复数域格缩减的MIMO检测算法研究

多入多出(MIMO)系统可以获得比单发单收系统更高的容量,对于MIMO系统,最大似然检测是最优接收,但其指数复杂度难以在实际中应用。针对该问题,结合格缩减理论提出了基于Householder变换的复数域格缩减算法,将该算法和MIMO次优检测算法相结合,给出了量化判决方法,且该复数域格缩减算法复杂度小于实数域格缩减算法。仿真结果表明,基于Householder变换复数域格缩减的MIMO次优检测算法,通过优化信道矩阵可以得到更好的判决域,取得了逼近最优最大似然检测算法的性能。     

改进的双Householder变换及其在快速辨识状态空间模型中的应用

系统辨识广泛应用于工程实践面临的主要问题是算法的快速性,状态空间模型辨识更是如此,本文提出的改进的双Householder变换就是利用数据矩阵的特殊结构Hankel矩阵和Toiplitz矩阵;再利用移位算子的性质,对数据矩阵实施变换,从而快速地求解矩阵的逆和正交补,进而可以提高辨识算法的快速性和精确度     

非等权观测的Householder参数估计方法

当设计矩阵A“病态”（强复共线）时,正则矩阵ATA亦“病态”,而且更为严重,导致参数的最小二乘解极不稳定。Householder方法,是用一镜像映射矩阵H（对称、正交）对误差方程（等权）进行正交变换,将A变换为上三角阵R,直接解算参数,避免了ATA的“病态”性对参数最小二乘解的影响。本解决了在非等级观测情况下,如何应用Householder方法进行参数估计的问题。因而,本扩展了Householder方法,并使其在测绘数据处理中更具有实用价值。     

∑已知时μ=μ0的检验与μ的置信区域的一种数值方法

本文借助Householder变换,通过将协方差矩阵转化为三对角矩阵,给出了确定其特征值的具体方法,进而解决了大样本下协方差矩阵已知时,μ=μ0的检验与μ的置信区域的一种数值计算问题.     

∑已知时μ=μ0的检验与μ的置信区域的一种数值方法

本文借助Householder变换，通过将协方差矩阵转化为三对角矩阵，给出了确定其特征值的具体方法，进而解决了大样本下协方差矩阵已知时,μ=μ0的检验与μ的置信区域的一种数值计算问题。     

基于广义S变换的时相调制时频聚集性能优化

为了提高时相调制(TPM)信号S变换的时频聚集性能,将广义S变换(GST)应用于TPM信号的时频分析中.GST在标准S变换窗函数的基础上,增加了可控参量,利用优化新增参量的算法,优化时频域各频率点处的时窗宽度,从而达到提高时频聚集性能的目的.仿真结果表明,广义S变换方法与标准S变换相比,能有效提高TPM信号的时频聚集性能,同时保持了TPM信号用于携带信息相位突变的特性,有利于下一步的信号检测.     

基于伪随机序列处理技术的ZP-OFDM系统

针对补零正交频分复用(ZPOFDM)系统中基于快速傅里叶变换(FFT)的接收机性能较差的情形,提出了一种伪随机序列处理技术. 该技术将一段伪随机序列的元素分别乘在快速傅里叶逆变换(IFFT)矩阵的各行,则可以改善IFFT矩阵各列之间的相关特性,从而提高OFDM系统的性能. 并且由于伪随机序列的元素为±1,所以改进后的IFFT矩阵仍然保持归一性和正交性. 利用该技术可以对ZPOFDM、ZPOFDMOLA（overlap add, 重叠相加）以及ZPOFDMFAST等方法进行改进. 仿真部分对改进方法和原方法进行了性能对比,采用Hiperlan2的A、E 2种信道模型,在误比特率为10-4 时,改进方法在性能上至少提高了22?dB. 仿真结果验证了伪随机序列处理技术的有效性.     

时频域自适应均值脊波变换滤波及检测方法

针对Wigner-Ville Hough变换(WHT)在低信噪比下检测性能降低的问题,提出了互Wigner-Ville自适应均值脊波变换滤波检测方法.该方法采用互Wigner-Ville(XWVD)代替Wigner-Ville(WVD)在时频平面上提高了信噪比,且避免了信号多分量时各分量间的交叉项干扰.由于信号和噪声的时频聚集特性不同,且考虑到滑动窗长对均值滤波的影响,设计了自适应轴向均值滤波器及采用脊波变换滤波方法在时频域滤除噪声,最后采用Hough变换检测信号,并给出了详细的滤波检测算法.仿真和海试结果表明,该方法与WHT检测相比,在低信噪比下通过时频域滤波能有效的滤除噪声从而提高检测性能.     

地震反应谱的快速傅里叶变换和小波变换自动匹配方法对比

为研究反应谱图的自动匹配和判比技术,并探讨如何提高自动匹配技术的准确性以及可靠性,设计了基于快速傅里叶变换和小波变换的自动特征提取和匹配方法.通过LABVIEW工具分别将2种方法用于地震反应谱图的分析,比较2种方法的优缺点.经过对大量已有样本的分析实验,可以看出基于小波变换理论的自动特征提取及匹配方法较基于快速傅里叶变换的方法有着更高的局部分辨力,可以清晰地获得奇异点特征值,更有利于谱图匹配和比较.通过本研究丰富了自动解谱领域的理论,促进了自动解谱方法的发展,为今后更深入的研究和应用奠定了基础.     

基于频域分析的在线手写签名认证算法

目的 为提高在线手写签名认证的速度,提出一种基于频域分析的在线手写签名认证算法,用于在线手写签名认证的粗分类.方法 首先使用快速傅立叶变换对在线手写签名原始特征向量进行映射,然后抽取低频信息构成新的特征描述,最后使用加权认证算法实现在线手写签名的认证.结果 算法提高了在线手写签名认证的速度,且在SVC2004task2数据集上取得的ERR为10%.结论 快速傅立叶变换抽取频域特征易于区分伪造签名,且快速有效.依据用户各种特征稳定程度进行加权认证,提高了系统的鲁棒性.     

MIMO系统自适应均衡算法研究

MIMO信道为频率选择性信道,由于时延扩展而存在色散,因此研究MIMO系统的自适应均衡技术显得尤为重要.通过对自适应均衡技术的两种主要的算法最小均方(LMS)算法和递归最小二乘(RLS)算法的研究可以看出,在不同的步长因子及遗忘因子等参数变化情况下,LMS算法的收敛速度较慢,但均衡简单易实现,RLS算法收敛速度较快,但迭代运算较复杂.结合二者的特点提出了在MIMO系统中引入改进的最小均方算法,即归一化最小均方(NLMS)算法.仿真实验对比表明NLMS算法的计算量与LMS相当,但收敛条件简单,易实现,收敛速度较快,有很实际的应用价值.     

一种快速收敛的自适应波束形成算法

为了解决传统最小均方(LMS)自适应波束形成算法在低信噪比环境下收敛速度较慢的问题,提出了一种快速收敛的小波域自适应波束形成算法. 该算法利用小波变换软阈值法消除信号中的加性高斯白噪声,并在此基础上将牛顿法应用于LMS算法中,提高了小波域LMS算法的收敛速度. 仿真结果表明,相比传统LMS算法,在低信噪比环境下,该算法收敛速度加快,稳态误差减小,波束形成精确度有较大的提高;同时相对于已有的小波域LMS算法,该算法的收敛速度和精度也有所提高.     

基于新拟牛顿法的自适应均衡技术

为了解决现代通信信道的码间干扰问题,提出了一种基于新拟牛顿法的自适应均衡算法,该算法用对称正定Hesse矩阵代替传统LMS/Newton法自相关矩阵的逆估计,克服了传统自相关矩阵估计误差对算法收敛性能的影响.信道均衡仿真结果表明,该算法具有较快的收敛速度和较低的误码率.     

LMS算法自相关矩阵特征值表达式的计算分析

在研究线性滤波ＬＭＳ 算法的收敛条件及推导其稳态相对误差的上下限算式时, 都用到自相关矩阵的特征值的表达式。根据自相关矩阵的特点, 对ＬＭＳ 算法收敛步长的上限公式及其稳态相对误差的上下限公式中出现的特征值表达式估算作了分析, 使得有关的公式能用于具体指导ＬＭＳ 算法。     

一种变步长LMS算法及仿真

虽然传统LMS算法拥有很多优点如方法简单、运算量小,但是由于固定步长的缘故,在解决稳态误差与收敛性之间的关系时始终处于矛盾状态,这也使的传统LMS算法始终具有收敛速度慢的特性。结合传统的LMS自适应滤波算法,在此基础上对步长因子进行了改进,将步长因子与误差因子间建立函数关系提出变步长LMS新的算法,并通MATLAB仿真,比较了改进后的算法与传统LMS算法,仿真结果显示改进后的算法明显在系统的收敛速度和稳态误差上有所提高。     

管道自适应有源噪声控制算法

本文以管道自适应有源噪声控制（ＡＡＮＣ）理论为基础讨论了自适应控制算法，比较了ＡＡＮＣ系统中自适应滤波器的ＬＭＳ，ＲＬＳ和ＬＳＬ算法的特性，导出了ＬＭＳ算法的递推公式，得到了ＦＩＲ和ＩＩＲ滤波器的ＬＭＳ算法的计算机仿真．通过仿真，比较了不同信号的消声量，讨论了步长因子、滤波器阶数和声延迟对算法收敛速度和消声量的影响，还讨论了有声反馈的ＦＩＲ和ＩＩＲ滤波器的消声量的大小．     

基于DWT/LMS直交自适应算法的非线性系统辨识

针对传统的最小均方(LMS)算法在信号处理中的不足,提出了在变换域LMS算法中实现离散小波变换(DWT)的算法,并给出了基于直交DWT／LMS自适应算法的非线性滤波器的结构,该方法实现简单,可减少自适应滤波器输入相量自相关矩阵的谱动态范围,比传统的LMS算法的收敛速度快,增加了系统的稳定性;将其用于非线性系统辨识,能够改善辨识模型的自适应能力,数值仿真结果表明了本文方法的可行性和有效性。     

基于径向基函数神经网络的自适应滤波器

自适应滤波器在信号检测、信号恢复、数字通信等领域中被广泛应用。传统的自适应滤波器主要在时域中实现。通常采用算法简单、稳健性好的自适应LMS算法。但LMS算法对输入信号的自相关矩阵具有很强的依赖性,因而自适应率不高。本文提出利用RBF神经网络实现的自适应滤波,并将其用于语音除噪和脉象信号的除噪。仿真结果表明该方法具有良好的非线性噪声抑制能力。     

一种变步长因子及变动量因子的自适应算法

作为对动量ＬＭＳ算法的补充和改进,提出了一种带有变步长和变动量因子的自适应算法,该算法将传统的动量ＬＭＳ算法中的常量步长调节因子与常系数的动量调节因子均改变成随机变量,从而为自适应滤波器提供了更好的收敛特性,计算机模拟的结果表明,给出的算法在平滑随扰动和加快收敛速度方面起到了一定的作用。     

LMS算法的最佳计算步长研究

ＬＭＳ算法在线性滤波中得到广泛应用,人们对其进行了许多研究,给出了算法收敛的充分条件和对固定计算步长的误差上下限算法,但以往对计算步长的定量研究尚很不充分。由于ＬＭＳ算法中权向量输入 数据的统计特性,迭代计算中应突出使用较近的历史数据。另外,由于ＬＭＳ算法是噪声梯度法,须使其计算步长逐渐缩小,以保证ＬＭＳ算法的稳态均方差趋向于系统的最小均方差。据此,提出一种估计最佳计算步长的新方法。新方法中将ＬＭ