最小二乘SVM的CR认知引擎设计

认知无线电(CR)的核心是认知引擎设计.为适合变化的无线环境状况,提出了一种基于最小二乘支持向量机的认知无线电认知引擎设计方法,该引擎根据经验知识,动态重配置无线环境参数.在802.11a仿真平台上模拟认知无线电通信系统模型,通过样本值训练支持向量机的分类、回归模型,并利用该模型学习信道特征,建立相应的认知引擎.在对感...     

风洞自由飞多路数据采集与传输系统设计

传统风洞自由飞实验通过缩比模型来研究气动参数,随着采集器种类与数量的增加,机载设备结构设计与数据传输控制难度日趋增大。针对这一现状,设计一套基于FPGA逻辑控制与时序驱动的多路数据采集与传输系统。系统采用机载端、地面端、上位机端三端结构,分工明确。机载端采用小型化双层结构化设计来采集舵机角度信号、风向标志信号、IMU惯性测量单元信号、航空姿态信号,地面端负责数据的整合与分发,上位机端进行数据监视与系统控制。经过测试,该系统采集精度达±0.07%FS,数据传输时延低于2.42 ms,符合预期目标。     

混合编码粒子ABC算法的CR认知决策引擎

认知决策引擎是认知无线电（Cognitive Radio,CR）的核心。为适应CR参数的自适应重配置,提出了一种改进的二进制人工蜂群（Binary Artificial Bee Colony algorithm,BABC）算法。该算法在基本BABC算法的基础上,加入了反向学习初始化机制、混合编码规则以及社会认知策略,保证了个体的多样性、提高了搜索速度。给出了该算法的基本步骤,并在多载波通信系统中对算法性能进行了仿真。仿真结果表明,基于该算法的CR认知决策引擎的收敛速度和精度均优于经典的遗传算法（Genetic Algorithm,GA）和BABC算法,优化得到的系统参数具有更好的性能。     

MSSR应答代码提取与置信度标注的实时算法

该文提出了一种能在高密度应答下,有效提取单脉冲二次雷达(MSSR)应答代码,并对应答代码的置信度进行实时标注的算法。该算法不仅能够一次完成对脉冲的应答代码提取与置信度标注,并且能同时完成OVERLAP和DEFRUIT处理,保证在多应答框架出现交叠时正确区分应答和置信度判断,为目标的点迹处理提供有效报表。     

可变分数延时FIR滤波器的WLS优化设计

采用参数离散化的谱参数法设计可变数字滤波器,存在算法运算量和精度之间的两难选择.为此提出一种连续参数可变分数延时FIR滤波器的设计方法,并给出滤波器系数加权最小二乘最优闭合解.首先采用变量分离的加权函数简化设计过程,然后利用矩阵及矩阵运算的多种性质来简化算法,最后采用矩阵三角分解解决矩阵求逆问题.理论分析与实验结果表明本算法具有稳定性高,复杂度低的特点,算法所设计的数字滤波器可用于高精度的动态时间补偿.     

基于粗糙集的认知无线网络跨层学习

 认知学习是认知无线网络(CRN)跨层设计中非常重要的一环,它要求通信网络能利用已知跨层环境参数进行知识提取学习,并根据需要重配置网络.本文提出了一种基于粗糙集的CRN跨层学习技术,构建了案例事件库、知识库与规则匹配器,该模型结合数据离散、属性约简、值约简与规则生成算法来解决CRN的跨层学习问题.通过典型测试数据集的仿真比较,选出一组适合于所提出模型的粗糙集算法集合.仿真结果表明,该算法集能有效解决CRN跨层学习中知识提取与规则生成的准确性及有效性等问题,提出的跨层学习模型能有效用于CRN中的知识学习.     

响应曲面法优化新疆药桑桑皮总多酚提取工艺

采用响应曲面法对新疆药桑桑皮中多酚类化合物的提取工艺进行优化。在单因素试验的基础上,选择乙醇体积分数、提取温度、提取时间,进行三因素三水平的Box-Behnken 中心组合试验设计,采用响应曲面法(RSM)分析3 个因素对响应值的影响。结果表明：最佳提取工艺条件为溶剂中乙醇体积分数78%、提取温度70℃、提取时间240min、液料比30:1(mL/g),在此条件下,总多酚的得率达到0.793%。该工艺稳定可靠,可在生产中应用。     

数字基带信道模拟器的设计与实现

在通信新技术和新设备的研究过程中,需要进行大量通信试验,而在实际环境中开展试验需要耗费大量的时间和经费,因此利用信道模拟器代替实际信道在实验室范围内开展相关试验是一种较好的解决办法.设计了一种数字基带信道模拟器,能够实现延时、误码以及纠错编解码功能.阐述了FPGA内延时处理、高斯误码、通用误码、"RS+交织的纠错编解码...     

最小二乘SVM的CR认知引擎设计

认知无线电(CR)的核心是认知引擎设计.为适合变化的无线环境状况,提出了一种基于最小二乘支持向量机的认知无线电认知引擎设计方法,该引擎根据经验知识,动态重配置无线环境参数.在802.11a仿真平台上模拟认知无线电通信系统模型,通过样本值训练支持向量机的分类、回归模型,并利用该模型学习信道特征,建立相应的认知引擎.在对感知信息进行学习前提下,实现满足用户需求的无线通信参数配置功能.仿真结果表明,该认知引擎能有效地实现认知无线电学习重构功能.     

GA-LSSVM的认知无线电离线学习

针对认知无线电(CR)的智能学习研究需求,提出了一种基于最小二乘支持向量机(LSSVM)的CR学习、决策方法.通过遗传算法(GA)进行超参数搜索,建立适当的基于LSSVM的CR学习模型,利用历史案例进行LSSVM离线训练学习,获得知识来指导未来的决策.仿真结果表明,GA-LSSVM能在较少进化代数内搜索出合适的超参数,并且LSSVM学习决策方法能有效提高CR系统的性能.