基于VSLMS-Rake模型的高阶多径BOC信号捕获方法

针对高阶多径BOC信号捕获存在模糊性的问题,提出了一种基于VSLMS-Rake模型的捕获方法;该方法首先将接收的多径BOC信号经过VSLMS-Rake模型,然后再对处理后的信号进行功率谱估计;通过二者结合,不仅可以抑制多径干扰增强信号能量,还可以减小估计误差提高捕获概率,最终实现对高阶多径BOC信号的精确捕获;理论和仿真表明,在较低信噪比下,该方法优于现有其它捕获算法.     

基于FPGA和DSP的卫星导航接收机测试平台

介绍了一种基于高性能FPGA和DSP的卫星导航接收机多功能硬件测试平台,给出了平台的硬件框图.在该平台上实现了卫星信号的捕获跟踪,并给出了测试结果.     

基于NARX神经网络辅助组合导航方法研究

为解决短时全球导航卫星系统(GNSS)失效造成车载组合导航系统导航精度下降的问题,提出一种NARX神经网络辅助的组合导航方法。对神经网络辅助导航的原理进行了分类,并分析了神经网络可利用的输入输出信息,提出一种根据惯性测量单位(IMU)测量信息和惯性导航解算信息对GNSS位置速度增量进行预测的方法。通过实测数据实验验证了方法的有效性,GNSS失效60 s期间,导航最大位置误差5.1 m、最大速度误差0.15 m/s。     

一种抑制BOC调制信号副峰的移动相关函数捕获算法

随着扩频技术的发展,为提高应用系统的信号质量、减小同频信号的互扰、增加保密性及抗干扰性,出现了二进制偏移载波(Binary offset carrier, BOC)调制技术。针对BOC调制技术而引发的信号相关多峰、判别模糊等现象,进行副峰抑制关键技术研究,并考虑现有捕获方法存在的局限和不足,提出了一种移动相关函数捕获算法。通过相关函数的有机移动来构造具有单峰特性的相关函数,从而达到抑制副峰的目的。理论与仿真结果表明,新算法能够有效地抑制副峰,而且能够适应更低的信噪比条件,在捕获性能及副峰抑制能力方面,新算法优于现有的算法。本文方法可以为扩频信号的高效同步及系统应用提供理论基础和技术借鉴。     

基于统计方差的Hough变换峰值检测方法

针对Hough变换累积矩阵存在的峰值簇拥现象,提出了一种新的Hough变换峰值检测方法.通过对累加器参数空间的分析,考虑到噪声、误差引起的单元累积值的不确定性,在局部最大值周围区域,把每列投票单元看作是随机变量,选用每列的统计方差进行拟合、插值,从而检测到精确的峰值参数.实验结果验证了方法的有效性,与传统方法相比,具有更好的鲁棒性和精确性.     

基于块处理的扩频信号实时捕获及其FPGA实现

块处理方法实现扩频信号的捕获因其运算量巨大到目前为止多用于软件接收机中.本文从扩频信号的实时捕获出发,研究了块处理技术及其结构,设计了基于块处理技术的扩频信号捕获的总体实现方案和各个功能模块,详细介绍了其实现方法并用FPGA给予实现.并给出了实际运行结果.结果表明该设计能成功完成扩频信号实时快速捕获.     

基于行人航迹推算的蓝牙峰值检测方法

室内定位中行人航迹推算(PDR)方法是最便捷的定位方法之一,其缺点是随着移动距离的增加累积误差会越来越大。利用蓝牙峰值纠正算法能有效降低PDR的累积误差,但蓝牙信号在多蓝牙基站中存在伪峰、错峰的问题,针对上述问题提出了基于PDR的蓝牙峰值检测方法。首先,根据PDR位置估计信息和蓝牙分布信息计算预测概率,筛选前进方向最接近的蓝牙,减少错峰;其次,根据信号的变化计算自适应阈值输出开关信号寻找波峰以检测真实峰值,减少伪峰;最后采用改进的蓝牙峰值纠正算法对PDR位置估计进行纠正。实验结果表明,在安卓智能手机上,峰值检测正确率可达到82.1%,与传统滑动窗峰值检测法相比能有效地减少伪峰和错峰的干扰,降低PDR的累积误差。     

基于ACF时移组合的卫星BOC调制信号无模糊捕获方法

二进制偏移载波(BOC)调制作为一种新型信号调制方式被广泛应用于全球导航卫星系统(GNSS)中,然而,BOC调制信号自相关函数(ACF)的固有多副峰特征使得当利用传统捕获方法时可能会发生捕获模糊问题,导致接收机最终给出错误的定位结果.对此,提出基于ACF时移组合的BOC调制信号无模糊捕获方法,并给出相应的捕获电路实现结构.所提出方法利用BOC调制信号ACF的分段线性及自相关值在一个码片宽度外为0的特性,将BOC调制信号的ACF分别左右时移,再将两时移的结果与BOC调制信号ACF相乘可以得到新的合成相关函数.同时为了提高主峰能量,将合成相关函数除以一个归一化系数,最终得到适用于所有调制阶数的无模糊相关函数.仿真实验结果表明,在具有一定检测性能衰减的情况下,所提出算法能够在保留单一窄主峰的同时消去所有不期望的副峰,从而实现BOC调制信号的无模糊捕获.     

基于并行处理技术的宽带直扩信号捕获方法

针对宽带扩频信号码片码率高达150 Mcps以上,传统扩频快捕处理算法无法适应的技术难题,提出了一种基于信号并行处理技术的快捕算法。算法通过并行NCO(数控振荡器)生成本地伪码、载波,实现600 MHz的等效采样匹配,捕获过程通过内码滑动相关实现内码相位对齐、外码匹配滤波找到外码对齐位置。通过计算、仿真分析表明,本算法资源占用率低、捕获速度快,可实现宽带扩频信号快速捕获。     

兴趣点：导航的回归

其实,路只不过是我们到达目的地的一种工具,而目的地才是我们的关注所在,因此,导航对路边一切的关注可谓是一种回归。多年来,导航一直行使着它最基本的使命:找路。这种找路仅仅是局限在路上,找的是路上的某个位置点。如今,时代的     

基于逻辑回归的客户稳定度建模

为科学评估通信用户的忠诚度,运用专家法并通过数据抽取、转换和装载过程,从某通信企业数据库中选取120万条实验数据,利用基于互信息的属性约简算法简化冗余属性,以提高模型构建效率和质量。通过Logistic回归算法构造客户稳定度预测模型。实验结果表明,模型预测命中率提升3倍以上,能够达到实际商业应用的要求。     

基于Logistic回归的电梯健康评估

电梯的隐患故障与其运行状态存在着一定的关联性.根据电梯的组成要素、体现电梯健康状况表征,合理选择评价参数,基于logistic回归方法建立评价模型.通过分析评价模型基本原理,整合原始数据、引入惩罚因子、交叉验证、高阶拟线性等方法,解决了数据不均衡现状和差异性,提高了评价模型准确度,达到了对电梯健康实时监控并预警.     

基于紫外敏感器的卫星自主导航

卫星自主导航是指卫星不依赖地面支持,而利用星上自备的测量设备实时地确定自己的位置和速度,它是未来卫星导航的必然趋势.紫外敏感器具有精度高、体积小、可以实现多个敏感器功能的特点,利用地球成像的大小和位置以及恒星的位置可以获得卫星的导航信息.为了精确获得卫星导航信息,给出了轨道动力学模型,重点研究了地心矢量的确定方法,地心矢量的准确确定是精确导航的关键,提出了基于紫外敏感器的卫星自主导航模型,设计了扩展卡尔曼滤波算法,并结合轨道数据和测量数据进行了仿真,仿真结果说明了所提方案的有效性.     

基于网络结构的正则化逻辑回归

逻辑回归是一个应用广泛的分类模型,但由于高维数据分类任务在实际应用中变得越来越频繁,使得分类模型面临着巨大的挑战.应对该挑战的一种有效方法是对模型进行正则化.许多已有的正则化逻辑回归直接运用L1范数罚作为正则化罚项,而不考虑特征之间的复杂关联关系.也有一些研究工作基于特征的组信息设计了正则化罚项,但它们假设组信息是预先...     

基于特征矢量集的核Logistic回归

将经典Logistic回归推广到高维RKHS空间，提出了一种基于特征矢量选择的核Logistic回归算法-FVS-KLR．该算法利用特征矢量选择（FVS）从训练样本集中选择一个特征矢量集，原样本在RKHS空间中的映射可用该集合中元素映射的线性组合近似．以特征矢量集为基得到核Logistic回归的目标泛函，并采用Newton-Raphson方法寻优，将优化的计算量由O（N^3）降到O（NL^2），L〈〈N．同时文章推导了多类情况下的核Logistic回归算法．通过与SVM的对比实验表明，该算法对后验概率的估计优于SVM方法，同时在分类错误率不高于SVM的基础上能显著降低分类器的计算量．     

多元Logistic回归分析在基于黑客脚印的入侵检测中的应用

针对以往基于主机的入侵检测方法算法复杂、占用系统资源大的不足,介绍了一种轻量级的基于黑客脚印的检测方法,并将多元Logistic回归分析应用到远程攻击的检测中去,不仅可以有效地检测出入侵行为,而且可以降低入侵检测系统对系统资源的占用。     

基于同态加密的多分类Logistic回归模型

随着计算能力的发展,机器学习得到了广泛的应用,数据的安全问题也成为一个重要问题.同态加密技术可以在不泄露明文信息的情况下,对密文进行运算并在解密后得到与在明文上执行相应运算一致的结果.因此,同态加密是一种可行的有潜力的数据安全外包解决方案.为了解决现实生活中出现的多分类问题,本文基于Cheon等提出的HEAAN同态加密方案,提出了一种能有效保护数据隐私的多分类Logistic回归模型,采用"一对其余"的拆解策略,通过训练多个分类器,将二分类Logistic回归模型推广到多分类.数据持有者可以将数据加密后发送给服务器,服务器使用多分类Logistic回归模型对加密数据进行训练,并将结果传回数据持有者,数据持有者解密结果后可以用来对多分类数据进行预测,整个过程中不会有隐私被泄露.本文通过对UCI的Dermatology和Iris数据集进行了实验,测试模型的性能.Dermatology数据集包含358条样本, 34个特征属性,分为6个类别,训练时间约为36.70分钟,准确率达到77.18%,与明文计算的准确率一致.实验验证了本文的模型在效率和准确率方面的可行性.     

基于GPS授时的脉冲峰值采集系统

该系统用于提取脉冲信号峰值的幅度与时刻。系统硬件部分包括GPS接收机、GPS时钟模块、脉冲峰值采集卡及工控机。其原理为脉冲峰值采集卡以GPS接收机的1 PPS脉冲上升沿为秒起点,以设定的时间窗宽分段查找输入的最大值并记录其对应的秒内精确时刻,完成脉冲峰值的采集与峰值时刻的记录,为保证脉冲峰值时间的准确度,系统的50 MHz采样时钟也由1 PPS脉冲校准。实验验证了该系统能准确地捕捉脉冲的峰值时刻。     

基于HBase的多分类逻辑回归算法研究

为解决在大数据环境下,用于训练多分类逻辑回归模型的数据集可能会超过执行计算的客户端内存的问题,提出了块批量梯度下降算法,用于计算回归模型的系数。将训练数据集存入HBase后,通过设置表扫描对象的起始行键参数,可取出大小合适的含训练样本及结果值的数据块,同时为避免客户端到服务端频繁的RPC调用,取出的数据块可进行多次迭代计算,以加快系数的收敛。当取出的数据块达到指定的迭代次数后,再按行键次序取出下一个数据块,如此循环,直到系数收敛或达到指定的循环控制阈值。多分类的逻辑回归问题可转换为二分类来解决,因此需要为每一个分类在训练数据表中设定结果值列,结合训练样本列簇,按块批量梯度下降算法得到每个分类的回归系数。实验结果表明,得到的回归系数,能准确的对测试样本进行分类。     

基于惩罚逻辑回归的乳腺癌预测

本文采用惩罚逻辑回归方法,利用威斯康星大学的乳腺癌数据对乳腺肿瘤进行预测。首先选取与乳腺癌相关的10个指标作为自变量,接着采用逻辑回归、LASSO惩罚逻辑回归、L2惩罚逻辑回归和弹性网惩罚逻辑回归作为分类器,利用75%的数据集作为训练集建立模型,最后利用25%的测试集、混淆矩阵和ROC曲线评估不同模型的预测精度。结果表明,LASSO惩罚逻辑回归的预测表现最好,预测精度达到97.18%;弹性网惩罚逻辑回归的预测表现随着α的增大发生变化,特别当α=0.9时,预测精度达到97.18%,与LASSO惩罚逻辑回归的预测表现一样好;L2惩罚逻辑回归的预测表现排第3,逻辑回归表现最差。因此,在乳腺肿瘤诊断中可借助LASSO惩罚逻辑回归和弹性网惩罚逻辑回归提高诊断精度。