自适应阵列智能天线抗干扰性能研究

分析了自适应阵列智能天线的基本原理,给出了基于复数LMS算法的自适应阵列智能天线波束形成方法,同时对该智能天线抗干扰性能进行了Matlab仿真,理论分析和仿真结果表明:自适应阵列智能天线阵能够实时地调整天线方向,使天线的主波束对准期望信号方向,零陷对准干扰方向从而抑制干扰信号,在干扰和低信噪比环境下,接收端使用智能天线可以大大降低误码率,该智能天线具有较强的抗干扰性能。     

基于空时自适应处理的多波束抗干扰改进算法

传统的多波束算法无法处理与导航信号来自同一方向的窄带干扰。针对该问题,提出了一种改进的多波束抗干扰算法,级联时频域结合的IIR格型陷波器于多波束抗干扰算法中,通过IIR格型陷波器预测并抑制窄带干扰,通过多波束形成抑制宽带干扰。这种新的算法能有效地抑制窄带和宽带干扰,提升GPS抗干扰接收机的性能。     

基于QR分解的RLS算法及在扩频系统的应用研究

相对于扩频系统抑制窄带干扰的时域经典自适应滤波算法,基于QR分解的窄带干扰抑制方法是一种性能优良的新算法.研究了基于QR分解的RLS自适应滤波算法,考虑两种指数加权递归最小二乘(RLS)估计的算法--QR-RLS算法和逆QR-RLS算法,对扩频通信系统进行窄带干扰抑制.通过定义新的数据矩阵,该算法求解出数据域正规方程中的系数矩阵和右侧向量,从而提高了计算效率.最后用Matlab仿真了自适应滤波过程,仿真结果表明,该算法具有良好的计算性能以及收敛性能.     

基于调零技术的相干干扰抑制方法

在干扰信号相干的情况下, 一般波束形成方法不能准确地对相干信号和期望信号进行到达角（DOA）估计, 干扰抑制效果较差。通过对相干信号和加权矢量二次型性能函数的分析, 提出了一种相干干扰抑制方法, 即基于多约束最小均方（multiple constrained least mean square, MC-LMS）算法的空域调零抗干扰技术。该方法利用MC-LMS算法迭代计算权值, 并对阵列信号自适应加权输出, 通过频谱分析可以得到抑制干扰的效果。计算机仿真和工程实现表明该方法在复杂的电磁环境下能对相干干扰进行抑制, 并通过抗干扰的数量和抗干扰性能验证了该方法的有效性。     

基于小波包变换的DS/FH系统抗窄带干扰研究

为了进一步提高直接序列/跳频(DS/FH)扩频系统的抗干扰能力,基于小波包变换结合递归最小二乘算法设计了一种变换域自适应干扰抑制算法,该算法采用小波包分解定位窄带干扰,递归最小二乘算法抑制窄带干扰.通过蒙特卡罗仿真分析在增加抗干扰模块后,DS/FH系统工作在准静态时,在不同信噪比条件下抗窄带干扰性能.仿真结果表明:该算法具有较强的自适应性以及抗窄带干扰能力,其性能优于传统的直接置零法,适用于多音干扰下的恶劣通信环境.     

GPS接收阵列自适应抗干扰算法性能比较

研究全球定位系统优化定位精度问题时,射频干扰严重影响GPS接收机的正常信号,直接导致接收机无法跟踪锁定有用信息,从而无法精确定位.自适应调零天线是一种有效的抗干扰措施.提出了功率倒置算法、多重信号分类算法的基本原理,在4元Y平面阵中对各算法进行仿真,比较各算法在有用信号和干扰来向上得到的天线增益.仿真中分别使用一个窄带干扰以及一个窄带干扰和一个快带干扰.仿真结果表明,两种算法都可用于GPS接收机抗干扰,对功率倒置算法抑制干扰性能较弱,多重信号分类算法会引入错误的零陷.由于简单和易实现,功率倒置算法广泛应用于工程.     

自适应LSL算法在扩频通信系统中的应用

扩频通信技术是当今主流的通信技术,具有隐蔽性好,抗衰落性能强和抗干扰能力强等特点.为进一步提高扩频通信系统的抗干扰能力,减少误码率,提高系统性能,在扩频系统的接收端采取一些适当的抑制干扰滤波器.由于信道和干扰信号是动态变化的,所以在干扰抑制技术中通常采用自适应滤波技术.讨论了基于前向预测误差和后向预测误差的最小二乘方格形算法,对LSL算法性能及在扩频通信系统的抗干扰方面的应用进行了分析研究,并与扩频通信系统自身的抗干扰性能进行了比较.LSL算法结合了LMS算法的高计算效率和RLS算法的快速收敛等优点,在自适应干扰抑制和自适应阵列信号处理等方面获得了广泛的应用.     

一种基于多级维纳滤波的改进空时抗干扰算法

传统的空时自适应处理（STAP）算法不仅计算量大, 而且不能抑制与导航信号来自同一方向的窄带干扰。针对此问题, 提出了一种改进的STAP抗干扰算法, 将时频域结合的IIR格型陷波器与改进MSNWF的功率倒置算法相结合, 通过IIR格型陷波器预测并抑制窄带干扰, 通过改进MSNWF抑制宽带干扰并实现降维处理。这种新的算法不仅能更有效地抑制窄带和宽带干扰, 而且提升了计算速度和输出信干噪比（SINR）。     

IEEE 802.11n中速率、模式及信道的联合自适应算法

针对IEEE 802.11n无线网络中的速率、MIMO模式与信道宽度的联合自适应问题,提出了一种基于非静态Multi-Armed Bandit学习方法的联合自适应算法,并设计了一种新颖的报酬函数.为解决该算法收敛时间较慢的问题,基于分类回归树设计了MCS、MIMO模式以及信道宽度预测算法,其能够有效利用无线网卡驱动程序采集的相关统计数据预测不同MCS、MIMO模式以及信道宽度组合的报酬函数,大幅度缩小联合自适应算法的搜索空间.该算法具有易实现、近似最优及计算复杂度低的特点.真实实验结果表明:在无干扰和不同干扰环境下,联合自适应算法都能够有效地提高UDP吞吐量.     

基于强跟踪滤波器的MACA-MIE 模型及跟踪算法

结合自适应常加速模型(ACA)、改进输入估计(MIE)和强跟踪滤波器,提出一种新的自适应目标跟踪模型和算法.该算法通过扩展 ACA 模型状态矢量和改进状态噪声协方差调整方法,利用 MIE 和强跟踪滤波器,实现了机动加速度方差和状态预测协方差依据残差信息的实时完全自适应调整,在缺乏目标加速度先验知识的情况下,能够实时高精度跟踪目标突变状态、弱机动和非机动状态.仿真实验表明,相比 ACA 模型和 MIE,该算法具有更好的机动状态和非机动状态跟踪性能.     

基于多态自适应的蚁群算法研究

针对基本蚁群算法易陷入局部最优,收敛速度慢等不足,提出了一种多态自适应蚁群算法：首先引入不同种类的蚁群,每种蚁群有各自不同的信息素调节机制;其次采用自适应调整信息素挥发因子的策略,并将各条寻优路径上可能的残留信息素数量限制在一个区间内,避免出现停滞现象。仿真结果验证了文章所提算法的可行性和有效性。     

基于自适应蚁群算法的车辆路径问题研究

车辆路径问题(VRP)是物流研究领域中一个具有重要理论和现实意义的问题．蚁群算法是一种新型的模拟进化算法,可以很好地解决旅行商问题(TSP)．在分析VRP与TSP区别的基础上,构造了求解VRP的自适应蚁群算法．指出可行解问题是蚁群算法的关键问题,并重点对该问题进行了研究,提出了近似解可行化等解决策略．实验结果表明,自适应蚁群算法性能优良,能够有效地求解VRP问题．     

改进的遗传混合蚁群算法在TSP问题中的应用

为了提高基本蚁群算法的收敛性能和全局求解能力,对基本蚁群算法进行了改进,提出了一种改进的遗传混合蚁群算法。在每代进化中保留最优解和次优解的公共解集后引入遗传操作中的交叉算子进行运算,并采用自适应改变信息素挥发系数的方法,加快了算法收敛速度,提高了解的全局性。通过对TSP问题的仿真运算表明,改进的遗传混合蚁群算法在收敛速度和解的全局性上都有较大的改善。     

基于动态自适应蚁群算法的MRI图像分割

MRI图像分割在医学图像分析中具有极其重要的理论和应用价值.蚁群算法是一种具有离散性、并行性、鲁棒性和模糊聚类能力的进化方法.对目标边界模糊、目标灰度不均匀及目标不连续等情况的图像(如医学图像)分割,蚁群算法是一个比较好的选择.本文针对基本蚁群算法容易出现早熟和停滞现象的特性,提出了一种动态自适应蚁群算法,通过自适应的初始聚类中心调整策略和动态更新局部信息素浓度,使其收敛性和稳定性有一定的提高.实验证明改进的蚁群算法能够有效地分割MRI图像.     

基于CAS理论的决策支持系统研究

复杂适应系统理论的提出对于人们认识、理解、控制、管理复杂系统提供了新的思路。针对目前决策支持系统的分布式群体决策的发展趋势,文中提出一种基于自适应决策主体的决策支持系统模型,用于大型复杂决策系统的问题求解。给出了自适应决策主体的定义,并对其自适应行为作了描述。自适应决策主体在决策环境中不断适应的结果表现出全局性的突现行为,最终得到复杂决策问题的求解结果。     

Adaptive channel and power allocation of downlink multi-user MC-CDMA systems

The Multi-Carrier Code Division Multiple Access (MC-CDMA) is becoming a very attractive multiple access technique for high-rate data transmission in the future wireless communication systems. This paper is focused on the joint channel and power allocation in the downlink transmission of multi-user MC-CDMA systems and considers the throughput maximization problem as a mixed integer optimization problem. For simple analysis, the problem is divided into two less complex sub-problems: power allocation and channel allocation, which can be solved by a suboptimal Adaptive Power Allocation (APA) algorithm and an optimal Adaptive Channel Allocation (ACA) algorithm, respectively. By combining APA and ACA algorithms, an adaptive channel and power allocation scheme is proposed. The numerical results show that the proposed APA algorithm is more suitable for MC-CDMA systems than the conventional equal power allocation algorithm, and the proposed channel and power allocation scheme can significantly improve the system throughput performance.     

基于差分演化的自适应参数控制蚁群算法

蚁群算法存在对参数的依赖、早熟和停滞等缺点但具有与其他算法容易结合的特点,据此,将差分演化算法应用到蚁群算法的参数选取中,提出一种改进的蚁群算法。将蚁群算法的参数作为差分演化算法解空间的向量元素,在自适应地寻找蚁群算法最优参数组合的同时求解问题的最优解。改进算法对蚁群算法中的参数进行自适应调整,可避免大量盲目的测试,扩大蚁群算法的搜索空间,提高全局搜索能力。在典型的旅行商问题上进行对比实验,结果验证了改进算法的优化性能高于传统的蚁群算法。     

基于特征模型自适应方法的一类最小相位非线性系统稳定性分析

在特征建模理论中,由全系数自适应控制器组成的闭环系统是一个非常复杂的混合系统,采用传统自适应框架难以进行分析,因此,稳定性分析一直是该领域的一个难点.本文以一类最小相位、相对阶为2的单输入单输出(SISO)高阶非线性系统为例,通过一种新的特征建模方法,把高阶混合系统变换为一个含有稳定未建模误差的、参数有界慢时变的采样间接自适应控制问题,并利用基于欧拉近似离散化模型的采样系统稳定性分析方法进行了系统分析.该方法可进一步推广到任意相对阶的SISO或多输入多输出(MIMO)系统甚至无限维最小相位系统中去.     

复杂自适应系统的描述及其分布仿真框架

复杂自适应系统是当前一个研究热点，建立一个通用的分布仿真平台对于领域专家来说具有重要的辅助，首先对复杂自适应系统进行了深入的论述，并且对它的结构特征进行了形式化的定义，建立了复杂自适应系统的对象元、自适应Agent元，消息、继承和聚集等概念，在此基础上，提出了一个支持分布并行环境和组件式仿真框架，特别对其中的公共服务Agent和自适应Agent进行了详细的叙述，并且在此框架的指导下实现了分布仿真平台，和其它复杂自适应系统仿真平台结构相比具有一定的优势。