被动时反与自适应均衡相联合的水声通信研究

在实际的水声环境中,被动时反处理单向传输、实施简单,可以减小信道衰落的影响并重组多途信号,抑制码间干扰,但因水声信道复杂性等的影响,接收到信号经被动时反处理后仍存在残余的码间干扰,为此,被动时反处理后,基于递归最小二乘（RLS）的判决反馈自适应均衡处理方法被用来消除这些残余的码间干扰。复杂的实验室波导试验结果表明这种联合处理：（1）实现了无误码传输,（2）自适应均衡器的抽头数较少,计算复杂度较低。验证了被动时间反转和自适应均衡相联合的信号处理方法在相位相干水下通信中的可靠性与高效性。     

基于划分模糊度的聚类有效性函数

模糊C-均值(FCM)聚类算法是目前最流行的数据集模糊划分方法之一.但是,有关聚类类别数的合理选择和确定,即聚类有效性分析,对FCM算法而言仍是一个开放性问题.为此,本文结合数据集的几何结构信息和FCM算法的模糊划分信息,重新定义了划分矩阵,进而利用划分模糊度提出了一种新的模糊聚类有效性函数.实验结果表明该方法是有效的且具有良好的鲁棒性.     

基于预均衡的被动时间反转水声通信

在相位相干的水下通信中,复杂的信道环境使经常规被动时间反转处理后的信号仍存在残余的码间干扰,为此,该文研究了将信道预均衡器和被动时间反转相结合来克服残余码间干扰,提高通信可靠性的接收端处理方法.实验结果不仅表明了基于预均衡的被动时间反转在水下通信中所具有的可靠性,而且证实了其较常规被动时间反转的性能增强.     

基于模糊c-均值聚类的微阵列基因表达数据分析

微阵列技术已成为染色体研究的主要工具，但是它所面临的挑战是如何对海量数据进行分析．利用模糊c-均值聚类对这些数据进行分析，从而发现有差异的基因表达．结果表明，模糊聚类是一种用来为微阵列基因表达数据寻找有差异的基因表达的一种有用工具．