CDMA时变色散信道基于一阶统计量的盲辨识算法

在深入分析CDMA时变色散信道的离散正则模型的基础上,给出了一种新的CDMA时变色散信道的盲辨识方法.使用解相关接收机分离出时变有效特征波形中的信道参数后,仅利用处理后信号的一阶统计量,通过少量的导频符号,就可以实现对信道的辨识.这种方法和通常的基于二阶统计量的盲辨识算法相比具有更低的运算复杂度,同时所需要的观察数据也更少.仿真结果证明了算法的有效性.     

采用奇异值分解方法的半盲信道辨识算法

针对全盲信道辨识算法无法辨识含公零点信道且对信道阶数误差敏感的问题,提出一种半盲信道辨识算法。通过奇异值分解将信道矩阵分解为同维矩阵与酉矩阵乘积的形式,分别利用接收数据和已知符号求解同维矩阵与酉矩阵,最终得到信道矩阵的闭式解。该算法有效地克服了全盲信道辨识算法的诸多局限性,避免了传统半盲方法面临的最优加权选择问题,性能稳定,且对信道噪声与信道阶数都具有较强的鲁棒性。仿真实验验证了所提算法的有效性与优越性。     

含共零点SIMO信道直接盲序列检测与信道辨识

在ε均衡概念基础上，提出了对含公零点SIMO信道的盲辨识算法。该算法充分利用发送符号属于有限字符集的先验知识，先直接盲检测发送序列，然后再进行信道辨识。仿真结果表明：不管信道是否包含公零点，本文提出的信道盲辨识ε算法性能都明显地优于基于二阶统计量的其它经典算法。     

基于子空间信道矩阵迭代的阶数估计算法

针对二阶统计量信道盲辨识算法中有效阶数估计问题,该文提出了一种基于子空间信道矩阵迭代的阶数估计(SS-CMR)算法.基于过估计条件下的Q矩阵特殊结构和其解空间向量可等价为真实信道冲激响应与公共零点信道的卷积,该算法首先利用子空间算法获得估计的信道矩阵,然后构建迭代形式的代价函数进行阶数估计.仿真表明,SS-CMR算法较CMR算法性能提升,且明显优于现有其他阶数估计算法;解析分析表明算法复杂度较CMR算法明显降低,对首尾系数很小的信道的阶数估计尤为有效.     

基于QR分解的MIMO信道盲辨识和盲均衡方法

针对SIMO信道的经典盲估计方法,如子空间法(SS)等,都是基于接收端样本自相关阵的特征值分解(EVD)或奇异值分解(SVD)来实现信道估计的,而基于QR分解的SIMO信道盲辨识方法是最近提出的一种性能优良的新算法.本文将该算法推广为MIMO信道盲辨识算法,并且证明了在一定的假设下,即使各路源信号为空间相关且其统计特性未知时,该算法仍然保持有效.实验结果表明这种MIMO辨识算法具有收敛速度快、计算量小、无须对噪声做额外的处理、对噪声不敏感等优点.我们还将这种算法与经典的MIMO辨识算法进行了性能比较.     

具有周期调制和循环前缀的块传输系统中MIMO信道的盲辨识

在块传输系统中,可通过添加块前缀来辅助信道识别。一种针对具有循环前缀和周期调制的块传输系统的盲辨识方法,利用了信道矩阵的块循环特性来求解信道系数。该文将该算法推广到了多用户系统,并给出了算法的辨识条件。同样是基于二阶统计量的方法,新算法克服了基于子空间分解类算法对噪声,对信道阶数误估计,对信道零点位置敏感的缺点。文中仿真证明了在较低信噪比条件下,利用新算法仍可对多输入多输出信道进行较好的估计。     

基于过采样的六二阶归一化累积量盲均衡算法

现有盲均衡算法大多采用先辨识信道、再进行均衡的方法,但信道阶数的估计是一个难点。将高阶归一化累积量用于盲均衡,提出一种基于过采样的六二阶归一化累积量盲均衡算法。该算法不需要辨识信道和估计信道阶数,只对接收信号的六二阶归一化累积量进行优化。仿真结果验证了算法的有效性。     

一种改进的稀疏多径信道盲辨识算法

针对无线多径稀疏信道,利用信道有效近似思想,提出了一种改进的基于矩阵外积分解的信道盲辨识与盲均衡算法。算法首先利用改进的VIA信道阶数估计准则,对多径稀疏信道“有效部分”的阶数进行精确估计,然后利用改进的矩阵外积分解算法估计出信道冲激响应的“有效部分”,最后利用该估计结果对接收数据进行反卷积运算,恢复出发送信号。为了降低噪声以及信道冲激响应中的“零抽头”部分对信道盲辨识性能的影响,本算法对噪声方差估计方法进行了改进,提高了算法在中、低信噪比条件下的盲辨识性能。与现有算法相比,本算法不仅降低了对信噪比的要求,而且克服了基于LC准则的子空间算法(SSA, Subspace Algorithm)的相位偏转问题,其中噪声方差的估计方法也可应用于信噪比估计技术。仿真实验以及对SPIB微波信道测试结果验证了本文算法的有效性。      

利用调制引入循环平稳的CDMA盲信道估计

针对CDMA系统给出了一种新颖的盲辨识方法.它利用了恒模复序列调制产生的循环平稳性,其特色是,在接收机上可以根据循环统计量的支撑的不同,将各个用户的二阶循环统计量分离开来,每个用户形成自己的小规模子空间.采用已成熟的子空间方法,可以识别出不同的用户各自的片率传输信道,以便于均衡和检测.文中给出了自己的信道可辨识性的条件和证明,提出了辨识算法,并对算法进行了模拟.方法简单明了,适合于CDMA上行链路信道.     

基于冗余预编码的STBC-SC-FDE系统的频率域盲信道估计

针对频率选择性衰落信道下空时分组编码单载波频域均衡(STBC-SC-FDE)系统的信道盲估计问题,设计了一种基于冗余预编码的频率域盲子空间信道估计算法,并讨论了算法的可辨识性条件以及去模糊度方法。该算法仅利用冗余预编码STBC-SC-FDE系统的频率域接收信号的二阶统计量即可获得系统的时域信道响应。仿真结果表明,算法稳定、可靠,具有良好的估计精度和均衡性能。     

ARMA模型格型辨识法的递推算法

本文以ARMA模型的双通道格型辨识法为基础,提出了它的递推算法。计算机辨识试验表明,该算法具有良好的辨识性能。     

基于改进PSO-SMO的模型参数辨识及应用

目前,大多数智能辨识方法只考虑辨识系统的输出值,不能辨识模型的参数.对此,研究了基于线性核函数支持向量机的辨识算法,对模型参数和输出同时进行辨识.在此基础上,采用改进的PSO-SMO算法以提高辨识速度和精度.将该方法用于ARX模型和长期预测模型的参数辨识中,结果表明,该算法比其他算法具有更高的准确性.     

说话人辨认系统中码本生成的新算法

提出了一种新的适用于离散HMM说话人辨认系统的VQ码本训练方法,码本的训练准则是使码本中各码字的利用率趋于均等.将新方法训练的码本与用LBG算法训练的码本进行了比较,实验表明,在基于离散HMM的说话人辨认系统中,用新方法训练的码本性能优于用LBG算法训练的码本,特别是在与文本无关的情况下,使系统的正确辨认率显著提高.     

基于子空间跟踪的状态空间系统辨识方法及其在时变系统辨识中的应用

基于系统状态空间模型的系统辨识方法的一个困难在于算法具有较大的运算量和存储量。本文将基于APEX算法的子空间跟踪方法引入辨识算法。APEX算法的神经网络实现可以有效地减少辨识算法的运算量和存储量。本文将得到的算法应用于时变系统的辨识，仿真结果和应用于实际数据的结果验证了方法的有效性。     

超磁致伸缩执行器磁滞模型的参数辨识

准确辨识磁滞模型参数是保证超磁致伸缩执行器位移控制精度的关键,而单一算法难以实现对超磁致非线性模型参数的精确辨识。该文提出了一种新型混合优化策略,即改进的遗传退火算法,并将其应用于对超磁致伸缩执行器位移磁滞模型参数的辨识。该算法兼顾了遗传算法和模拟退火算法的优点,同时还引入了机器学习原理,将模拟退火算法作为遗传算法中的种群变异算子,并将模拟退火算法中的抽样过程与遗传算法相结合。此算法不仅充分发挥了遗传算法并行搜索能力强的特点,且增强和改进了遗传算法的进化能力,同时提高了系统的收敛性和收敛速度,避免最优解的丢失。通过仿真和试验研究表明,该算法相对于遗传算法有更高的精度,可有效精确辨识超磁致伸缩执行器磁滞模型的参数。     

涡流检测中的组合神经网络模型

针对使用单一神经网络在缺陷识别中存在的输入矢量维数高,结构复杂及训练时间长等问题,本文提出了组合神经网络模型,这一模型采用逐级判别的方法,每级判断均采用独立的神经网络子模块,各模块采用随机学习算法分别进行训练.裂缝识别的计算实例表明,这一组合模型使神经网络输入变量的维数从N²降低到N,网络结构大为简化,训练速度很快,同时具有较高的缺陷识别率,可推广应用于实时涡流检测中.     

Wiener功率放大器的一种简化预失真方法

根据Hammerstein模型的一种最优两步辨识算法的思路,针对预失真技术的特点对Hammerstein模型进行了两次转换,建立了一种等效的但形式简单的记忆非线性预失真器模型——非线性抽头延时多项式模型,从而简化了Wiener功放的预失真。仿真结果表明,利用所提出的记忆预失真器模型能使用较少的参数,快速、简便地实现记忆放大器的预失真,而且具有满意的线性化性能。     

基于GMM-UBM模型的语言辨识研究

与说话人识别、连续语音识别相比,自动语言辨识是一个相对较新的研究,而且是一项较难的课题。本文给出了一种基于GMM-UBM模型的语言辨识系统,并利用OGI-TS电话语音库对算法的性能进行了测试,然后给出了实验结果。实验结果表明,该算法也是进行语言辨识的一种有效方法。     

基于参数模板的雷达辐射源模糊识别方法

针对当前辐射源识别存在的模糊性和不确定性特点，引入了基于参数模板的模糊识别方法，为解决这类问题提供了一个有效途径，阐述了雷达辐射源识别的基本思想，详细描述了算法的实现过程，最后介绍了算法的仿真设计和软件实现，并对仿真结果进行了分析。     

一种特殊GDOP场景下的NLOS传播识别算法

在地面无线定位中,影响定位精度的最大因素是电波的非视距( NLOS )传播误差,定位估计前识别收发信机之间电波是视距( LOS )还是NLOS传播是提升定位精度需要研究的重要课题。为此,先对一种基于交叉面积的NLOS 识别算法进行改进,然后提出了一种针对特殊几何精度因子( GDOP)场景下的NLOS识别算法———分步检验算法。该算法采用两步进行识别,先用数据检验筛选出测量样本中的LOS测量值,再用改进的交叉面积算法进行识别。仿真结果表明,分步检验算法在特殊GDOP场景下具有良好的识别性能。