OFDM系统LS与MMSE信道估计算法仿真分析

针对无线衰落信道工作下的多载波正交频分复用系统特点,建立合适的系统仿真模型,采用两种常见信道估计方法,即最小平方误差和最小均方误差信道估计算法,编写相关算法程序,在matlab环境下进行仿真,分析比较两种算法.     

基于单片机一种高效节能性农产品干燥设备研究

现代食品加工技术的一个重要要求是同时保持食品的营养和色香味,而干燥时的测控系统的选择以及控制方法对食品产品的营养、色香味有很大影响.本系统的测控系统由上下位机实现,下位机采用MCS-51单片机,实现对设备环境参数的处理、控制和与上住机的通讯.上位机软件由VB6.0程序实现,完成环境数据的存储、图表显示、在线监测控制与最终数据的分析处理,建立知识库已供查询等功能.     

基于VC 和ADO的燃气调压站管理系统开发

本文介绍了一个基于VisualC 6.0开发平台的管理系统数据库的开发过程,该系统采用ADO数据库访问技术.实现了数据录入、信息查询、分级管理、查看操作日志、添加、修改、删除记录及打印报表等功能,并给出了相关程序的代码.     

城市环境下GPS导航系统的地图匹配估计

针对城市环境下车辆的行驶特点,在GPS定位数据的基础上,利用位置择近算法对车辆进行地图匹配估计,使车辆在道路法线方向的定位误差显著减小,误差仅保留在车辆行驶方向的径向分量中.试验结果表明,经地图匹配修正后,车辆运动轨迹的定位精度达到了道路城内,进一步提高了系统的跟踪能力.     

一种基于非均匀线性麦克风阵列的窄带声源定向方法及系统

本文提出了一种基于窄带信号相位时延估计的信号方位的阵列定位计算方法,通过非均匀线性阵列的布放,解决增大阵元孔径带来的相位卷绕问题,提高定位精度。文章提出了非均匀线性布阵方式情况下,修正卷绕量计算延时量的估计算法,并给出了非均匀阵列间距需要满足的条件。此方法提高了定位可用基阵孔径,与一般均匀间隔线性阵列相比,大大减少了同孔径下所需的阵元个数,从而降低了对后续信号处理设备的需求。本文构建了定位系统并进行实际测试。实验表明,该方法有效地提高了在开放空间中对窄带声源的定位精度。     

基于广义高斯分布建模帧级变换系数的VVC编码失真预测模型

通用视频编码（versatile video coding,VVC）采用多种高级编码工具共同实现卓越的编码性能。与高效视频编码（high efficient video coding,HEVC）相比,VVC的变换系数分布（transform coefficient distribution,TCD）具有更尖锐的峰值。针对这一现象,对帧级TCD进行概率密度函数（probability density function,PDF）建模,并提出一种基于统计建模的帧级编码失真预测模型,将帧级失真建模为TCD分布参数和量化参数的函数。实验结果表明,相比于拉普拉斯分布以及柯西分布,广义高斯分布在TCD概率密度拟合方面表现最佳;基于广义高斯分布的失真预测模型的预测结果最接近实际编码失真。     

基于改进图卷积网络的配电网状态估计方法

采用小样本量测信息进行配电网实时状态估计,对提高配电网可靠性,保证其稳定运行具有重要作用。为了在配电网量测信息不足条件下进行高精度状态估计,提出了一种基于改进的图卷积网络(graph convolutional network,GCN)的物理–数据融合配电网状态估计新方法。该方法首先利用少量相量量测单元将配电网进行切割分区,然后根据分区后的最大直径确定卷积网络所需要的卷积模块数量,其次修改了传统GCN中的邻接矩阵表示方法,从而实现利用卷积网络将配电网分区子系统中的状态变量均由量测量表示。通过IEEE33节点典型算例,验证了所提方法有效性。同时,通过与传统的高斯–牛顿优化算法和传统深度学习网络对比测试,结果表明,所提方法不仅能够将计算复杂度转移到离线阶段,而且能够不依赖于高冗余度的伪量测,具有较高的估计精度与计算速度。     

计及多能流运行时序性的电-气互联系统协同状态估计

电-气互联综合能源系统可灵活实现多区域能源交互,但其多能流子系统存在的信息交互壁垒、量测延迟等时序不统一因素会给系统精准监测与调度带来不利影响。针对多能流子系统不同的运行时间尺度,构建计及统一时间尺度的顺序协同估计框架,并考虑多源量测设备采样周期的延迟问题,将量测时延融合思想引入估计框架中以矫正多源量测数据的时序不同步。提出基于改进卡尔曼滤波的综合能源系统实时估计算法,通过引入基于改进交替投影的对称正定理论,避免实时估计过程中因误差传播出现非正定导致的估计失败问题。仿真结果与对比分析验证了所提协同状态估计策略能够有效实现对电-气互联综合能源系统的在线精准监控,且估计结果具备更强的数值稳定性。     

基于贝叶斯压缩感知的子空间拟合离格DOA估计

针对传统的基于稀疏贝叶斯学习（Sparse Bayesian Learning,SBL）的波达方向估计算法对噪声鲁棒性不高的问题,提出了一种基于SBL的子空间拟合离格波达方向(Direction of Arrival,DOA)估计方法。首先对接收数据的协方差矩阵进行特征分解,获得信号的加权子空间,构造等价信号的稀疏表示模型并利用贝叶斯学习算法进行参数求解。同时对于网格划分带来的建模误差问题,采用了离格贝叶斯推导（Sparse Bayesian Inference,SBI）算法进行求解,利用期望最大化算法迭代更新相应的参数。仿真结果表明,相对于传统的DOA方法,该方法具有更好的估计精度。     

一种基于深度学习的高轨卫星CEI信号频率估计算法

针对高轨卫星连线干涉测量(Connected Element Interferometry,CEI)信号的高精度频率估计这一难题,建立了CEI中的正弦信号频率估计模型。设计了基于深度学习框架的CEI信号频率估计算法,将算法划分为基于前馈深度神经网络的频率表征模块和基于卷积神经网络的频率计算及估计模块,在此基础上设计了各模块的具体结构和学习训练流程。对于算法的核心模块进行了仿真实验验证,并将所提算法与前人的相关算法进行了比较与分析,证明了该算法的有效性、稳定性和优越性。