一种适用于超宽带系统的低复杂度RAKE接收机

根据超宽带室内信道特点,阐述了一种低复杂度RAKE接收合并方案,方案降低了采样速率. 此外,采用基于最小均方误差(MMSE)估计方法得到合并系数,使得接收机使用较少的分支数就能达到良好的性能. 仿真结果表明,在存在窄带干扰(NBI)和符号间干扰(ISI)的情况下,该MMSE RAKE接收机性能要优于传统的最大比率合并（MRC）RAKE接收机.     

改进参考信号的差分发送参考UWB自相关接收机

针对超宽带(UWB)差分发送参考(DTR)自相关接收机参考信号中含有的较强噪声分量严重影响了其性能的情况,提出了改进参考信号的差分发送参考( MRDTR)自相关接收机.首先通过将前一符号周期内各帧的接收信号相加取平均作为解调当前符号的参考信号,通过平均减少了参考信号中噪声的影响,然后将当前符号间隔内各帧的接收信号与参考信号进行相乘积分,随后将码元内各帧积分结果进行相加,最后通过判决恢复发送的符号通过改进参考信号,改善了接收机的误比特率性能,并分析了该接收机在可分辨多径信道中的理论误比特率性能.理论分析和仿真结果证实MRDTR自相关接收机的误比特率性能明显优于DTR接收机.     

MB-OFDM系统中基于导频的信道估计

联合信道估计算法以LS(最小二乘)信道估计为基础,并利用MB-OFDM的UWB信道的时域长度特性,最大限度地减少噪声的影响,提高信道估计的精度;然后与数据符号中的导频信号联合估计,跟踪信道的变化,进一步提高信道估计的性能。通过性能仿真,比较LS估计和基于DFT(离散傅立叶变换)的信道估计的系统误码率,结果表明,采用本文的信道估计方法的系统性能有一定程度的改善。     

适用于冷阴极X射线管的脉冲高压电源的研究

目的 制作适用于冷阴极Ｘ射线管的脉冲高压电源。方法 依据产生纳秒脉冲高压螺旋形带状传输线发生器的基本原理,给出了设计方法的框图,针对制作出一套装置,就其输出脉冲高压采用分压的方法进行了测量。结果与结论 实验表明该发生器的输出脉冲高压能满足冷阴极射线管的要求。     

码域发送参考脉冲超宽带系统的多路并行传输方法

在码域发送参考脉冲超宽带通信系统的基础上,面向较高速率数据传输的应用需求,研究了码域发送参考脉冲超宽带通信系统的多路并行传输方法,推导了多路并行传输结构在加性高斯白噪声和多径衰落条件下的误码率表示,并与原码域发送参考系统的基本性能进行了仿真分析和比较。通过研究表明,该方法可以有效提高码域发送参考脉冲超宽带通信系统的信息传输速率,并且在中低信噪比条件下具有优于码域发送参考脉冲超宽带原型系统的误比特率性能。     

超高数据速率的UWB-OFDM系统物理层设计

超宽带技术是一种能实现无线局域网和无线个人域网理想的传输/接入方案的技术.简要介绍了国际超宽带标准中竞争最激烈的单频带和多频带方案;研究了将超宽带通信应用到还未被授权的60GHz频段的问题;提出了一种新的扩展的UWB-OFDM系统物理层设计方案,专门应用于超高数据速率的无线个人域网.     

一种适用于WiFi Mesh网络的AODV改进路由协议

提出了一种利用wireless fidelity (WiFi) Mesh网络中多传输范围、多速率特性的路由算法. 这种算法引进了跨层设计思想,利用IEEE 802.11的自适应速率切换机制,节点建立路由时以物理层的数据传输速率作为判据,速率相同时则选择跳数少的路径. 提出了通过调整发射功率实现在不同速率下选择路径的方法. 利用这种算法改进了Ad hoc按需距离矢量（AODV）路由协议,提出WiFi－AODV路由算法. 仿真分析表明,该路由算法能建立一条数据速率高、传输时延小、系统吞吐量大的路由.     

适用于工业激光的直角透镜

美国爱特蒙特光学公司推出一款新产品——TECHSPEC 激光直角棱镜。TECHSPEC 激光直角棱镜在设计波长上的反射率小于0．25％,是工业和低功率激光应用（包括光束偏转和激光校准）的理想选择。其角度公差小,采用精密的N—BK7玻璃材料制造而成,可广泛应用于可见光及NIR波段。     

适用于高速信号传输的低失真及宽带模拟开关

提出了一种应用于高速信号传输系统的低失真、宽带自举模拟开关电路．所提出开关的栅源过驱动电压由NMOS和PMOS开启电压之和决定,并能够实现轨到轨(rail-to-rail)输入范围内开关的栅源电压与阈值电压之差(V_GST)保持恒定,而且基本消除了体效应的影响．采用TSMC 0.18μm CMOS工艺,HSPICE仿真结果表明,输入信号在0～1.8V之间变化时,开关的V_GST基本保持恒定,其-3dB带宽大于10GHz; 当输入信号的频率为1.5GHz,满摆幅电压为0.8V时,输出信号几乎能够无衰减的跟随输入信号,其无杂散动态范围为65.4dB．     

适用于直流配电网中MMC的电平数倍增混合调制策略

模块化多电平换流器(modular multilevel converter, MMC)应用于中压直流配电网时子模块数目较少,沿用直流输电系统中的最近电平逼近调制策略会导致电流畸变严重、输出电压质量差等问题。为此,分析了MMC已有的调制策略原理,并在此基础上提出了一种适用于中压直流配电网的电平数倍增混合调制(double multiplication hybrid modulation, DMHM)策略。该调制策略通过对上、下桥臂电压参考波采用不同的取整函数并叠加PWM波,使电平输出拓展至2N+1;此外,DMHM根据电容电压排序结果决定子模块工作模式,任意时刻每相仅一个子模块工作在PWM模式下,能有效均衡电容电压,控制更为简单。最后,搭建的MATLAB/Simulink仿真验证了DMHM应用于中压直流配电网的有效性,相比于传统的调制策略,DMHM能降低谐波含量,且开关损耗与开关频率远小于CPS-PWM调制。     

超宽带传输参考接收机性能分析

在确定超宽带传输参考接收机模型的基础上,分析了基本TR接收机的误码性能,并在AWGN信道下进行了系统建模。仿真分析的结果表明,接收机的性能与脉冲对的重复数Ns、码元的积分时间以及接收机输入噪声带宽的大小之间均有规律可循,其适宜条件：Ns取3～5,标称积分时间等于脉冲宽度,噪声带宽应在保持正常接收时误码率为10-4或更低的水平选取。     

BP神经网络结构与样本训练参数选取的初步探讨

结合笔者开发的ＢＰ神经网络生成器，对ＢＰ网络结构和训练参数选取进行了详细的讨论，在克服传统的ＢＰ网络缺陷方面进行阴益的探索。     

蚂蚁族群演算法之基地台分配问题的解决

针对基地台分配问题提出了蚂蚁族群演算法,应用不同族群间的分工与合作来解题;在实验的验证下证实,蚂蚁族群演算法是一种成功的解题策略,尤其是针对许多困难的组合问题,均能在短时间内取得优良的近似解.     

复杂样本分类系统的FAGABPNN法

针对复杂样本的模式分类问题,提出了有效的因子分析法(FA)、遗传算法(GA)和BP神经网络(BPNN)相结合的FAGABPNN分类方法,基本思想是:首先利用因子分析法对输入样本降维,然后利用遗传算法和BP神经网络相结合的方法对系统进行建模.仿真结果表明,该系统为给复杂样本的分类提供了一条有效的途径.     

复杂样本分类系统的FAGABPNN法

针对复杂样本的模式分类问题，提出了有效的因子分析法（FA）、遗传算法（GA）和BP神经网络（BPNN）相结合的FAGABPNN分类方法，基本思想是：首先利用因子分析法对输入样本降维，然后利用遗传算法和BP神经网络相结合的方法对系统进行建模．仿真结果表明，该系统为给复杂样本的分类提供了一条有效的途径．     

面向WSN的稀疏核学习机分布式训练方法

针对无线传感器网络（WSN）中,经过多跳路由传输训练数据到数据中心进行集中式训练时存在的高数据通信代价问题,基于L1正则化的稀疏特性,研究了仅依靠邻居节点间的协作,在网内分布式协同训练核最小均方差（KMSE）学习机的方法.首先,在节点模型与邻居节点间局部最优模型对本地训练样本预测值相一致的约束下,利用并行投影方法和交替方向乘子法对L1正则化KMSE的优化问题进行稀疏模型求解;然后,当各节点收敛到局部稳定模型时,利用平均一致性算法实现各节点稀疏模型的全局一致.基于此方法,提出了基于并行投影方法的L1正则化KMSE学习机的分布式（L1-DKMSE-PP）训练算法.仿真实验结果表明,L1-DKMSE-PP算法能够得到与集中式训练算法相当的预测效果和比较稀疏的预测模型,更重要的是能显著降低核学习机训练过程中的数据通信代价.     

基于AES跳频算法的蓝牙WPAN网络数据传输性能

建立了无线个人区域网(WPAN)网络模型,分析了影响网络数据传输性能的因素。推导了WPAN数据吞吐率和蓝牙跳频序列汉明互相关性能以及蓝牙微微网数量三者之间的关系,采用AES算法生成跳频选择序列代替原有蓝牙算法,改善了WPAN网络数据传输,并进行了计算机仿真。使用SOC平台和CSR公司的Bluecore4蓝牙模块两套方案对仿真结果进行验证,证明了理论分析的正确性。在此结果的基础上得出,采用汉明互相关性能更优秀的AES跳频序列选择算法可以提高WPAN网络的数据传输性能。     

基于FAHP的异构无线网络选择

针对如何在多个异构无线网络中选取最优接入网络问题,提出一种基于模糊层次分析法(FAHP)的异构网络选择算法.首先,为了保证各网络的负载平衡,在进入选择算法之前,对各备选网络进行负载分析;接着,通过对影响网络选择的主要因素的分析,建立网络选择决策模型,同时从用户角度和整体网络管理角度分别计算出各网络属性的权重;最后,综合计算选择最优网络.仿真结果验证了本算法的正确性和有效性.