基于增强型龙格库塔优化算法的跳频序列设计

跳频技术具有优秀的抗干扰性能和多址组网性能,跳频序列(FHS)作为其关键,在设计时面临性能指标差、难以兼顾多指标的问题。提出一种基于增强型龙格库塔优化算法(ERUN)的跳频序列设计方法。利用跳频序列的汉明相关性、复杂度、均匀性和平均跳频间隔构建目标函数,建立适用于启发式优化算法的跳频序列设计模型。针对龙格库塔优化算法(RUN)在复杂优化问题上收敛速度慢、寻优精度差的问题,提出增强型龙格库塔优化算法。利用混沌反向学习机制提高初始种群质量,基于二次插值法得到更好的个体更新方向,并根据自适应t分布扰动帮助种群跳出局部最优。在6个基准测试函数和目标函数上的测试结果表明,与RUN的3个最新变体相比,ERUN具有更快的收敛速度和更高的解精度。将得到的跳频序列应用于跳频系统中,实验结果表明,该方法在固定干扰环境下误码率为4%左右,在变化干扰环境下误码率没有明显上升,展现出了较强的抗干扰能力和复杂环境适应能力。     

基于混沌特性的跳频序列复杂度分析

对于已有的跳频序列复杂度分析方法,通过分析跳频序列的混沌特性,提出了一种用关联维数度量跳频序列复杂度的方法,该方法能够对满足混沌特性的跳频序列进行复杂度分析,为跳频序列复杂度的度量提供了一种新的参考依据。最后对基于L-G非连续抽头模型和Logistic-Kent级联映射构造的跳频序列进行了基于混沌特性的复杂度分析,并对两者的复杂度进行了比较。     

基于压缩感知的高阶MIMO系统信道估值算法

针对通信网络中的天线数量巨大，很难完成对信道的有效计算与估值。借助于高阶多输入多输出（MIMO）系统的可靠性，提出了一种基于压缩感知的信道估值高阶MIMO系统。设计了一种简单的导频结构，以降低计算复杂度；利用导频序列长度可以随着信道稀疏度变化情况自适应的调整，从而节省了导频资源的开销。仿真实验表明，与传统的信道估计算法比较，在相同的信道估计精度条件下，HMCE-CS算法可以降低平均导频序列长度；或者在相同的导频序列长度条件下，HMCE-CS算法可以提高信道估计精度，验证了该算法的有效性。     

基于自适应采样的多假设预测残差重构算法研究

为保证遥感视频序列的高质量重构,本文结合视频序列的高时空冗余特点,在基于块的分布式视频压缩感知（Distributed video compressed sensing,DVCS）框架的基础上提出了一种基于自适应采样的多假设预测残差重构模型及基于变采样率的多假设预测残差重构算法.首先对目标帧进行预测,根据各块预测精度的不同自适应地分配采样率;然后用变采样率多假设预测残差重构算法重构出目标帧;最后利用双向运动估计对重构结果进行修正.仿真结果表明该算法能够在降低采样率的同时保证良好的主客观重构质量;相同采样率条件下,重构精度比MC-BCS-SPL算法提高大约7dB,比MH-BCS-SPL算法提高大约1dB.     

蓝牙与802.11b共存问题的研究与改进

由于802.11b和蓝牙都工作在2.4GHz ISM频段,将会造成两个系统之间的相互干扰,因此,本文着重对802.11b和蓝牙的共存问题展开深入研究,介绍了自适应跳频机制的基本原理和关键技术,并对自适应跳频机制中的“分段序列发生器”提出改进思想,给出改进算法的设计过程和实现方法。     

基于压缩感知改进算法的MIMO-OFDM稀疏信道估计

结合压缩感知理论（CS）,针对压缩采样匹配追踪算法在多输入多输出正交频分复用（MIMO_OFDM）系统信道估计应用中需要利用信号稀疏度的先验条件,而实际中稀疏度又难获得的情况,提出一种信号稀疏度自适应的压缩采样改进匹配追踪算法（CoMSaMP）。该算法采用具有理论支撑的原子弱选择标准作为预选方案,并设置首次裁剪阈值来减少算法多余的迭代,降低算法在信道估计中的复杂度,裁剪方式的改进保证了重构精度的提高,最终实现MIMO-OFDM稀疏信道估计中信号的稀疏度自适应。仿真结果表明：与原算法相比,该算法在同等信噪比条件下具有更优的信道估计性能,从而提高了频谱利用率,同时降低了复杂度,在稀疏度较高时,提出的算法具有更好的对噪声的抗干扰能力。     

基于IQRD-RLS的自适应均衡算法在DS-SS系统的应用研究

提出一种基于逆QR分解的RLS自适应算法(IQRD-RLS),该算法能有效降低计算复杂度、改善矩阵条件数,具有比基于相关矩阵的最小二乘算法有更好的数值稳定性。通过用Matlab仿真结果表明,逆QR分解方法避免了RLS问题的不准确求解问题,并且很容易随时检查变换信息矩阵的正定性。     

有效保留模型特征的自适应分层算法

针对3D打印中已有自适应分层算法不能有效保留模型特征的问题,提出了一种新的识别和保留模型特征的自适应分层算法。首先,扩展了模型特征的定义,引入了模型特征丢失和偏移的概念;然后,提出了一种特征识别的方法,其识别模型特征的关键在于利用了模型特征出现的地方必然伴随着模型表面复杂度或切片轮廓数的变化这一性质;最后,在已有自适应分层算法的基础上,通过在特征附近用最小的分层厚度处理模型来保留模型的特征。在自主开发的软件Slicer3DP上实现了均匀分层、自适应分层和所提的分层算法,对比发现所提算法能有效解决模型特征的丢失和偏移,兼顾了分层精度和效率。仿真表明该算法可以用于对模型精度要求较高的3D打印中。     

宽带自适应跳频控制器

本文叙述宽带自适应跳频控制器的原理及方案,频率集的配置、自适应跳频拒收门限及频点更新、跳频码序列及同步等。有效地组织宽带自适应跳频系统能避开大部分固定和半固定性质的单频连续波干扰,使得移动卫星通信系统中实现高可靠性的数据传输。     

一种新的MIMO-OFDM通信系统比特分配方案

从MIMO-OFDM系统模型出发,首先对理想信道传输矩阵进行奇异值分解,在子信道自适应调制设计中应用信道矩阵特征值把空分复用信道转化为并行子信道,将用于多载波自适应比特分配算法应用于MIMO-OFDM系统。然后以实现系统发射功率最小为原则,以降低系统比特分配算法复杂度为目标,提出了一种可变步长的子信道比特分配优化算法。仿真结果表明,这种算法不但可以实现和Campello方法相当的比特分配性能,还可以较大地降低系统的计算复杂度。     

基于贝叶斯网络的跳频序列多步预测*

根据跳频频率序列具有混沌特性,在相空间重构理论基础上提出一种用于跳频频率序列预测的贝叶斯网络模型。该模型将重构后的整个相空间作为先验数据信息,进而通过学习贝叶斯网络并利用贝叶斯网络推理算法达到对跳频频率多步预测的目的。仿真结果表明该方法具有良好的多步预测能力,并能有效地克服过拟合现象。     

自适应稀疏重构的双频预失真结构

针对双频功放预失真系统采样率过高的问题,提出一种基于压缩感知的自适应稀疏预失真结构,先通过基于分段多项式模型的记忆效应补偿器,再将信号融合理解为压缩感知采样重构问题,即在预失真反馈回路,利用自适应稀疏算法高精度重构遗失的五阶及高阶交调信号,使系数权值的最小均方解逼近最优,降低采集误差提升线性化效果。实验结果表明,在提高系统稳定性的同时,NMSE显示较2D-MP、2D-CPWL提高了约2~3 dB,ACPR大约改善20 dBc。对降低双频带预失真采样率同时提升功放线性度具有重大意义。     

时变谐波参数检测

本文以自适应线性组合器为基础,采用递归最小二乘法进行时变谐波参数的跟踪检测。当信号的基波频率发生变化时,采用分段检测的思想,对每小段信号先采用插值快速傅立叶变换法检测该段基波频率,作为自适应线性组合器的输入,然后采用递归最小二乘法进行幅度和相位的跟踪检测。该方法利用递归最小二乘法跟踪速度快的特点,实现了时变谐波的快速跟踪检测。实验结果验证了所提方法的有效性和准确性。     

MIMO-OFDM系统自适应信道估计算法分析

在MIMO-OFDM系统中,信道参数估计对相干检测至关重要.现有的信道估计算法大多需要对大矩阵做求逆运算,计算复杂度高,或者需要预知信道统计信息.提出一种MIMO-OFDM系统的自适应信道估计算法,无需任何先验信道统计信息,就能够通过导频辅助和迭代的方法对时变信道状态参数进行即时跟踪与估计.仿真结果表明在MIMO-OFDM系统中,提出的基于LMS或RLS的自适应信道估计算法相比于传统的不考虑噪声的LS信道估计算法,MSE和BER等性能均有大幅提高,能够很好地抵御无线信道引起的多径效应的影响,适宜应用于MIMO-OFDM系统.     

基于双核NiosⅡ系统的数字预失真器设计

设计了一种基于双核Nios Ⅱ系统的数字预失真器(DPD)。在FPGA中构建多查找表结构,实现了基于记忆多项式模型的DPD;采用双核处理器完成并行RLS算法处理,保证了DPD模型参数提取过程的执行效率。实验结果证明,该系统能够对功放的非线性进行较好补偿。     

基于HOG-SVM的跳频信号检测识别算法

针对非合作通信场景下的跳频信号自动化检测识别问题,本文提出了一种基于方向梯度直方图与支持向量机的跳频信号检测识别算法。该算法将无线通信信号转化为包含时间、频率和幅度的时频瀑布图,采用方向梯度直方图特征提取算法将不同跳频序列在瀑布图上产生的独特结构特征提取出来。然后利用支持向量机将特征序列映射到高维空间,通过寻找最大间隔分离超平面,实现跳频信号的检测与多种跳频序列的识别,并依此建立跳频信号检测识别原型系统。最后在室内多径信道环境下进行了测试验证,该算法能够完全自动化的精确检测到开放电磁环境下的跳频信号并且能够实现对多种跳频序列的识别。在信干噪比不超过20dB时,针对不同跳频序列的平均识别正确率能够达到98.01%。     

基于压缩感知的步长自适应前向后向追踪重建算法

压缩感知(CS)是一种新的信号采样、处理和恢复理论,能够显著地降低高频窄带信号的采样频率。针对稀疏度未知信号的重建,提出了步长自适应前向后向追踪(AFBP)算法。不同于固定步长前向后向追踪(FBP)算法,AFBP的步长可变。它利用一种自适应阈值的方法选取前向步长,然后对候选支撑集进行正则化处理以保证其可靠性,接着用自适应阈值与变步长双向控制的方法选取后向步长以减少重建时间。AFBP能够自适应后向删除估计支撑集中部分错误索引以提高信号准确重建概率。在稀疏信号非零值服从常见分布条件下,用AFBP、FBP等算法进行重建的结果表明,AFBP的准确重建概率、重建精度与FBP相当,重建时间明显少于FBP,能够更高效地重建稀疏度未知信号。     

基于提升小波和自适应多项式拟合的传感器网络多模数据压缩算法

为提高无线传感器网络的感知精度,提出了一种基于提升小波变换和自适应多项式拟合的多模数据压缩算法（adaptive multiple-modalities data compression algorithm based on lifting wavelet and adaptive polynomial fitting,简称AMLP）。在给定相关度阈值的前提下,AMLP算法先对数据进行灰色关联聚类,再对类中的相关数据进行自适应的多项式拟合,然后把未拟合的特征数据抽象成一个矩阵,利用提升小波变换去除数据的时间和空间相关性。最后,通过游程编码对数据作进一步压缩。仿真结果表明,AMLP算法能够有效去除不同数据间的冗余信息以及同种数据间的时间和空间冗余信息,提高压缩比,降低网络能耗。与基于小波的自适应多模数据压缩算法（adaptive multiple-modalities data compression algorithm based on wavelet,简称AMMC）相比,AMLP算法的数据恢复精度大大优于AMMC算法,压缩比和能耗相近。因此,AMLP算法更适用于要求高精度数据的传感器网络应用,如地质灾害监测、医疗和军事领域。     

Adaptive discrete-time sliding-mode control of nonlinear systems described by Wiener models

In this paper, we propose an adaptive control scheme that can be applied to nonlinear systems with unknown parameters. The considered class of nonlinear systems is described by the block-oriented models, specifically, the Wiener models. These models consist of dynamic linear blocks in series with static nonlinear blocks. The proposed adaptive control method is based on the inverse of the nonlinear function block and on the discrete-time sliding-mode controller. The parameters adaptation are performed using a new recursive parametric estimation algorithm. This algorithm is developed using the adjustable model method and the least squares technique. A recursive least squares (RLS) algorithm is used to estimate the inverse nonlinear function. A time-varying gain is proposed, in the discrete-time sliding mode controller, to reduce the chattering problem. The stability of the closed-loop nonlinear system, with the proposed adaptive control scheme, has been proved. An application to a pH neutralisation process has been carried out and the simulation results clearly show the effectiveness of the proposed adaptive control scheme.     

基于小波包变换的DS/FH系统抗窄带干扰研究

为了进一步提高直接序列/跳频(DS/FH)扩频系统的抗干扰能力,基于小波包变换结合递归最小二乘算法设计了一种变换域自适应干扰抑制算法,该算法采用小波包分解定位窄带干扰,递归最小二乘算法抑制窄带干扰.通过蒙特卡罗仿真分析在增加抗干扰模块后,DS/FH系统工作在准静态时,在不同信噪比条件下抗窄带干扰性能.仿真结果表明:该算法具有较强的自适应性以及抗窄带干扰能力,其性能优于传统的直接置零法,适用于多音干扰下的恶劣通信环境.