高阶统计分析的m序列检测新方法

为了提高直扩信号中m序列的检测效率,研究高阶统计分析(HOS)理论的m序列检测问题.在理论上,重新对m序列三阶相关函数的形式作了正向和反向的区分.由m序列三阶相关函数峰值求得本原多项式的一般推导方法,并结合多项式求最大公因式的矩阵斜消变换理论,提出利用高阶统计分析理论求m序列本原多项式的规律算法,仿真结果验证了此方法有效可行.同时,分析了高斯噪声信道下此算法的性能,仿真结果表明,此算法在-10 dB时的检测概率接近70%.     

短序列多项式相位信号的参数估计

恒定幅度的多项式相位信号(PPS)由其相位多项式系数表征。针对短序列PPS参数估计的困难,在介绍基于高阶模糊函数(HAF)和乘积高阶模糊函数(PHAF)参数估计算法的基础上,通过对该算法的估计效果特别是短序列情况的分析,提出短序列PPS参数估计的一般方法和对该算法的改进。Monte-Carlo仿真表明,改进算法改善了PPS参数估计的效果,同时提高了运行效率。     

一种分布式MIMOOFDM系统的多参数估计方法

对分布式多输入多输出正交频分复用（MIMO OFDM）系统中的多频偏多信道估计问题进行研究,提出一种基于多项式求根和迭代干扰消除的多参数联合估计算法。该算法利用导频将多维搜索函数简化成多个一维搜索函数,通过泰勒级数将一维搜索函数转换成闭合的多项式形式,求多项式的根来获得频偏,利用迭代干扰消除进一步得到频偏和信道的迭代估计。仿真结果表明,提出算法适用于通信环境较为复杂的多径衰落信道和广泛应用的OFDM信号分析,与现有算法相比,估计精度高,性能较好,可以达到近似最大似然的最优解。     

基于灰箱模型的聚合反应分子量分布形状控制

利用离散正交多项式组合神经网络对聚合反应分子量分布(Molecular weight distri-bution,MWD)进行建模,由MWD矩向量线性表示网络权向量,从而实现了灰箱建模。首先,推导了作为网络基函数的正交多项式需满足的约束条件,扩展了基函数的选择范围,为建模方法提供了理论基础。然后,利用最优化方法推导了MWD控制序列,利用权向量可以由矩向量代替的性质,对控制系统性能指标函数进行了修正,实现了对分子量分布形状的控制,提高了算法鲁棒性。最后,通过实验室规模的苯乙烯聚合试验,证明了该方法的可行性。     

低重量种子序列对Turbo码低码重分布的影响

用概率的方法,分析了不同重量的种子序列经过交织后仍为种子序列的概率,讨论了低重量的种子自结尾输入序列对Turbo码的低码重分布的影响.通过分析讨论指出,如果Turbo码生成多项式中的反馈多项式的周期较长,重2输入序列产生的码字重量就会较大,而其他重量的种子输入序列,尤其是重量为3,4的种子输入序列,产生的码字重量就很有可能低于重2输入序列产生的码字重量.交织器的长度越短,出现这种情况的概率就越大.     

有限域上二次Bent函数的构造

Bent函数在密码、编码以及序列方面都有重要的应用．基于有限域上二次多项式理论,纠正了Ma.W.P 等文献中的推论5、6,以及P.Charpin等文献中的定理5、6．给出了满足一定条件的三项式和四项式bent函数．在此基础上,借助多项式置换,给出了一种利用二次二项bent函数构造多项式bent函数的新方法．     

MIMO雷达正交相位编码信号的代数设计方法

针对多输入多输出雷达正交相位编码波形设计中数值优化方法计算量和存储量较大、效率较低的问题,提出一种代数理论设计方法．首先利用逆归约相乘法求解产生序列族所需的多项式;然后构造以该多项式为特征多项式的线性迭代方程,并通过线性移位寄存器求解而获得序列族;最后将该序列族映射为信号码集从而完成波形设计．仿真结果表明,该方法设计的波形恒模,并且具有低的自相关峰值旁瓣电平和互相关峰值电平．与数值优化方法比较,码集序列数量大,波形产生速度快．     

关于伪余式与子结式的矩阵计算

提出了通过构造矩阵(矩阵元素为给定多项式组的系数)和Dodgson变换来计算(稀疏)伪余式和子结式的算法,给定两个一元多项式G,F,定义了G和F的行列式多项式序列,并用于计算G和F的子结式序列,同时给出了用Sylvester矩阵和混合Bezout矩阵构造子结式的统一描述,在Maple中将新给出的算法予以实现,并通过若干例子与已有的几种算法进行了比较,实验结果表明新算法相对于已有的算法更为高效.     

利用子空间算法实现一类盲均衡的方法

基于基本的子空间算法,研究了一种实现具有相同有限长冲激响应的多输入多输出线性系统盲均衡的方法．利用有理子空间及最小多项式基理论,通过估计瞬时相关矩阵,辨识出信道因数,完成系统盲均衡．     

对称布尔函数算术Walsh变换的快速算法

为了提高对称布尔函数算术Walsh变换的实现效率,利用Krawtchouk多项式研究对称布尔函数的算术Walsh变换。根据算术Walsh变换的定义讨论对称布尔函数的算术Walsh变换和Krawtchouk多项式之间的关系,给出并证明基于Krawtchouk多项式描述的对称布尔函数的算术Walsh变换的简约表达式。利用得出的简约表达式和Krawtchouk多项式的性质即可得出一种实现对称布尔函数的算术Walsh变换的快速算法,该算法具有较低的时间复杂度和空间复杂度。     

p混合误差下半变系数模型的相合估计

讨论了误差序列是p混合序列的变系数模型。给出变系数模型系数函数的局部多项式估计,并证明了该模型系数函数估计是弱相合估计。     

混合误差下半变系数模型的相合估计

讨论了误差序列是混合序列的变系数模型。给出变系数模型系数函数的局部多项式估计,并证明了该模型系数函数估计是弱相合估计。     

差分跳频系统中基于迭代分解的G函数构造方法

差分跳频是跳频技术中提高数据传输速率的一种有效方式，频率转移函数是差分跳频研究的重点，本文针对现有的频率转移函数所生成的跳频序列性质上的不足，提出了一种时变的频率转移算法，通过m序列，对频率对进行迭代分解，进而控制频率之间的对应关系，同时根据发端算法构造了解映射算法。对算法进行了理论分析和仿真验证，仿真验证表明：相比于基于m序列、RS码和混沌序列加扰的G函数算法，新的转移算法是时变的，产生的跳频序列的随机性、均匀性和安全性得到了改善，二维连续性符合卡方检验的理论值，在通信性能上也有了部分提升。     

基于改进双阶段注意力机制的降水智能预报

为提高现有时间序列算法降水预报的准确率,本文提出一种基于改进双阶段注意力机制的时间序列降水预报模型(DeepAMogLSTM).该算法分为两部分,在输入注意力机制中,使用三层注意力机制对输入序列进行多重关注,选择稳定的输入特征;在时间注意力中,通过选择与目标值最相关的隐层状态,捕获时间序列的长期相关性.算法同时引入形变...     

循环卷积的新型快速算法

新算法能快速地完成循环卷积,多项式乘积和相关函数等计算过程.从理论角度看,新算法具有方法独特,运算次数少等优点.但是在目前的技术条件下要想实现文中新算法还相当困难。有待今后继续努力.     

采用近似方法的实代数数准确表示及其应用

针对如何保证实代数数的二进制展开不形成伪随机序列的问题,提出了通过实代数数的近似值重构它的准确极小多项式的算法,以此为基础提供了一种新的计算机实代数数表示方法.采用1个三元组序列:适当误差控制的实代数数近似值,极小多项式的次数和高度的上界.与目前的3种实代数数的计算机表示方法相比,在稀疏极小多项式情况下,新表示方法占有的二进制比特位与区间方法一致,低于符号方法,而略高于序方法;在稠密极小多项式情况下,比目前的3种表示方法都低.同时利用近似值重构极小多项式的方法,可获得多项式的准确因式分解.通过理论的分析和试验的验证,显示新的实代数数准确表示方法和应用是高效合理的.     

基于GF空间多项式核函数的分类研究

在基于核方法的分类问题中,核函数及其参数选择皆对分类结果具有重要影响,通常基于经验选择核函数或基于多核优化方法确定核函数的权系数。针对GF空间的多项式核函数,在范数限定条件下利用多核学习方法优化多项式权系数,实现多项式核函数的优化。实验结果表明,算法优化得到的多项式核函数其分类性能优于常用的单核函数,与多核方法相当,并在分类中取得良好的效果。     

时序电路的故障诊断

故障诊断是数字系统理论的一个重要课题。本文旨在讨论各种时序电路固定型单(及多)故障测试模式的产生。采用的方法是具有时标参量的布尔差分法。一个时序函数可以定义为输入序列与输出序列之间的一个映射。一个时序函数既不能用真值表的形式来描述,也不能用经典的布尔代数来表达。但是,输入序列可以用一个含有时标的矩阵向量来描述,例如     

二元W-广义割圆序列的线性复杂度

周期为pq上的2阶W-广义割圆序列的线性复杂度和极小多项式是丁存生于1998年给出的．采用有限域上的多项式理论．考虑了任意的W-广义割圆序列的线性复杂度和极小多项式．并完全解决了这一问题．结果表明这类序列的线性复杂度的上界和下界分别是pq-1和（P-1）（q-1）／2．从密码学的角度看．多教的二元W-广义割圆序列具有很好的线性复杂度性质．以它们做密钥流序列的密码系统具有很强的抵抗B-M算法攻击的能力．     

基于灰狼算法和极限学习机的风速多步预测

为了提高风速的多步预测水平,提出了一种基于数据信号分解和灰狼算法优化极限学习机的混合预测模型。首先,使用具有自适应噪声的完全集成经验模态分解算法将原始风速时间序列分解为若干本征模态函数和一个残差序列,并使用偏自相关函数法对模型输入进行特征选择;其次,在分解子序列上分别建立模型并进行预测,构造多输入多输出策略的极限学习机神经网络,使用灰狼优化算法求解其中的最优化隐含层权值和偏置;最后,对子序列进行重构并得到最终的预测结果。使用时间分辨率为15 min的多组实测资料开展模拟实验,所提模型在3个风电场的均方根误差分别为0.859、0.925、0.927 m/s,均低于其他对比模型,验证了该模型在未来4 h风速预测即16步预测中的有效性。