基于动态可变分段误差函数的常数模盲均衡算法

为了克服常数模算法（ CMA）收敛速度慢,稳态误差大的缺点,在分析基于可变分段误差函数的常数模盲均衡算法的基础上,提出了基于动态可变分段误差函数的常数模盲均衡算法。该算法利用均方误差（ MSE）来动态调节误差函数的分段点位置,误差函数特性在均衡过程中随着MSE不断变化,使得算法误差模型与发射信号的模型不断匹配,从而具有增加收敛速度和减小稳态误差的特点。分别用混合相位水声信道和最小相位水声信道对提出的新算法进行仿真实验,结果表明：对于混合相位水声信道,新算法的收敛速度明显快于CMA,且具有更小的稳态均方误差;对于最小相位水声信道,新算法的稳态均方误差明显小于CMA,而收敛速度相当。     

基于常数模算法的空间分集盲均衡技术

针对传统的自适应均衡技术需要重复发送训练序列,占用大量带宽,及Bussgang类盲均衡算法在收敛速度、稳态误差以及克服相位旋转等方面性能较差的缺陷,研究了Bussgang类盲均衡算法与不同的分集合并技术相结合的方法,提出了基于常数模算法的空间分集盲均衡技术,以适应远距离通信,提高接收信噪比和更有效地克服信道衰落。计算机仿真实验结果证明该技术比传统的判决反馈均衡器具有更快的收敛速度和更低的稳态误差。     

一种基于恒模1-2准则的有效盲均衡(英文)

在数字通信系统中,将坐标变换应用于恒模算法可以有效提高其均衡非恒模信号时的效果.针对典型的16-QAM非恒模信号,将坐标变换与恒模1-2准则有机融合,从而提出了一种基于恒模1-2准则的有效盲均衡.利用计算机仿真对新方法和传统的基于恒模1-2准则和恒模2-2准则的盲均衡算法进行性能比较,仿真结果表明新方法具有最低的稳态均方误差和最快的收敛速度.     

一种适用于水声信道盲均衡算法及仿真

对于高阶QAM信号,常数模算法的收敛误差不为零,而多模算法的收敛速度慢,提出了一种混合常数模算法,并将该算法应用于水声信道盲均衡。该算法根据均衡器输出信号模值与其判决模值之间的距离,设置一判决域。根据该判决域,算法的迭代过程在常数模和多模算法之间自动切换,且收敛后自动切换到多模算法。该算法收敛速度快,且均方误差小,特别适合高于高阶QAM信号的盲均衡,通过对水声信道均衡的计算机仿真,验证了该算法的优点及对多途干扰抑制的有效性。     

基于T/2分数间隔的不同变步长盲均衡算法

在分析分数间隔均衡器(FSE)和多模算法的基础上,针对算法固定步长存在收敛速度和剩余误差的性能要求相矛盾的问题,研究以不同变步长的T/2分数间隔多模盲均衡算法.各变步长利用与误差项或均衡输出项的非线性关系自适应调整步长.利用QPSK信号进行仿真分析,结果表明,本算法在收敛速度和稳态误差方面的性能优于固定步长,且相同实验条件下,不同步长的盲均衡算法性能也不同.     

一种改进的MCMA盲均衡算法

为提高盲均衡的收敛速度、进一步降低码间干扰,该文以修正常数模算法为基础,提出了基于停止与前进算法的改进修正常数模算法。并对新算法进行了计算机仿真,结果表明：该新算法克服了常数模算法稳态误差大的缺点,纠正了常模算法存在的相位旋转问题,提高了修正常模算法收敛速度且降低了稳态误差。     

基于正交小波变换的变步长盲均衡算法

提出了一种基于正交小波变换的变步长盲均衡算法。该算法将正交小波变换理论引入到常数模盲均衡算法中,充分利用小波变换对信号的去相关性及指数型变步长控制迭代过程的特性来加快收敛速度。与常数模算法及基于正交小波变换的盲均衡算法相比,该算法收敛速度快、稳态误差小、均衡效果好。水声信道盲均衡的仿真结果,验证了其的性能。     

一种新的应用于水声信道的空间分集均衡器（英文）

水声信道存在天然的多径衰落特性使得水下声通信变得极其困难,尤其在高阶QAM情况下更为严重.因此针对水声信道提出了一种新的空间分集均衡器来克服由多径衰落引起的码间干扰.该空间分集均衡器中使用的算法由常数模算法和多模算法两部分组成.其中的多模算法部分能够利用高阶QAM信号位于不同的模值上的特点来提高新空间分集均衡器的性能.和基于常数模算法的传统空间分集均衡器相比,新的空间分集均衡器具有低稳态均方误差和快收敛速度.水声信道中的计算机仿真实验验证了新方法的有效性.     

一种双模式变步长恒模算法

针对非常模信号,著名的恒模算法表现出较大的稳态误差和较慢的收敛速度.为克服上述缺点,提出了一种双模式变步长恒模算法.新算法通过对输出信号的判决来判断当前均衡器工作是否存在误操作.当均衡器工作正常时算法使用变步长方法,当均衡器工作存在误操作时算法使用零步长方法,从而充分发挥出步长对恒模算法的有利影响.仿真实验结果证明新算法具有比恒模算法更快的收敛速度和更小的稳态误差.     

一种新的基于水声信道双模盲均衡算法

提出一种蜂窝型（非正方形）16APK调制算法和新的基于蜂窝型判决区域的双模式盲均衡算法（DHDRA）. 对典型的浅海水声信道进行的仿真结果表明,基于蜂窝型16APK的调制算法比基于正方形16QAM的常数模盲均衡算法（CMA）更具抗干扰能力,收敛速度更快;基于蜂窝型判决区域的双模式盲均衡算法在收敛速度和稳态误差方面均优于基于正方形环判决区域的双模式算法,对于提高水下通信质量,降低码间干扰具有一定的研究价值.     

恒模算法在盲波束形成中的应用

介绍了随机梯度恒模算法和最小二乘恒模算法以及它们在盲波束形成中的应用，总结了几种适用于多用户盲波束形成的恒模算法，分析了每一种方法的特点，并以四元均匀线阵为例，利用计算机模拟给出了这些算法的收敛性能，结合恒模算法的研究现状，指出了有待研究的几个问题。     

水平基床系数的影响因素分析

水平基床系数是在计算深基坑的变形、支护结构的稳定性，以及桩在水平荷载下的位移、内力等方面有重要意义的参数。由于技术上的问题，它也是一个比较难确定的参数。结合在南京地铁南北线一期工程、苏通长江公路大桥等大型工程的工程地质资料，就土的类别、含水量、密实度、压缩性、埋深、应力水平和状态、土和结构物的相互作用，以及测试方法等对水平基床系数的影响进行了初步的分析，这些因素在共同作用的同时，也相互作用、相互影响。     

一种用傅立叶模重构目标图像的新方法

给出了一种用于相位恢复问题的改进型梯度算法，并讨论了借助快速傅立叶变换实现算法的方法。将ＭＧＲＤ算法与Ｊ．Ｒ．Ｆｉｅｎｕｐ的迭代傅氏变换算法组合，构成了一个新的组合算法，最后给组合算法的计算机仿真的例子。     

基于多种群遗传算法考虑浅层基岩及粘弹性的路基模量反演方法

提出一种考虑浅层基岩和粘弹性的路基模量反算新思路。对于路基模型,分别采用位移边界条件和开尔文模型来描述浅层基岩深度和粘弹性,并利用有限元软件对便携式落锤弯沉仪现场试验进行模拟,采用多种群遗传算法对路基模量最优值进行迭代。有限元模拟计算结果表明,新方法考虑浅层基岩的正算模型的反演模量平均误差为7.0%,而考虑半空间的正算模型却高达16.2%,说明忽略浅层基岩会使反演模量产生较大误差;随着浅层基岩深度的增加,误差减小,当深度为3 m时,影响几乎不存在。对于考虑粘弹性的有限元模型,在正算模型中忽略该特性的最大误差可达27.9%,而考虑粘弹性的最大误差仅为7.4%。由于浅层基岩深度勘探难度大,仅从理论方面进行研究。     

弹性模量与塑性变形关系的探讨

一般工程应用中都把弹性模量作为常数,而实际上弹性模量随变形的进展在不断的变化,这种变化的程度对某些材料是很大的。用拉伸试验方法对08AL和纯铝两种材料进行研究,得到了材料的弹性模量受塑性变形 影响的一些初步规律。研究结果为进一步研究生模量的变化规律及探讨其本质提供了依据。     

气体弹簧的弹性模量

密闭体积中气体的振动可以看成等温或绝热情况下的振动。根据气体分子运动论和力学理论推导出气体的弹性模量。     

关于杨氏模量的几点讨论

本文就杨氏模量在机械纵波中的波速、任意体积内的势能和动能及在两种介质界面处入射波、反射波、透射波的振动周相关系中的作用作了阐述.     

Fitting methods for relaxation modulus of viscoelastic materials

Based on viscoelastic theory, two new computational methods of solving linear equations and minimum value of the l-norm were put forward for transforming Kohlransch-William-Watts （KWW） function of viscoelastic materials to the generalized Maxwell model. The computational methods for the Maxwell model fitting were achieved in MATLAB software. It is found that fitting precision of the two methods is very high. The method of solving linear equations needs more fitting points and more numbers of Maxwell units. It makes the program of finite element analysis complex. While the method of solving minimum value of 1-norm can obtain very high precision only using less fitting points. These methods can fit not only experimental curve of KWW function, but also the experimental data directly.