用于WCDMA系统中的改进型恒模多用户检测算法

提出一种适应WCDMA(Wide code division multiple access)系统的改进型恒模多用户检测算法,根据二级扩频调制结构,多址干扰的循环平稳周期等于扰码周期和扩频因子的最小公倍数,为使恒模算法适应这种扩频调制结构,改进型恒模算法中权系数的更新迭代公式随循环平稳周期变化.实验表明:在目标误码率为10-3的4用户WCDMA系统中,改进型恒模多用户检测算法能获得1 dB的增益.     

基于粒子群算法的盲多用户检测器

在信道参数未知的多径环境下,盲多用户检测算法性能存在诸如收敛速度慢和估计精度低等问题。将粒子群算法运用到基于恒模算法的盲多用户检测中。仿真结果显示,粒子群算法能够更精确地估计出信道的参数,且其收敛速度非常快,在估计出信道参数之后再进行盲多用户检测,检测性能优良。     

Lagrange优化前馈神经网络盲多用户检测算法

提出了一种前馈神经网络盲多用户检测算法.该算法利用恒模准则构造了一个代价函数,给出了该算法的约束条件.利用增广Lagrange函数方法对带约束的代价函数进行优化求解,获得前馈神经网络网络权值和参数的迭代公式,从而实现了盲多用户检测.利用计算机对增广Lagrange函数优化的前馈神经网络盲多用户检测算法进行仿真.仿真结果表明,新算法具有较好的误码率及收敛特性等性能.     

惩罚函数优化的前馈神经网络盲多用户检测

提出一种前馈神经网络盲多用户检测算法,利用前馈神经网络替代原有检测器中的滤波器,通过惩罚函数对约束恒模代价函数进行求解,获得前馈神经网络权值和参数的迭代公式,实现了盲多用户检测。Matlab仿真结果表明,该算法改善了系统的误码率性能,加快了算法的收敛速度。     

脉冲噪声中基于广义恒模算法的多用户检测

在高斯白噪声信道中提出的各种多用户检测方法在脉冲噪声存在的情况下出现了明显的质量下降,而实际的物理信道中又经常伴随着脉冲噪声。将α-稳定分布噪声作为背景噪声模拟实际物理信道中存在的脉冲噪声,根据脉冲噪声的特殊性质,在恒模多用户检测算法的基础上将广义恒模算法应用到了多用户检测技术中去。仿真结果表明该算法在高斯白噪声以及α-稳定分布的脉冲噪声中均取得的良好的性能,具有很好的鲁棒性。     

认知型宽带恒模阵列水声通信多用户信号分离与干扰抑制算法

提出了一种适用于水声通信系统节点多用户信号获取与干扰抑制的宽带空时恒模阵列算法,实现多用户信号提取和宽带干扰的抑制。该算法与常规恒模阵列相比,具有更强的多径与干扰抑制能力。作为认知水声通信技术的重要组成部分,采用时频分析与瞬时自相关等调制特征提取算法,对宽带恒模阵列获取的多用户及干扰有效分类,从而为不同调制用户解调及干扰抑制提供解决方案。计算机仿真验证了该认知处理算法结构的良好性能。     

动量抖动符号误差恒模盲多用户检测算法

针对直扩码分多址通信系统中存在的多址干扰抑制问题,采用加入动量项加快算法收敛的方法,提出一种基于动量抖动符号误差的恒模盲多用户检测算法,在理论上证明该算法的收敛性。通过计算机仿真对该算法与其他算法进行比较,结果证明该算法有较好的收敛性、跟踪性和鲁棒性。     

TD-SCDMA上行失步条件下一种改进的多用户检测算法

针对TD-SCDMA上行失步及强多址干扰的情况,设计了一种二级信道估计算法以及基于该信道估计算法的解相关干扰消除多用户检测算法。二级信道估计算法可以得到各接入用户主径的幅度以及时延,多用户检测算法根据信道估计的结果对接收数据进行解相关检测以及干扰消除。仿真结果表明,上行失步和强多址干扰情况下,该改进算法的误码率性能较传统的匹配滤波、联合检测以及解相关算法有较大的提升。     

MOE盲多用户检测算法中约束向量的研究

最小输出能量（Minimum Output Energy,MOE）盲多用户检测是一种简单的不用进行信道估计就可直接获得多用户检测器参数的算法,在该算法中,约束向量起着相当重要的作用,它直接影响多用户检测器的最优权矢量。通过对不同约束向量时MOE盲多用户检测算法基本原理的分析,将MOE盲多用户检测算法分为线性约束MOE盲多用户检测算法和鲁棒二次约束MOE盲多用户检测算法两大类。通过仿真实验比较了各种检测器的性能。     

双向中继协作通信系统的迭代接收机设计

针对双向中继协作系统建立了中继节点多用户接收机因子图模型,通过利用高斯参数化对混合高斯分布进行近似,提出了一种联合信道估计、多用户检测与译码的迭代消息传递算法,在合理的复杂度下有效地提高了中继接收机对于多用户混合信号的检测性能.     

一种新的基于统计测度的变步长CMA盲均衡算法

在常模量算法的基础上，提出了一种适合于常模信号的基于统计测度的变步长盲均衡算法。考虑到信道畸变和噪声的同时作用将使得有些观测信号值受到更大的影响，因此可以认为这些值时均衡器系数的调整从统计测度上讲是不太有利，故采用较小的步长，使得该值在整个均衡器系数的调整中贡献较小。本文对此进行了理论解释。仿真结果表明，该算法具有较快的收敛速度，且收敛后的超量均方误差（EMSE）与CMA算法基本相同。     

CMA adaptive equalization in subspace pre-whitened blind receivers

In blind channel equalization, the use of whitening transformation (WT) preceding the constant modulus algorithm (CMA), referred to as the pre-whitened CMA, may accelerate the rate of convergence of using the CMA alone. In this work, we develop a novel subspace pre-whitened CMA (SP-CMA) using the subspace WT. By allowing the channel matrix to be non-square, this approach for the subspace WT offers greater flexibility in the design of the WT than the conventional per-whitened CMA does. The similarities and differences between the SP-CMA and the conventional CMA were first examined and analyzed in terms of their convergence behaviors from a theoretical viewpoint. The convergence behavior of the SP-CMA was analyzed under the whiteness assumption in which the input of the blind equalizer has been whitened beforehand by the subspace WT. The upper bound of the improvement in convergence of the SP-CMA over its CMA counterpart was developed. This analysis can be readily extended to other existing pre-whitened CMA schemes. Computer simulations using two highly dispersive multipath channels confirmed the superior convergence of the SP-CMA.     

A robust correntropy based subspace tracking algorithm in impulsive noise environments

The maximum correntropy criterion (MCC) demonstrates the inherent robustness to outliers in adaptive filtering. By employing the MCC based cost function in projection approximation subspace tracking (PAST) algorithm, the MCC-PAST algorithm is deduced and utilized for the subspace tracking under impulsive noise environments. To handle the fast varying subspaces circumstances, the variable forgetting factor (VFF) technique is developed and incorporated into the MCC-PAST algorithm. To assess the robustness of the proposed MCC-PAST with VFF algorithm, SαS processes are employed to comprehensively model different scenarios of impulsive noises. The simulation results show the proposed MCC-PAST algorithm with VFF performs better than the other two PAST algorithms developed for subspace tracking in impulsive noise environments, namely, the robust PAST algorithm and the robust Kalman filter based algorithm with variable number of measurements (KFVNM), especially when the noise is extremely impulsive or the GSNR (generalized signal to noise ratio) is relatively low.     

基于低秩约束的极限学习机高效人脸识别算法

复杂应用场景中,光照变化、遮挡和噪声等干扰使得将像素特征作为相似性度量的识别算法的图像类内差大于类间差,降低了人脸识别性能。针对这一问题,提出了一种低秩约束的极限学习机鲁棒性人脸识别算法,提升了复杂场景下的识别性能。首先,利用人脸图像分布的子空间线性假设,将待识别图像聚类到相对应的样本子空间;其次,将像素域分解为低秩特征子空间和稀疏误差子空间,依据图像子空间的低秩性对噪声鲁棒的原理,提取人脸图像的低秩结构特征训练极限学习机的前向网络;最后,实现对噪声干扰鲁棒的极限学习机人脸识别算法。实验结果表明,相比前沿的人脸识别算法,所提方法不仅识别精度高、算法时间复杂度低,且具有较好的实用性。     

基于小波包变换的Robust-M检测器

利用小波包分析将信号变换到其小波包系数域上，通过研究平稳随机噪声在各子空间上小波包系数的统计特性，结合Robust检测理论的相关结论，对非高斯噪声下的信号检测问题建立了统一的框架，并提出了一种新的检测算法。仿真实验表明，此算法不仅具有良好的鲁棒性和广泛的适用性，而且能够更为充分地利用噪声统计分布信息，从而有效地提高检测效率。     

基于随机子空间的局部鉴别投影*

针对高维数据容易对噪声敏感及容易造成维数灾难问题,文中提出基于随机子空间的局部鉴别投影算法(RSLDP).利用随机子空间方法对高维的原始数据进行特征选择,在生成的低维特征子空间构造近邻图,降低噪声影响.RSLDP通过最大化局部类间加权散度和最小化局部类内加权散度,同时最小化样本的总体局部散度,改进局部最大间距鉴别嵌入算法,较好刻画样本与其类间类内近邻中心点的关系,有利于鉴别特征的提取.在CMU PIE和AR这2个人脸数据库上的实验表明文中算法的有效性.     

k近邻约束的稀疏子空间聚类

稀疏子空间聚类是近年提出的高维数据聚类框架，针对实际数据并不完全满足线性子空间模型的假设，提出[k]近邻约束的稀疏子空间聚类算法。该算法结合数据的子空间结构，[k]近邻及距离信息，在稀疏子空间模型上，添加[k]近邻约束项。添加的约束项符合距离越小，相似系数越大的直观认识且不改变系数矩阵的稀疏性。在人脸数据集Extended YaleB、ORL、AR，物体图像数据集COIL20及手写数据集USPS上的聚类实验表明提出的算法具有良好的性能。     

一种新的子空间投影抗干扰改进算法

子空间投影算法是一类重要的天线阵抗干扰算法。在强干扰环境下,子空间投影抗干扰算法能够有效抑制强干扰,但同时也会造成有用信号损耗。本文从天线阵列增益的角度出发,提出一种基于子空间投影的抗干扰新算法,以有效降低有用信号损耗。仿真实验结果证明,本文提出的新算法可使阵列输出载噪比至少提高1.2dB。     

基于RPCA对高维数据子空间聚类的预测方法

预测子空间聚类PSC算法由于建立在PCA模型下,无法鲁棒地进行主元分析,导致在面对带有强噪声的数据时,聚类性能受到严重影响。为了提高PSC算法对噪声的鲁棒性,利用近年来受到广泛关注的RPCA分解技术得到数据的低秩结构,鲁棒地提取子空间,具体地,通过将RPCA模型融入PSC算法,提出了一种基于RPCA的预测子空间聚类算法。该算法在RPCA模型下检测强影响点,不但可以有效地进行变量选择和模型选择,而且更重要的是改善了PSC算法在噪声环境下的聚类性能。在真实基因表达数据集上的实验结果表明,改进后的算法较之经典的PSC算法无论在无噪声或加噪声环境下都表现出一定聚类优势及良好的鲁棒性。     

DOA估计算法的一种修正MUSIC算法的研究

传统改进 MUSIC 算法通过对接收信号协方差矩阵作预处理,使信号协方差矩阵分解得到信号子空间与噪声子空间正交,从而降低噪声的影响。但当信号间隔很小时,随着信噪比的降低,传统改进MUSIC算法已无法分辨出信号。基于此问题提出的修正MUSIC算法在使信号子空间与噪声子空间正交的基础上,充分利用了噪声子空间及其特征值对噪声子空间的修正,进而构造谱峰搜索函数估计出信号。通过仿真实验,证实了在信噪比很低的情况下,信号间隔很小且存在相关信号时,修正MUSIC算法能准确地估计出传统改进MUSIC算法不能估计的信号。