一种降低OFDM/OQAM系统峰均比的C-OSLM联合算法

针对正交频分复用/交错正交幅度调制（OFDM/OQAM）系统由多个子信道叠加而引起高峰均比的问题,提出了一种基于OFDM/OQAM系统的重叠选择映射与限幅联合算法（C-OSLM）。该算法基于改进型重叠选择映射法（IOSLM）以两种方式引入限幅法,同时对码字数、限幅率（CR）进行优化以保证在误码率不变的条件下提升峰均比抑制性能。仿真结果表明,C-OSLM算法在保证OFDM/OQAM系统误码性能的同时,大幅降低了峰均比。     

基于联合算法降低OFDM峰均比技术的仿真研究

高峰均功率比(PAPR)是正交频分复用(OFDM)技术中存在的主要缺点,高的峰均功率比会导致功放处于非线性区造成信号失真,而传统部分选择映射(SLM)虽然能够有效的降低峰均功率比,但是由于采用多路IFFT变换,复杂度非常高.为解决以上问题,提出了一种改进的部分选择映射和限幅的联合算法.改进算法利用这两种方法在性能上互补的特性来降低峰均功率比,并且改进的SLM算法在发送端采用数据分组以及选择合适的矩阵代替IFFT模块,使得IFFT模块运算大大减少,从而降低了系统的复杂度.通过理论分析以及在MATLAB软件上仿真的结果表明,改进方法不仅能更有效地抑制峰均功率比,同时可减小计算的复杂度与系统实现的复杂度.     

基于联合算法的OFDM峰均比降低技术

针对OFDM系统具有较高峰均功率比(PAPR)的缺点,提出一种降低系统峰均比的联合算法——修正的ACE-POCS和限幅联合算法。该联合算法利用ACE-POCS算法对OFDM信号进行处理,再用限幅法进一步降低PAPR。基于OFDM系统的仿真结果表明,该联合算法可以有效降低PAPR 3.5 dB,并且不会影响系统误码率性能。     

OFDM水声通信降低限幅噪声的改进算法

为了降低正交频分复用（OFDM）水声（UWA）通信系统的峰均比（PAPR）,使放大器能工作在线性有效区,传统的限幅方法通常会引入较大的限幅噪声。针对这一问题,提出了一种低复杂度的降低限幅噪声的算法。该算法采用不同的限幅门限对不同的信号幅度作限幅处理,同时将处理结果以限幅向量的形式传送至接收端,以准确恢复相应被限数据的原始幅度,从而降低限幅噪声。通过理论分析和计算机仿真,结果表明该算法在少量增加系统运算复杂度的前提下,能使线性放大器工作在有效范围内,而且能够有效抑制系统的限幅噪声。     

降低OFDM系统峰均比技术的研究

研究多载波传输信号优化问题,正交频分复用(OFDM)技术的一个缺点是由于信号的高峰值平均功率比大大降低了系统中线性功放的效率.针对限幅法解决峰均比问题中存在的带外弥散、带内噪声和计算复杂度等问题,为了提高传输效率,提出一种联合冲击整形和重复限幅滤波技术来降低系统峰均比的可行性方案.有效抑制限幅噪声对系统误码率性能的影响,提高频谱效率.通过合理选择系统的相关参数可以在计算复杂度和峰均比性能改善之间取得较好折衷.数据仿真验证了所提出方案的有效性.     

一种OFDM系统峰均比抑制算法的研究

正交频分复用(OFDM)系统存在高峰值平均功率比(PAPR)的问题,直接影响整个系统的运行成本和效率.本文介绍了选择性映射(SLM)算法,该算法能够有效地降低OFDM系统峰均比,在对其性能进行仿真分析的基础上,提出降低其计算复杂度的方法.     

一种新的降低OFDM系统峰均功率比的压扩算法

为了降低OFDM信号峰均功率比本文提出了一种新的压扩算法。新算法通过保持中值信号不变,压缩大信号,放大小信号,从而降低了OFDM信号峰均比。通过与现有压缩算法对比,分析了本文算法对PAPR性能和系统误码率的影响。实验仿真结果说明,本文算法可以获得更低的峰均比,降低计算复杂度。     

OFDM系统峰均比改善及系统实现

OFDM系统高峰均比是其在实际应用中的一个瓶颈。依据实际系统中算法复杂度和实现可行性要求,使用预畸变类技术降低系统峰均比,降低了算法复杂度,提高了可实施性,同时获得可靠的系统误码率性能。仿真结果表明,该方法能有效降低任意子载波数据的OFDM信号的PAPR,而且与其他方法相比应用更为简单。     

降低OFDM立方度量的最优限幅滤波算法及神经网络实现

正交频分复用(OFDM)信号的一个主要缺点是信号包络波动过大。峰均功率比是常用的度量OFDM信号包络波动大小的指标,而近期研究表明立方度量可以更加准确地度量OFDM信号包络波动。传统限幅滤波技术可以有效降低立方度量,但其滤波设计并不能保证处理后的信号性能达到最优。针对这一问题,提出了一种最优的限幅滤波设计方案来降低立方度量,其关键思想是考虑滤波操作对信号带内、带外部分的影响,将滤波器设计建模为一个优化问题,通过求解得到最优的滤波器,并与限幅操作结合降低立方度量。由于优化问题的求解复杂度较高,还提出了一种基于深度神经网络的最优限幅滤波实现方案。仿真结果表明,所提出的最优限幅滤波算法及其神经网络实现方案性能相当,但后者的复杂度要低得多。与其它的已知算法相比,新提出的算法及其神经网络实现方案的性能都具有明显的优势。     

限幅技术对OFDM系统峰均比抑制的研究与仿真

分析了OFDM系统中高PAPR对系统通信质量的损害,研究了经典的几种抑制峰均功率比的方法并着重介绍了限幅法。其基本思想是预定限幅门限,对OFDM信号包络超过门限的部分直接削除。OFDM信号虽然最大峰值功率很高,但其出现的概率很低,因此,限幅法可以有效抑制信号峰均比。对限幅降低峰均功率比进行了研究,讨论了OFDM调制技术中的过采样问题,利用MATLAB软件完成了对所有研究内容的仿真并进行了分析。     

利用图模型存储算法依赖关系的方法

在大数据时代,用于数据处理的算法数量呈爆发式增长,当前对大量算法的管理方法通常是对算法分类、打标签或以任务为单位存储由算法构成的流程,对任务集合中的算法间拓扑关系未能给予足够的重视.随着领域知识与任务流程的积累,算法间的依赖关系愈发重要.本文基于巨量算法管理的需求,提出了拆分有分支依赖关系为无分支依赖关系的管理方法,通过免索引邻接图数据库的指针搜寻拓扑关系,避免Join操作,在管理算法依赖关系时具有先天优势.另外为突出算法模块复用能力,提出“连接点”的概念,在图模型中用节点表示依赖关系边,区分算法模块在不同任务流程的位置,使被多个任务复用的算法模块在图中只需用一个算法模块节点表示.最后,基于具体项目验证了本文提出的算法关系管理方法,证明本文算法关系管理方法在算法数量成规模且算法模块高复用的场景下具有明显优势.     

Unified and Coupled Self-Stabilizing Algorithms for Minor and Principal Eigen-pairs Extraction

Neural network algorithms on principal component analysis (PCA) and minor component analysis (MCA) are of importance in signal processing. Unified (dual purpose) algorithm is capable of both PCA and MCA, thus it is valuable for reducing the complexity and the cost of hardware implementations. Coupled algorithm can mitigate the speed-stability problem which exists in most noncoupled algorithms. Though unified algorithm and coupled algorithm have these advantages compared with single purpose algorithm and noncoupled algorithm, respectively, there are only few of unified algorithms and coupled algorithms have been proposed. Moreover, to the best of the authors’ knowledge, there is no algorithm which is both unified and coupled has been proposed. In this paper, based on a novel information criterion, we propose two self-stabilizing algorithms which are both unified and coupled. In the derivation of our algorithms, it is easier to obtain the results compared with traditional methods, because it is not needed to calculate the inverse Hessian matrix. Experiment results show that the proposed algorithms perform better than existing coupled algorithms and unified algorithms.     

LEO卫星网络TCP拥塞控制算法改进研究

基于Vegas拥塞控制算法提出了一个适合于LEO卫星网络环境的TCP拥塞控制算法(Vegas-AB)，该算法是Vegas算法和Vegas-A算法的调和，可以动态地改变Alpha、Beta，Vegas-AB算法与Vegas-A算法的主要分支大体保持一致。在拥塞避免阶段，Vegas-AB算法更激进、更富有侵略性。仿真结果表明，在TCP吞吐量上，Vegas-AB算法优于Vegas算法和Vegas-A算法。     

求解Flow-shop调度问题的HSGATS算法研究

通过研究流程企业典型生产加工方式的Flow-shop加工调度问题,分析了求解这一调度问题的各种算法的性能,特别是混合遗传算法中的混合策略,进而提出了一种以启发式搜索算法为前置算法、遗传算法为主体算法、禁忌搜索算法为后置算法的新的混合遗传算法-HSGATS算法,并针对置换Flow-shop调度问题提出了具体的算法设计和实现方法;通过对大量置换Flow--ShopBenchmark问题进行实验求解和其他算法的比较分析,验证了此算法是十分有效的。     

改进的模糊聚类PCA算法对噪声数据的处理

模糊C均值（FCM）算法是模式识别领域中应用最广的聚类算法之一。但是FCM算法存在很多缺点,其中以对噪声数据敏感,鲁棒性较差最为突出。针对这种情况,许多学者都提出了改进算法。介绍一种改进算法即PCA算法,并对PCA在处理噪声数据方面作出了实践性尝试,实验数据进一步证明了PCA算法的好处,这对合理使用模糊聚类算法提供了一定的理论依据。     

基于MMTD的病毒特征代码检测算法

当今的病毒是多种多样的,为了有效应对这些众多的病毒,计算机病毒检测安全人员必须使得病毒检测算法具有智能性.病毒特征代码算法是一种常用的病毒检测算法,但该算法缺乏一定的智能性,因此本文将一些智能性算法在其算法上进行应用.MMTD算法和模拟退火算法是两种智能性算法,这两种算法将进一步增强病毒特征代码算法的智能性,因此本文提出的算法能够进一步提高目前病毒的检测的智能性.     

测试用例集的约简方法研究

蚁群算法是一种群体智能算法,能有效解决复杂的组合优化问题.在测试用例约简的问题上,该算法能在速度和精确度上寻求到一个平衡点.与传统的最小化算法不同,这个算法不仅考虑了每个测试用例覆盖度,还考虑了用例的运行代价,实验给出了这个算法与经典算法的比较结果,结论表明,此算法能快速有效缩减测试用例集的数量并降低测试运行代价,以提...     

Two realizations of a general feature extraction framework

A general feature extraction framework is proposed as an extension of conventional linear discriminant analysis. Two nonlinear feature extraction algorithms based on this framework are investigated. The first is a kernel function feature extraction (KFFE) algorithm. A disturbance term is introduced to regularize the algorithm. Moreover, it is revealed that some existing nonlinear feature extraction algorithms are the special cases of this KFFE algorithm. The second feature extraction algorithm, mean-STD¹-norm feature extraction algorithm, is also derived from the framework. Experiments based on both synthetic and real data are presented to demonstrate the performance of both feature extraction algorithms.     

Genetic algorithms for flowshop scheduling problems

In this paper, we apply a genetic algorithm to flowshop scheduling problems and examine two hybridizations of the genetic algorithm with other search algorithms. First we examine various genetic operators to design a genetic algorithm for the flowshop scheduling problem with an objective of minimizing the makespan. By computer simulations, we show that the two-point crossover and the shift change mutation are effective for this problem. Next we compare the genetic algorithm with other search algorithms such as local search, taboo search and simulated annealing. Computer simulations show that the genetic algorithm is a bit inferior to the others. In order to improve the performance of the genetic algorithm, we examine the hybridization of the genetic algorithms. We show two hybrid genetic algorithms: genetic local search and genetic simulated annealing. Their high performance is demonstrated by computer simulations.     

可扩展机器学习的并行与分布式优化算法综述

机器学习问题通常会转换成一个目标函数去求解,优化算法是求解目标函数中参数的重要工具.在大数据环境下,需要设计并行与分布式的优化算法,通过多核计算和分布式计算技术来加速训练过程.近年来,该领域涌现了大量研究工作,部分算法也在各机器学习平台得到广泛应用.本文针对梯度下降算法、二阶优化算法、邻近梯度算法、坐标下降算法、交替方向乘子算法五类最常见的优化方法展开研究,每一类算法分别从单机并行和分布式并行来分析相关研究成果,并从模型特性、输入数据特性、算法评价、并行计算模型等角度对每个算法进行详细对比.随后对有代表性的可扩展机器学习平台中优化算法的实现和应用情况进行对比分析.同时对本文中介绍的所有优化算法进行多层次分类,方便用户根据目标函数类型选择合适的优化算法,也可以通过该多层次分类图交叉探索如何将优化算法应用到新的目标函数类型.最后分析了现有优化算法存在的问题,提出可能的解决思路,并对未来研究方向进行展望.