本振相位噪声对OFDM的影响及仿真

讨论了相位噪声对OFDM系统引起的两种干扰——公共相位噪声和信道间干扰，给出了干扰功率与信号功率的比值；建立和仿真了本振为自由振荡器时相位噪声的功率谱密度摸型；仿真了相位噪声对信道间干扰、系统误码率的影响。     

基于ＥＥＭＤ域统计模型的话音激活检测算法

提出了一种基于EEMD域统计模型的话音激活检测算法。算法首先利用总体平均经验模态分解(Ensemble empirical mode decomposition,EEMD)对带噪语音进行分解,得到信号的本征模式函数(Intrinsicmode function,IMF)分量,选择与原信号的相关性最高的两个分量相加组成主分量;然后对主分量进行频域分解,引入统计模型,求出EEMD域特征参数;最后利用噪声与语音的EEMD域特征参数的不同来进行语音激活检测。实验结果表明,在不同信噪比情况下,本文算法性能优于目前常用的VAD算法,特别在噪声强度大时体现出明显的优势。     

基于本体知识推理的QoS区分服务策略精化方法

策略精化过程的主要难点在于网络的不同层次之间缺少统一的知识表示,且在不同层次的知识之间,缺少必要的映射和推理机制。为此,研究一种通过本体知识推理实现策略自动精化的方法。将本体工程引入策略网络系统,利用本体对网络知识进行定义,利用语义Web规则描述语言对底层策略行为进行语义描述,建立不同层次间的自动化推理机制。以QoS区分服务应用场景为例,实现了策略的自动精化过程。     

基于辅助节点的安全协作频谱感知

在认知无线电网络中,恶意用户会占用授权频段,模仿主用户的信号特征发送信号,导致其他认知用户误认为主用户存在。针对该问题,提出一种基于辅助节点的安全感知机制,在网络中部署若干辅助节点,利用链路特征和加密机制对主用户的活动情况进行识别。设计适用于该机制的融合判决算法,不对授权网络做任何形式的改动即能有效识别恶意用户,并在融合时采用信任节点的感知数据,从而提高融合结果的鲁棒性。仿真结果表明,与K秩、And和Or算法相比,在恶意环境下该算法具有较好的检测性能。     

基于短时能量和最小相对均方误差准则的神经网络语音水印方法

针对传统最小均方误差（LMS）和最小二乘准则（RLS）的神经网络语音水印的局限性,提出了基于短时能量和最小相对均方误差（LRMS）准则的神经网络语音水印算法。首先在首帧语音中嵌入同步序列,然后求出每帧的短时能量并对大于设定阈值的语音帧进行小波变换,最后利用以LRMS准则构建的神经网络实现水印的嵌入和提取。通过合理设定短时能量阈值,实现了水印容量和鲁棒性的平衡,而采用Levenberg-Marguardt（LM）算法地让网络迅速收敛。理论分析和实验结果表明,与文献[8]相比,本文提出的神经网络方案收敛速度更快,对于噪声,低通滤波,重采样,重量化等攻击有更强的鲁棒性,性能平均提高了5%。     

OFDMA系统中基于多业务QoS保证的机会调度算法

针对正交频分多址接入（OFDMA）系统中多业务资源调度问题,提出了一种基于服务质量（QoS）的最小性能保证的资源机会调度算法。以系统总吞吐量优化为目标,根据业务的QoS参量设计子载波调度参数,并利用图论中最大加权双向匹配问题的求解算法,在各业务间公平分配子载波资源,保证了各业务的QoS要求。仿真结果表明,所提算法在保证各业务的最低速率要求的前提下有效地提高了系统总吞吐量性能。     

模型驱动的装备保障优化决策支持系统

以数据、模型、用户界面等要素为基础,提出了以优化模型为驱动的装备保障优化决策支持系统设计思路,拓展设计了系统总体功能结构.构建了包含算法库、模型库和应用库的模型库,引入了脚本模型,以顺序、选择或循环结构程序组合优化模型,实现复杂装备保障决策问题的求解和决策.实例应用表明系统极大地提高了部队装备精确保障能力.     

空调系统延时冷量需求模型及优化分析

针对大型商场的中央空调控制系统,建立了延时冷量需求模型.通过控制冷量输出,并基于冷量需求建立了制冷系统节能优化模型和求解.基于此对一大型商场人流和环境温度的实际数据,进行了节能优化模型的求解,其结果与传统单参数节能控制方法相比较,提高了空调系统的运行效率.     

超结构光纤光栅在自发布里渊散射测量中的应用

从理论上分析了超结构光纤光栅的滤波原理,将所研制的超结构光纤光栅滤波器应用于自发布里渊散射测量中,初步实现了自发布里渊散射信号与瑞利散射信号的有效分离及自发布里渊散射谱的测量,并给出了实验系统及实验结果,表明了该方案的可行性。     

一种基于情景感知的Ad Hoc网络功率控制算法

针对战场复杂恶劣环境下 Ad Hoc网络节点易受自然或人为因素影响发生故障,从而造成网络分割并导致通信中断,提出了一种基于情景感知的分布式功率控制算法(DPCAC)。DPCAC 采用 DS证据理论对影响节点失效的多“情景证据”进行融合,推理得到节点的生存状态,依据情景数据库中的信息构建拓扑矩阵,找出故障集并通过调节邻居节点的功率改变网络结构,进而达到恢复通信的目的。仿真实验表明,DPCAC可有效修复网络通信中断的链路,并可在网络恢复连通后通过调节功率降低不必要的能量消耗。