基于子空间分解的OFDM信道盲辨识

该文提出一种基于子空间分解的正交频分复用(OFDM)信道的盲辨识算法,将OFDM信号等效为单输入多输出的过采样信号,采用过采样信号的循环稳态特性和子空间分解方法估计信道参数,算法不需要任何训练序列和周期性的引导信号,实现了0FDM信道的盲辨识。对于宽带OFDM移动通信系统,通常子信道数较大,信道响应持续时间短于0FDM符号周期,因此,可以将整个系统分为若干个子系统,各子系统分别进行信道辨识,能有效地降低信道估算的复杂性。     

基于子空间辨识的压电悬臂梁振动控制研究

针对柔性结构的振动普遍存在复杂性、非线性和建模难的特点,跳过了复杂的机械-电压建模,基于子空间系统辨识方法的基本算法和特点,设计出抑制悬臂梁振动的一种最优控制器,并在算法实现、算法性能方面进行了仿真和实时控制实验。实验结果表明,算法在提高系统辨识精度,降低计算量等方面都有显著提高,控制效果比较理想。     

一种逆迭代互关系子空间SIMO信道盲辨识方法

基于SIMO系统互关系模型提出了逆迭代辨识时间色散信道子空间方法,基于一阶扰动理论分析了提出方法的MSE性能.为增强算法稳定性,基于扰动理论和泰勒级数展开给出了一种迭代计算协方差CR矩阵逆的方法.理论分析和实验表明:和现有的自适应信道盲辨识方法相比,本文方法提高了信道估计精度,迭代计算CR矩阵逆的方法简单有效,实验结果和扰动分析得到的理论值有很高的一致性.     

用基于空间平滑的正交化算法分离相干信号

正交化超分辨算法在大信噪比时性能优良且运算量小,但由于正交化算法是一种信号子空间方法,因而在干扰相干时失效,而空间平滑方法已广泛应用于自适应阵列相干信号的分离.文中提出了3种基于空间平滑的改进正交化算法并给出了计算机仿真结果.第1种方法具有较小的运算量,但当信噪比降低时,性能会严重下降.第2种和第3种方法在运算量增加不多的情况下性能比第1种方法有所改善,尤其是当信噪比较小时.理论分析和计算机仿真结果表明这3种方法是有效的.     

基于神经网络的特征空间波束形成

基于特征空间的波束形成（ESB）算法具有较强的稳健性,但矩阵特征分解产生的运算量较大,所以本文提出将神经网络应用于ESB算法。由于传统的求解特征矢量的神经网络只针对实矩阵,新算法将复信号协方差矩阵进行酉变换转换为实对称矩阵,然后利用神经网络求解信号子空间,进行特征空间波束形成。仿真结果表明本文算法可以提高小快拍数时的波束形成性能,增大输出信干噪比。     

无人动力伞9自由度建模及模型辨识研究

对具有独特飞行特性的无人动力伞进行了研究,建立了无人动力伞9自由度非线性动力学模型。针对无人动力伞飞行特性具有的不确定性、非线性和复杂性特点,研究了基于观测器/卡尔曼滤波辨识算法和直接状态空间模型辨识算法。根据系统的飞行数据,辨识得到系统的纵向状态空间模型,分析了2种算法的辨识速度和辨识精度。辨识模型的仿真结果表明了辨识算法的可行性和有效性。     

基于空间矢量调制的异步电机离线参数辨识

提出了一种基于空间矢量调制方式的异步电机参数辨识方法,可在电机静止状态下测量相关参数。该方法在考虑导通压降、开关延时、集肤效应和死区效应因素的基础上,提出了相应的补偿措施,提高了辨识的精度。并在以TMS320F28335为主控制器的异步电机无速度传感器矢量控制系统上进行实验,实验结果验证了该方法辨识的参数准确性高,可直接应用于无速度矢量控制系统。     

逼近幂迭代子空间跟踪算法在多用户系统中的应用研究

本文将基于逼近幂迭代的子空间跟踪算法应用于多用户系统中.该算法利用适当的补偿矩阵逼近经典幂迭代子空间跟踪方法,在不增加计算复杂度的基础上保证了算法的全局收敛.将该算法应用于波达方向(DOA)估计及盲多用户检测系统中,利用接收的数据矢量估计信号子空间,进而可得到DOA的精确估计及检测器的权向量.仿真验证了算法在多用户系统中的有效性.     

闭环辨识算法研究及软件实现

过程模型辨识一直是系统自适应控制中一个很关键的部分。然而许多辨识方法仍基于开环阶跃试验来实现对象的辨识。通过对基于正常运行数据的闭环辨识算法进行深入研究和讨论,发现该算法主要适用于一般的辨识对象,无法对微分对象进行辨识。利用MATLAB仿真进一步验证算法的有效性和局限性。最后将算法应用于软件,利用罗克韦尔仿真软件平台,验证了程序运算的可靠性。     

多路径异步CDMA系统动态子空间跟踪算法

针对CDMA系统用户数改变,从而导致信号子空间维数变化时的情况进行分析,提出一种基于基旋转的动态子空间跟踪算法,并将其应用于多路径异步CDMA系统的多用户检测算法中。仿真结果表明,该算法能迅速地跟踪维数变化了的信号子空间,从而提高基于该跟踪结果的CDMA多用户检测算法的性能。     

高准确度实时指纹识别系统

利用二值化联合变换相关技术成功地设计了一个单空间光调制器、单CCD的光电混合实时指纹识别系统。通过对空间光调制器在傅氏谱平面的灰度动态范围进行调节 ,控制了通过整个系统的光能量 ,使得系统能够实时运行。利用离散余弦变换算法对联合变换功率谱进行数字处理 ,增强傅里叶面的互相关项 ,消除自相关项 ,提高了系统的识别能力。采用一种新的双参数判别方法对相关信号进行判别 ,提高了判别的准确度。实际测试结果表明 ,该识别系统的错误拒绝率为 0 47% ,错误接受率为 0。     

一种基于公共无线移动IP网络的 新型船舶自动识别模型

 为解决内河及沿海非公约适用船舶的避碰和安全航行问题,弥补基于VHF通信方式的AIS系统的不足,提出了基于公共无线网络移动IP的船舶自动识别模型——MIP-AIS.在研究该模型基本工作原理和船舶自动识别搜索算法的基础上,解决船舶在公共无线网络通信系统条件下,发现"邻近"船舶,"识别"船舶之间的实时信息传输和网络通信压力最小化等问题;分析了搜索算法的执行效率和系统数据传输的带宽需求等性能指标.实验表明,MIP-AIS能够满足当前沿海和内河船舶的自动识别需求,功能和性能均能满足国际标准要求.     

WCDMA系统上行链路阵列接收及自适应并行干扰对消技术

本文提出了一种适于WCDMA系统上行链路阵列接收加PIC的联合处理方案.首先针对WCMA系统上行链路帧结构的特征,将Z.Rong等中提出的LS-DRMTA改进为导频位辅助LMS-DRMTA算法.这种新的阵列接收CDMA解调算法相对于LS-DRMTA算法大大降低了基站处理的运算量,提高了算法的实用性,仿真实验还表明该算法比原算法具有更低的误码率.然后在阵列处理之后加上PIC,可以进一步消除CCI,降低系统误码率.这种阵列接收加PIC方案具有运算量小,延时小,易于适时实现等特点.     

一种用于MIMO系统的快速天线选择算法

在多径衰落环境中, MIMO系统的信道容量随天线数的增加呈线性增加,发射/接收天线选择方法能以很小的性能损失换取射频成本的大幅度降低,使MIMO系统不完全受射频成本的限制。为快速选择出使系统容量最优的发射/接收天线子集,该文提出一种快速天线选择算法的改进算法。该算法通过实时更新优化参数,大大降低计算复杂度。仿真结果表明,该算法在不影响系统容量的情况下大大减少了计算时间。     

表层穿透雷达递归反向投影成像算法

本文提出了一种冲激脉冲表层穿透雷达(Impulse Surface Penetrating Radar,简称ImpSPR)递归反向投影(Back Projection,简称BP)成像算法.ImpSPR应用中,高精度实时成像是进行表层下目标探测最直接和有效的手段.基于"延迟-求和"处理的时域BP成像算法可以对成像区域完成精确聚焦,得到高质量的雷达图像.然而由于其巨大的运算量,难以应用于ImpSPR系统的实时处理中.本文在对BP算法详细分析的基础上,建立了算法的递归模型,导出了递归BP算法的处理流程并对其运算量进行了分析.ImpSPR实测数据处理结果表明,递归BP成像方法可以大大降低运算量,有效的运用于ImpSPR系统实时处理中,同时也可用于机载合成孔径雷达系统.     

改进变步长LMS算法在系统辨识中的应用及性能分析

提出一种改进的自适应变步长最小均方（LMS）算法,该算法利用e^4（n）和遗忘因子λ（n）共同调整步长,同时具有在初始阶段和未知系统时变阶段自适应步长增大而稳态时步长变小的特点,更好地解决了稳态误差与收敛时间之间的矛盾。将该算法应用到系统辨识中,与一般的变步长算法相比,改进算法具有更快的参数辨识速度和更小的稳态误差,同时还具有很好地跟踪多时变系统的能力。     

一种新的基于极大似然估计的系统辨识方法

进化计算是一种基于自然选择和自然变异机制的并行随机优化算法。由于递推极大似然估计法难以实现性能指标函数的全局寻优，所以本文提出了将改进的进化计算用于系统参数辨识的方法。计算机仿真结果表明，该算法能够实现似然函数的全局寻优。     

一种基于相关性分析的镜头边界检测系统

研究并设计了一种以互相关分析为基础的视频镜头边界检测系统,该系统以分析前后相邻帧中若干条线段的灰度分布曲线相似度为基础,并结合了图像灰度直方图的相似度分析,比较有效地解决了镜头中有闪光灯出现和镜头快速移动时易出现的误检等问题,同时,克服了新闻节目中主持人画面渐变切换引起的漏检问题.该系统计算量小,可满足实时性分析的要求.     

基于倒谱的非最小相位FIR系统自适应辨识

本文介绍了一种在高阶谱一维切片的基础上利用倒谱进行非最小相位FIR系统自适应辨识的算法。这一算法具有计算量小，不需要预先假定系统阶次的特点，而且能够自适应地分别辨识出非最小相位FIR系统的最小相位部分和最大相位部分的冲激响应，同时，系统阶次可以在自适应过程中确定。另外由于本算法利用观测信号的高阶级计量进行系统辨识，所以很好地抑制了高斯有色噪声对辨识结果的影响。数值仿真结果证明了本算法的有效性。     

零极值目标函数系统辨识算法

该文提出一种零极值目标函数最小化系统辨识算法。目标函数为系统均方误差与系统噪声方差之差的平方,其极小值为零。在系统辨识过程中采用滑动平均法在线估计系统均方误差、输入自相关矩阵以及输入与期望响应的互相关向量。推导出自适应滤波器权值向量的更新表达式。算法的步长能够根据统计量自适应地调整,使得在得到较小稳态误差的同时提高算法收敛速度。分析了算法的稳定性,得到了算法收敛的条件。对比实验结果表明,该算法具有更快的收敛速度,更小的稳态误差以及更好的稳定性。