Massive MIMO 3D空间相关信道超松弛检测算法

为降低Massive multiple-input multiple-output(MIMO)信号检测算法的计算复杂度,采用迭代方法进行信号检测.在采用矩阵分解的迭代方法基础上,逐步推导引入超松弛迭代检测算法,利用行列式计算推导出松弛因子范围,同时采用几何方法,在二维空间相关信道模型基础上,构建三维空间相关信道模型并给出相应三维空间几何模型,同时忽略高阶项,推导出相应的空间相关信道相关性近似解析形式解,给出相关性近似解析表达式.仿真表明,三维空间相关信道模型会加剧信道的相关性,降低检测算法的误比特率检测性能.当迭代算法的迭代次数N=8,在一定误比特率条件下,采用优化松弛因子的超松弛迭代算法所需的信噪比有所下降.在一定信噪比下,误比特率能下降约两个数量级,接近迭代次数N=16的误比特率,同时分集增益有所提升,计算复杂度也有所下降.通过权衡分析信噪比和计算复杂度,选用优化松弛因子迭代检测算法能在较少的迭代次数下实现较低的误比特率检测性能,超松弛迭代检测算法能获得较优的算法检测性能.     

恒模PARAFAC分解CRB及拟合算法

为了对恒模约束条件下平行因子(PARAFAC)分解的参数估计性能进行分析,在给出PARAFAC模型分解的克拉美-罗界(CRB)的同时,结合约束CRB理论,推导出了"首行已知"约束和恒模约束下PARAFAC分解的CRB表达式,并给出了恒模约束PARAFAC分解的拟合算法TALS-CM.仿真表明,恒模约束后的PARAFAC分解具有更低的CRB值,随着信噪比的增加,TALS-CM拟合算法的性能接近于它的CRB值,说明算法是渐进有效的.TALS-CM算法的性能优于普通的TALS算法,因此,在基于PARAFAC模型的信号处理算法中,合理利用信源的恒模特性可以有效地提高算法性能.     

基于PARAFAC分解的大规模MU-MIMO稀疏信道估计

针对大规模MU-MIMO(多用户多输入多输出)系统中上行链路的信道估计问题,提出了一种基于平行因子(PARAFAC)分解的稀疏信道估计算法.该算法利用稀疏数学模型构造稀疏信道模型,将稀疏理论与张量分解相结合,对基站端的接收信号进行PARAFAC建模.在满足唯一性分解条件下,利用双线性交替最小二乘(BALS)拟合算法联合估计出多个用户的信号矩阵与信道矩阵.仿真结果表明:所提算法的估计性能优于经典的正交匹配跟踪算法等稀疏信道估计算法,与基于导频序列的估计方法相比,其信道估计的精度大幅提高;仅需少量导频,降低了导频开销,实现了高频谱效率的通信传输.     

OFDM系统中基于降维PARAFAC模型的信道估计方法

针对采用正交频分复用(OFDM)技术的阵列天线系统,提出了一种基于降维平行因子(PARAFAC)模型的多径信道估计方法.该方案对单输入多输出(SIMO)场景下的接收信号进行建模,构造出具有空-时-频3个维度的PARAFAC信号模型,利用截尾奇异值分解(SVD)法对该模型进行降维,并采用三线性交替最小二乘(TALS)算法对降维后的信号模型进行拟合,实现了信号到达角(AOA)和传播时延的联合估计.与传统PARAFAC分解方法相比,所提方法在拟合过程中占用的存储空间更少,收敛速度更快.仿真结果验证了所提方法的有效性.     

移动机器人的可变遗忘因子离散迭代学习控制

为了提高迭代学习控制方法在移动机器人轨迹跟踪问题中的收敛速度,提出了一种带有可变遗忘因子的离散迭代学习控制算法.该算法是在开闭环离散迭代学习控制律基础上,通过可变遗忘因子对上一次的控制量进行调节,并增加了带有可变遗忘因子的初始修正项.通过适当选取学习律中的初始控制输入,带遗忘因子的初始修正项可以避免迭代轨迹的大幅度摆动,从而可以使迭代学习的收敛速度得到显著提高.并利用范数理论对算法的收敛性进行了严格证明,得到了使算法收敛的范数形式的充分条件.最后通过仿真实验验证了所提算法的有效性.     

无界问题自然边界元与有限元的迭代耦合

根据区域分解算法的思想,研究了自然边界元与有限元耦合法的D-N迭代原理,并编写了耦合法计算程序,求解了带方孔的无界平面弹性问题。算例计算结果表明：当计算半径R取为孔洞尺寸的1.2倍,耦合法网格划分时取144个节点即可较好的逼近收敛值,而相同收敛效果有限元网格划分时需取272个节点。并且,在迭代过程中,松弛因子的选取对迭代收敛速度的影响很大,当松弛因子取0.2时,迭代收敛速度最快。     

GSM-MBM系统中基于松弛迭代的低复杂度检测算法

针对基于媒介调制的广义空间调制（GSM-MBM）系统接收端最大似然（ML）检测算法计算复杂度高且随激活天线数呈指数递增的问题,提出一种基于能量排序下的松弛迭代思想的低复杂度检测算法（EO-RIM）.该算法对所有可能的发射天线组合及相应镜像激活模式组合下的信号能量总值进行排序,再通过松弛迭代算法依次检测相应的调制信号,并通过预设阈值来协调误码率（BER）性能和计算复杂度之间的关系.仿真结果表明,在GSM-MBM系统中,EO-RIM算法的BER性能逼近ML检测算法,与基于有序块的最小均方误差（OB-MMSE）检测算法几乎一致,而EO-RIM的计算复杂度随激活天线数呈平方递增而非指数递增,相比OB-MMSE算法降低了一个数量级.     

矩阵方程AX＋XB＋CXD＋PXQ=F的松弛迭代解法

从参数迭代方法出发,建立了求解大型线性矩阵方程AX+XB+CXD+PXQ=F的唯一解的松弛迭代解法.通过矩阵变换和特征值分析,给出了松弛迭代格式收敛的充要条件.同时为了使得迭代速率加快,给出了两种加速动力迭代格式.最后,通过数值示例对文中所述进行了论证,说明所得算法大大提高了收敛速度.     

二维开域静电场有限元与边界元迭代解法的研究

基于ansys有限元法计算软件的前、后处理及求解过程,在求解过程中与边界元法计算程序实现迭代求解.对迭代松弛因子的选择,以及松弛因子与迭代收敛性、收敛速度的关系做出讨论.     

AAF-MH协作方案下的PARAFAC盲信号检测方法

多跳Alamouti放大转发(AAF-MH)协作方案的译码通常需要获取信道状态信息(CSI),在实际系统中,CSI的获取比较困难.针对此问题,提出了一种基于平行因子(PARAFAC)的盲信号检测方法.该方法将接收信号构建为包含信道、信号信息的PARAFAC模型,并使用双线性最小二乘算法进行拟合,以保证结果的全局收敛性.与恒模方法相比,该方法的拟合结果具有稳定性,并能实现参数估计的唯一性,在检测性能方面更具优势.仿真结果验证了理论分析的正确性.     

一种基于PARAFAC模型的MIMO中继系统信道估计方法

为了有效地估计两跳放大转发(AF)多输入多输出(MIMO)中继系统的信道状态信息(CSI),提出了一种基于平行因子(PARAFAC)模型的信道估计方法。在信宿,该方法通过对接收信号构造PARAFAC模型,采用所提的复值最优交替最小二乘(CALS)拟合算法就能估计出该通信系统中所有的CSI。与已有的信道估计方法相比,所提方法需要较少的信道训练数据块和具有更高的信道估计精度。仿真结果验证了所提方法的有效性。     

基于VMD-PARAFAC的轴承故障欠定盲源分离

针对传统的轴承故障欠定盲源分离方法需要施加约束的问题,提出了一种基于变分模态分解(variational mode decomposition,VMD)和平行因子(parallel factor,PARAFAC)分析的欠定盲源分离方法.利用VMD算法将振动信号分解为多个带限本征模态函数(band-limited intrinsic mode functions,BLIM Fs),将这些BLIM Fs构造成三阶张量作为PARAFAC模型的输入,利用三线性交替最小二乘算法对模型分解,从而在宽松条件下实现复合故障信号的分离.仿真和实验结果表明,提出的方法是有效的,与传统的故障盲源分离方法比较,提出的方法在多故障盲源分离中更具有适应性和实用性.     

Image reconstruction using an adaptive simultaneous algebraic reconstruction technique in computed tomography

The simultaneous algebraic reconstruction technique(SART) is a vintage algorithm for computed tomography(CT) image reconstruction, but it has many problems such as slow convergence speed, edge blur, and ringing effect. The relaxation parameter is an important factor affecting the performance of the algorithm, and we find that the edge region does not need the same relaxation factor as the uniform region, so an adaptive simultaneous algebraic reconstruction technique based on fuzzy entropy is proposed. After preliminary SART reconstruction, by quoting fuzzy entropy for edge detection of the reconstructed image which is used as prior information, a monotonous increasing function that defines the relaxation factor is constructed based on the neighborhoodhomogeneous measurement(NHM). Therefore, the proposed approach can select the relaxation factor adaptively by the local character of the image. Experimental results show that the new algorithm can solve the problem of edge blurring and suppress the ringing effect effectively in CT image reconstruction.     

基于变分贝叶斯推断的半盲信道估计

现有MIMO中继通信系统中,基于张量分解的半盲信道估计不能有效地将信道先验信息引入估计过程中,为此提出一种基于变分贝叶斯推断的信道估计算法.该算法首先利用NP(Nested PARAFAC)张量模型,引入有效精度、噪声精度等隐性超参数,建立信道估计概率图模型;由于所求信道参数后验概率分布较为复杂,传统最大似然和最大后验等点估计方法难以实现,算法采用变分贝叶斯推断,推导出信道矩阵、有效精度及噪声精度的递推公式,使具有因子分解形式的q分布逼近所求信道参数的后验分布;并分析了模型证据的下界、模型的初始化及算法复杂度等.该算法能利用信道先验信息以提高信道估计性能,有效精度和噪声精度等参数可自动调节,且计算复杂度与数据的维度呈线性关系.仿真结果表明:在平稳瑞利衰落信道条件下,与基于交替最小二乘(Alternating Least Square,ALS)的半盲估计算法相比,算法的计算复杂度较低,收敛速度较快;与带监督序列的双线性最小二乘(Bilinear Alternating Least Square,BALS)非盲估计算法,基于ALS及非线性最小二乘(Nolinear Least Square,NLS)的半盲估计算法相比,算法具有较高的估计精度.     

面向数控机床运行状态的切削稳定性预测研究

切削加工过程中出现的颤振失稳现象,是限制机床加工质量和加工效率的主要因素。传统切削稳定性预测模型大多基于机床静止状态下的动力学特性,并采用恒定的切削力系数表征不同的切削条件。但在加工过程中,系统动力学特性和切削力系数会随着主轴转速等影响因素而变化,导致预测的切削稳定性叶瓣图在实际工程运用中出现偏差。针对机床运行状态下切削稳定性的准确预测问题,提出一种切削稳定性叶瓣图修正方法。该方法以刀具系统动力学特性与切削力系数为研究对象,首先建立主轴转速样本信息,将考虑转速效应的主轴轴承运行刚度写入机床有限元模型中,获取刀尖频率响应函数及其对应的各阶模态参数,以此结合模态拟合法和插值算法重构任意转速下的刀尖频响函数,同时以各切削参数为变量构建切削力系数响应面预测模型,进而将与转速对应的刀尖频率响应函数和不同切削条件下的切削力系数作为传统切削稳定性预测模型的输入,并通过结合自适应粒子群算法共同求解各转速下的极限切削深度,从而在全转速范围内绘制切削稳定性叶瓣图。将该方法应用于1台3轴立式加工中心的实际工序中,采用多组预测的无颤振切削参数进行切削实验,并通过切削力信号的频谱分析判定切削过程中未出现颤振,验证了稳定性叶瓣图修正方法的有效性,为无颤振切削参数的合理选择奠定了技术支持。     

Improved MOEA/D for Dynamic Weapon-Target Assignment Problem

Conducting reasonable weapon-target assignment (WTA) with near real time can bring the maximum awards with minimum costs which are especially significant in the modern war. A framework of dynamic WTA (DWTA) model based on a series of staged static WTA (SWTA) models is established where dynamic factors including time window of target and time window of weapon are considered in the staged SWTA model. Then, a hybrid algorithm for the staged SWTA named Decomposition-Based Dynamic Weapon-target Assignment (D-DWTA) is proposed which is based on the framework of multi-objective evolutionary algorithm based on decomposition (MOEA/D) with two major improvements: one is the coding based on constraint of resource to generate the feasible solutions, and the other is the tabu search strategy to speed up the convergence. Comparative experiments prove that the proposed algorithm is capable of obtaining a well-converged and well diversified set of solutions on a problem instance and meets the time demand in the battlefield environment.     

An inexact alternating proximal gradient algorithm for nonnegative CP tensor decomposition

Nonnegative tensor decomposition has become increasingly important for multiway data analysis in recent years. The alternating proximal gradient(APG) is a popular optimization method for nonnegative tensor decomposition in the block coordinate descent framework. In this study, we propose an inexact version of the APG algorithm for nonnegative CANDECOMP/PARAFAC decomposition, wherein each factor matrix is updated by only finite inner iterations. We also propose a parameter warm-start method that can avoid the frequent parameter resetting of conventional APG methods and improve convergence performance.By experimental tests, we find that when the number of inner iterations is limited to around 10 to 20, the convergence speed is accelerated significantly without losing its low relative error. We evaluate our method on both synthetic and real-world tensors.The results demonstrate that the proposed inexact APG algorithm exhibits outstanding performance on both convergence speed and computational precision compared with existing popular algorithms.