基于G-LCOP算法的自适应方向图控制

自适应方向图控制是阵列信号处理的关键,这里在广义线性约束正交投影算法（G-LCOP,Generalized Linearly Constrained Orthogonal Projection）基础上进行了自适应方向图控制算法（APC,Adaptive Pattern Control）的研究,G-LCOP算法能够在降秩的同时保留原有线性约束,并在此基础上增加了新的线性约束,并将静态权矢量向优化的干扰子空间投影,从而形成一种新的广义线性约束正交投影自适应方向图控制算法（G-LCOP-APC,Generalized Linearly Constrained Orthogonal Projection Adaptive Pattern Control）,用新权矢量得到的自适应方向图能够较好地逼近期望的静态方向图,有效地压制干扰和噪声。     

一种基于矩阵三对角化分解的DOA估计算法

针对DOA（Direction of Arrival）估计在低信噪比的情况下估计性能下降的问题, 根据阵列协方差矩阵共轭对称的特点,采用基于Givens变换的三对角化分解方法对协方 差矩阵进行三对角化,同时利用盖氏(Gerschgorin)圆递推方法准确估计信号子空间的秩, 然后再对三对角 矩阵进行对角化,估计出噪声子空间,利用噪声子空间与导向矢量正交实现波达方向估计, 改善了低信噪比背景下估计的误差性能和稳健性。计算机仿真证明了算法的有效性 。     

一种采用粒子群优化的聚类算法

针对传统的聚类算法存在对初始化值敏感和容易陷入局部极值等缺点,提出一种确定聚类中心数目和位置的方法。用每一个粒子表示一组聚类中心,采用云理论改造粒子群算法,从而提高粒子群算法的性能,以便搜索到更合理的聚类中心完成聚类划分。实验结果表明该算法很好克服了这两个缺点,获得了稳定性好和更紧凑的聚类效果。     

采用粒子群算法的空时二维参数估计

针对传统的空时二维参数估计计算复杂、鲁棒性及通用性差、收敛速度慢等缺点,根据空时具有等效性,以空域和时域处理算法可以相互转化为基础,推导出合适的适应度函数,运用改进的粒子群算法同时搜索信号的到达角和频率,用K means聚类算法对搜索结果进行分类,利用粒子群算法计算简单、全局收敛、可并行性等特点提高算法的搜索能力。计算机仿真表明,与传统的方法相比该算法具有较好的统计和收敛性能。     

UNIX的几个备份命令

在UNIX系统中,有许多从硬盘向软盘或磁带等其他介质备份文件的方法,其中常用到的有如下四种方法:1.在软盘上建立文件系统,将软盘进行安装后,用文件复制命令进行复制.此方法需分三步:(1)在磁盘上建立文件系统,其命令为# mkfs/dev/rfd0135ds18 2400 其中:     

基于量子免疫进化的空时多维参数估计

利用阵列信号处理时域与空域等效的关系,以平面阵为基础,采用阵列协方差矩阵的奇异值分解和广义特征值分解估计接收信号的频率,通过分析阵列模型,提出一种抗原和抗体的亲和力函数;利用量子免疫进化的特性,估计出信号的俯仰角和方位角,从而完成阵列信号的多维参数估计,改善了多维参数估计的抗噪性能、数值稳定性和运行时间。通过计算机仿真,证明了该算法的有效性。     

二维金属有机骨架材料制备技术的研究进展

金属有机骨架（MOFs）材料是一种由金属离子或团簇通过配位键与有机配体自组装形成的有机-无机杂化多孔材料。二维MOFs材料具有比表面积大、孔隙率高、孔结构可调、电子传递能力强以及活性位点直接暴露在二维平面上等独特优点,这使得它们在气体吸附、催化、储能及传感等多个领域均有很好的应用前景。随着二维材料的迅速发展,越来越多的新型二维MOFs材料被合成制备出来。结合近几年国内外研究现状,综述了界面生长法、表面活性剂辅助法和剥离法等3种二维MOFs材料的制备方法,分析了各种方法的优点和不足之处,并对其未来的发展进行了展望。今后,开发一种成本低、产率高、易于工业化生产且环境友好的二维MOFs材料制备技术将是该研究领域的重点发展方向。     

非高斯噪声背景下小波阈值算法分析

针对小波阈值算法以高斯噪声为研究背景的局限性,为解决硬阈值函数不连续和软阈值函数估计小波系数和分解小波系数存在恒定偏差的问题,在非高斯噪声背景下提出一种新的小波阈值算法。新阈值函数从Garrote阈值改进而来,引入了高阶幂函数。该算法首先对加入一类非高斯噪声的信号进行小波分解,然后根据新的阈值函数对每层高频小波系数进行量化,最后用小波分解的低频系数和处理过的高频系数重构信号。在非高斯噪声背景下进行的仿真结果表明,新阈值函数去噪相对于软阈值、硬阈值、两类改进阈值以及Garrote阈值在信噪比和最小均方误差上都得到了改善。     

多模噪声环境下的自适应滤波算法

在分析现有基于不同误差准则的最小四次均方算法和最小平均绝对偏差算法的基础上,提出一种可抑制多模噪声的归一化混合范数滤波算法。采用引入混合参数的代价函数调节混合参数得到最佳的滤波算法。建立步长参数随输入信噪比变化的非线性函数关系。仿真结果表明,相对于高斯环境下的滤波,该算法在多模噪声环境下的鲁棒性得到显著提高,能有效地提取信号。