建图像块时利用图像中的非局部自相似性,对多个非局部自相似块分别应用一阶回归模型,加权综合得到高分辨率图像块。实验结果表明,该算法重建的图像与同样利用图像具有自相似性的相关超分辨率算法相比,峰值信噪比(PSNR)平均提高0.3~1.1 dB,主观重建效果亦有明显提高。     

新型RFID防碰撞Q值算法研究

RFID技术是物联网的重要技术,想要实现大规模的应用,关键在于提升系统的效率。为此,提出了一种新型RFID防碰撞Q值算法,将原Q值算法中对Q取整改为对2Q取整,使得调整后的帧长更贴近理论最佳值,从而有效地缩减了收敛时间,提高了时隙利用率。经比较,改进算法的实际吞吐率保持在较高水平（平均值为0.311 3）,总时隙数较原Q值算法减少了26.7%。     

基于有效光照估计的复杂光照人脸识别

基于光照估计的光照不变量提取是提高复杂光照人脸识别性能的一种有效方法。以往算法仅考虑光照缓慢变化特性从人脸图像中估计光照,无法获取准确的光照和光照不变量。综合考虑图像的成像原理、光照缓慢变化特性和复杂照明环境,结合图像融合和平滑滤波,提出一种有效的人脸图像光照估计、光照不变量提取方法。所提算法能较好地处理阴影边缘问题,提取含有丰富面部细节特征、更接近于人脸本征的光照不变量。复杂光照Yale B+和CAS-PEAL-R1人脸库上的实验结果表明所提算法具有高效性。     

认知无线网络中频谱预测的协作策略设计

在多主用户（PU）、多认知用户（SU）的认知无线网络（CRN）场景中,研究了频谱预测的协作策略设计问题。将频谱预测的协作策略设计问题归纳为一个优化问题,以整个CRN的吞吐率最大为优化目标,对参与协作的SU数量和数据融合门限进行优化,并提出一种搜索算法求解此优化问题,这是首次对协作频谱预测中的协作策略进行研究。在此基础上,提出了基于分组的协作频谱预测策略,并设计其帧结构。仿真结果表明,这种基于分组的协作频谱预测策略在满足虚警概率要求的前提下,能够以更低的协作预测能耗,达到更高的CRN吞吐率,从而提高了协作频谱预测的效率。     

基于最大化依赖的恐怖行为背景特征提取方法

针对恐怖数据集中存在的属性值残缺问题,提出了基于最大化背景向量与行为之间依赖关系的压缩背景空间(CCS)方法。该方法基于希尔伯特-施密特独立标准和希尔伯特-施密特范数,它们能有效检测变量间的关联性。CCS通过使得背景向量线性投影后的低维特征与行为之间希尔伯特-施密特范数最大化,从而实现背景向量与行为之间的依赖关系最大化,更好地发现两者之间的关联性,减小属性值残缺带来的影响。然后利用分类模型(如支持向量机(SVM))对所得到的低维特征进行学习(CCS+SVM),实现高效预测。在MAROB数据集上的实验表明:与SVM模型、基于传统特征提取方法(如PCA和CCA)的SVM模型以及已有的恐怖行为预测算法CONVEX相比,CCS+SVM的性能在查全率和F值上分别提高1.5%和1.0%以上,而查准率和ROC曲线下面积(AUC)值与最好性能相当。实验结果表明,CCS+SVM能够较好地解决恐怖数据集中的属性值残缺问题。