非正交转发协议下新的信号检测方法

针对非正交转发协议中联合似然检测时间复杂度较高、检测性能较差的问题,提出一种新的检测方法.该方法以最大比合并方式使强信号帧获得分集增益并先行检测,然后以检测值消除对弱信号帧的干扰,最后检测消除干扰后的弱信号帧.理论分析和仿真结果表明,相对联合似然检测,所提出的检测方法不仅能有效降低检测时间复杂度,而且检测性能也明显改善;该方法的误比特性能理论与仿真值在高信噪比时趋于一致.     

尺度变换用于随机共振的微弱周期信号检测

现有的随机共振系统只能应用于低频率信号检测或待测信号频率已知的高频率信号检测,这束缚了系统的实用范围.针对这个不足,本文提出一种基于尺度变换的随机共振弱信号检测方法,该方法通过引入尺度变换,消除了随机共振系统对待测信号频率的限制,实现了在绝热近似理论下,待测目标信号为大参数、多频率且频率分量的分布未知的条件下,从强噪声中提取弱目标信号的频谱.理论分析和仿真结果表明:对埋在噪声中的未知频率,采用连续的压缩或展宽算法,以获得一个适当的输入信号到随机共振体系,根据输出信号共振谐振峰的变化经反变换运算可得待测弱信号的未知频率.提出的方法自适应性强,可将随机共振的应用领域拓宽到全频段,具有较高的应用前景.     

基于神经网络检测的自同步隐蔽信息传输系统

提出一种基于神经网络检测的自同步隐蔽信息传输系统，该系统满足以下特点：利用人的听觉系统分辨率限制实现隐藏信息伪装性传输，能有效克服传统加密通信易被攻击者监听、截取的缺点：先应用神经网络提取嵌入到语音中的数据，再进行相关检测确定自同步信号的存在。与直接提取数据后进行相关检测的方法相比．该方法能有效降低比特误码率，从而降低漏检和虚检概率，使隐藏信息的准确传输率明显提高。     

实际AANC系统误差通道建模的分析

以滤波－XLMS(FLMS)算法为代表的多种AANC算法用到了误差通道模型来实现对输入参考信号的滤波,而对误差通道建模的准确与否直接影响到算法的实际效果.本文分析了两种不同建模方式对FLMS算法收敛性的影响,并提出了实际AANC系统误差通道的一种建模方法,对实测数据的建模结果表明,该建模方法更符合实际.     

基于随机频率间隔的OFDM-FDA雷达通信一体化波形设计

针对现有技术的不足,提出了一种基于随机频率间隔的OFDM-FDA雷达通信一体化波形设计方法.采用较少的脉冲发射多载波的雷达通信一体化信号,在不同阵元间增加了随机频率间隔以便在频域上区分通信数据,从而实现多载波通信信号的传输及频控阵雷达目标成像的功能.仿真结果表明,该一体化信号能够在发射较少脉冲的情况下,有效提高一体化系...     

适于参数识别的多信道QRD自适应格型算法

本文基于格型滤波器的阶递归特性和Ｇｉｖｅｎｓ旋转算法的优越数值性能，推导了两种多信道递归最小二乘格型算法。第一种算法的推导是直接基于对输入数据矩阵进行正交－三角分解，并利用Ｇｉｖｅｎｓ旋转方法来计算其正交－三角分解。首称对输入数据矩阵进行预旋转，然后重复利用单信道Ｇｉｖｅｎｓ格型算法，便可得到第二种算法。两种算法都具有优越的数值性能，尤其是对有限字长的稳健性。待估计的滤波器参数矢量可根据算法的内部     

一种基于多级分解的空时多用户检测方法

本文基于广义旁瓣相消结构和对维纳滤波器进行多级分解方法，提出一种多用户检测器。因为多级分解方法只需估计互相关矢量和标量的自相关，而不涉及数据协方差矩阵的估计和其求逆运算，所以这种多用户检测器具有较低运算复杂度。模拟实验结果表明，在加性白高斯和频率非选择性单径瑞利衰落信道下，该多用户检测器具有较强的干扰抑制性能。     

C-V2X下基于信用卡风险评估的中继选择算法

针对车载协作通信中由于中继的自私行为会导致通信系统数据传输速率低的问题,提出一种基于信用卡社交网络用户信任度评估的最优中继选择算法。首先,建立一个综合社交网络和物理层的D2D中继协作双层模型,模型刻画了车辆节点人为属性。再从业务需求节点角度,利用信用卡风险评估方式对中继用户的信任度进行评估,并通过决策论对用户进行信任等级划分;从中继用户的角度,对信任度较好的用户进行激励补偿。最后,筛选出信任度高价格合理的最优中继。数值分析结果表明,相比于仅对积极中继用户进行选择的算法,该算法的通信系统数据传输率提高了10%左右。     

Fast adaptive principal component extraction based on a generalized energy function

Many information processing techniques, such as data compression and feature extraction, require an efficient representation of the input data. It has been proved that in the least mean square error (LMSE) sense, the linear combination of eigenvectors associated with p largest eigenvalues of the covariance matrix of the input data is its optimal representation. This results in an optimal statistical analysis technique called Principal Component Analysis (PCA) which has been widely used in …     

基于模糊核LVQ的Sammon非线性映射算法

提出了一种基于可靠稳定的模糊核学习矢量量化（FKLVQ）聚类的Sammon非线性映射新算法。该方法通过Mercer核，将数据空间映射到高维特征空间，并在此特征空间上进行FKLVQ学习获取数据空间有效且稳定的聚类权矢量，然后在特征空间和输出空间上仅针对各空间的数据样本和它们各自的聚类权矢量进行Sammon非线性核映射。这样既降低了计算的复杂度，又使数据空间和输出空间上数据点与聚类中心间的距离信息保持相似。仿真结果验证了该方法的可靠性和稳定性。