一种基于多天线选择的新型多用户MIMO-OFDM自适应子载波组分配算法

针对于多用户MIMO-OFDM下行传输,本文提出了一种基于用户信道特征,利用多天线选择和子载波组分配相结合的新型自适应算法.该算法在不明显降低系统整体性能的前提下可大大降低发射端计算复杂度,使之更适用于实时信道传输环境.仿真结果表明,该算法在计算复杂度大幅减小的情况下仍能保证系统性能无明显损失.     

硝酸根离子选择电极建模

离子选择电极是用于检测温室营养液成分的有效工具之一.介绍了硝酸根离子选择电极的试验测量方法和建模原理.通过试验,建立了硝酸根离子选择电极以输出电压和溶液温度为自变量,离子浓度为因变量的数学模型.实验结果表明:建立的离子选择电极模型可用于在线检测,具有广泛的应用价值.     

线性系统初值最小二乘估计的收敛性问题*

本文是文献[1]的发展,讨论带随机量测噪声线性离散时间系统的初始状态最小二乘估计的均方收敛性与几乎处处收敛性,给出估计误差约方收敛于零或几乎处处收敛于零的充要条件,并给出收敛速率估计。     

MIMO系统具有不可分离约束时参数的最小二乘估计

在阐述了多输入多输出（ＭＩＭＯ）系统具有不可分离约束时参数的最小二乘估计问题之后,利用扩维技术和拉格朗日乘子法,给出了系统参数的最小二乘估计,分析了其结构,讨论了参数估计的计算和参数的统计性质。     

磁场信号检测误差分析及补偿算法

针对载体自身磁场特性及三轴磁传感器误差特性建立了地磁导航干扰误差补偿模型,通过对模型进行简化变形,利用系统辨识的最小二乘估计算法(LS)求取误差特性参数.数据分析表明:该方法简单易实现,简化了复杂的求解过程,基本达到了误差补偿的要求.     

多用户MIMO系统的低复杂度天线选择算法

块对角化是一种用于多用户MIMO系统下行链路的预编码方案,它可以完全消除多用户间的干扰。论文就是针对采用块对角化预编码的多用户MIMO下行链路,基于信道F-范数提出一种新的次优天线选择算法。该算法计算复杂度较低。仿真结果显示,其系统容量接近采用最优算法的系统容量。     

核多元基因选择和极限学习机在微阵列分析中的应用

针对微阵列数据样本量少、维度高的特点,结合当前数据降维方法中没有考虑特征与特征之间相关性的缺点,提出一种核最小二乘的特征基因选择方法.将解释变量空间通过非线性映射转换到高维空间上,再在高维空间上进行最小二乘回归,并采用极限学习机进行训练和预测.结果表明:对三种经典数据集的分类精度分别达到90.47％,88.89％,88.23％,高于传统的机器学习算法,充分表明本方法的优越性.     

使用Hopfield网络进行最小二乘估计

本文将Hopfield9应用于线性系统的最小二乘估计，采用前向差分技术离散Hopfiedl网络状态方程，进而求出被估参数与网络参数的关系，文中给出了这种方法的详细推导过程，并指出了这种方法的优越性。     

残差初值的最小二乘估计

本文给出了一种简便的残差初值算法。该法在小样本情况下，对改善最小二乘法估计参数的精度特别有效，它不但适用于ARMA模型，而且也适用于CARMA模型和MA模型。     

一种基于LS拟合判别函数的SVR特征选择算法

本文提出一种基于最小二乘（LS）拟合判别函数的SVR特征选择算法（简称15特征选择法）。该算法采用了一个适合支持向量回归（SVR）的新目标函数,并在特征子集选择中根据实验数据集冗余特征较少的特点,采用顺序后向选择算法。仿真实验表明,本方法与常用的降维方法PCA和KPCA相比有更好的效果。     

基于核极化的特征选择在LSSVM的应用

为了对最小二乘支持向量机中样本的各个特征的差异性进行研究,引入了多参数高斯核,在分析核极化几何意义的基础上,提出了基于核极化梯度迭代优化多参数高斯核的特征选择算法。利用核极化梯度迭代算法对样本中每个特征的重要性程度进行测定;按特征的重要性大小进行LSSVM样本的特征选择;运用LSSVM对选出的特征子集进行训练和测试,称该方法为KP_LSSVM。UCI数据集上的实验结果表明,相较于PCA_LSSVM、KPCA_LSSVM和LSSVM方法,提出的方法可以取得更为准确的分类结果,验证了该方法的有效性。     

一种分布式MIMO系统的快速天线选择算法

分布式MIMO系统的天线数目与点对点MIMO相比进一步增多,性能优越的经典天线选择算法难以应用其中。针对这一问题,在分布式架构的基础上提出一种基于逐增端口选择的改进型逐减天线选择算法。该算法通过设定上限的动态端口选择缩小待选天线范围,进而利用贪心策略,逐步去除对信道容量贡献最小的天线。仿真结果表明,该算法的容量性能逼近穷举算法,且复杂度大幅降低,在强相关信道下表现出良好的适应性。     

结合天线选择的空间调制及性能仿真

提出了一种分组映射空间调制方案。每个时隙中有多个发射天线被同时激活,结合幅度相位调制技术,每根选中的天线发射不同的符号,并且所激活的特定天线序列也携带相应信息。相对传统空间调制技术而言,该方案可以有效地提高空间调制系统的频带利用率和传输速率。Rayleigh衰落信道的仿真结果表明,所提方案的误比特率（Bit Error Rate,BER）性能优于传统的空间调制与多输入多输出（Multi-Input Multi-Output,MIMO）技术。方案可进一步结合发射天线选择（Antenna Selection,AS）技术,提高系统的传输质量。实际多极化MIMO信道的测量和仿真结果表明,在发端天线选择数目均相同时,分组映射调制的性能明显优于空间调制,结合AS的调制系统性能明显优于未结合AS的系统。     

基于最小二乘支持向量机的预测控制

最小二乘支持向量机（LS—SVM）方法克服了经典二次规划方法求解支持向量机的维数灾问题。适合于大样本的学习。提出一种新的基于LS—SVM模型的预测控制结构,对一典型非线性系统-连续搅拌槽反应器（CSTR）的仿真表明,该控制方案表现出优良的控制品质并能适应被控对象参数的变化,具有较强的鲁棒性和自适应能力。     

局部KPLS特征提取的LSSVM软测量建模方法

针对复杂工业过程的非线性、变量间的强相关性以及工况时变的特点,提出了一种基于局部KPLS特征提取的LSSVM建模方法。该方法通过属性加权的欧式距离指标选取局部训练样本子集,利用KPLS算法对该子集进行特征提取,使用LSSVM算法在线建立局部软测量模型。实验结果表明,该方法可以有效实现特征提取,具有更好的推广能力和预测精度,比基于全局KPLS特征提取的LSSVM模型和未经特征提取的全局LSSVM模型具有更好的泛化能力。     

迭代再权q范数正则化LS SVM分类算法

提出一种迭代再权q范数正则化最小二乘支持向量机(LS SVM)分类算法。该算法通过交叉校验过程选择正则化范数的阶次q (0相似文献   

LSB嵌入方法的载体图像区域选择

针对在密写术中的LSB（最低有效位）嵌入方法会对载体图像的平滑区域造成破坏,导致载体图像的不可感知性下降和不可检测性降低的问题,提出了一种区域选择方法,避免载体图像的脆弱区域在LSB嵌入操作中被破坏。通过实验证明了,该方法可以有效改善视觉不可感知性,提高对LSB嵌入操作的不可检测性。     

利用外辐射源的TDOA和FDOA目标定位算法

针对单站外辐射源条件下的目标定位问题,提出了一种基于最大似然的时差-频差联合定位算法。首先根据时差和频差的观测方程,构建目标位置和速度的最大似然估计模型。然后采用牛顿迭代算法对最大似然估计模型求解,得到目标位置和速度估计。最后,推导了算法的克拉美罗界和理论误差,并证明了二者相等。仿真结果表明,算法定位精度高于两步加权最小二乘算法和约束总体最小二乘算法,在测量误差较高时仍能达到克拉美罗界。通过对系统几何精度因子图的分析,确定目标及外辐射源数量和位置也是影响定位精度的重要因素。     

天线选择下稳健波束形成新算法

研究认知无线电（CR）网络环境下的稳健发射波束形成问题,以期在信道状态信息（CSI）存在误差时满足一级用户（PU）干扰温度约束和二级用户（SU）信干噪比（SINR）约束,该发射波束的设计目标为发射天线子集最小化和发射功率最小化的联合自适应。用伯恩斯坦型不等式将信道状态信息误差的非封闭形式概率约束转化为线性矩阵不等式,进一步通过引入[?0]范数的[?1]范数逼近,将目标函数非凸优化松弛为凸问题,并通过迭代重新加权算法求解。仿真结果表明,该方法以少量增加传输功率为代价减少了发射天线的数量,节约了基站成本。