一种噪声抑制的线性共轭多用户检测算法

当权向量受到噪声的影响时,最小输出能量（MOE）检测器的性能将显著下降．针对这一问题,设计了一种噪声抑制的线性共轭MOE检测器．将约束最小均方（LMS）算法应用到新的MOE检测器,提出一种基于约束LMS的盲噪声抑制线性共轭MOE多用户检测算法．该算法消除了权向量中的噪声分量,利用了接收向量的复数共轭,从而提高了系统的输出信干噪比和误码率性能．仿真结果表明所提算法有较好的性能．     

基于短时能量和最小相对均方误差准则的神经网络语音水印方法

针对传统最小均方误差（LMS）和最小二乘准则（RLS）的神经网络语音水印的局限性,提出了基于短时能量和最小相对均方误差（LRMS）准则的神经网络语音水印算法。首先在首帧语音中嵌入同步序列,然后求出每帧的短时能量并对大于设定阈值的语音帧进行小波变换,最后利用以LRMS准则构建的神经网络实现水印的嵌入和提取。通过合理设定短时能量阈值,实现了水印容量和鲁棒性的平衡,而采用Levenberg-Marguardt（LM）算法地让网络迅速收敛。理论分析和实验结果表明,与文献[8]相比,本文提出的神经网络方案收敛速度更快,对于噪声,低通滤波,重采样,重量化等攻击有更强的鲁棒性,性能平均提高了5%。     

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。     

基于循环平稳二阶统计量的SUB-CMOE盲均衡算法

提出了一种新的利用循环二阶统计量估计信道的盲均衡算法.通过对信道输出信号进行过采样,建立单输入多输出(single input multiple output,SIMO)信道模型.传统的约束最小输出能量算法(constrained minimum output energy algorithm,CMOE)只研究了理想的无噪声状态,不考虑噪声对信道的影响.然而实际中噪声是不可避免的.为了使得约束最小能量算法可以适用于有噪声环境,利用子空间算法来消除噪声对算法的影响.仿真结果表明本算法可以克服噪声对信道的影响,收敛速度快.     

MC-CDMA系统中的自适应半盲多用户检测算法

研究多载波CDMA(MC-CDMA)上行半盲多用户检测技术,对基于Chebyshev逼近算法实现的最小输出能量(MOE)盲多用户检测进行改进,提出MC-CDMA系统下一种基于子空间跟踪和Chebyshev逼近的自适应半盲多用户检测算法。该算法基于MOE线性检测器原理,充分利用小区内所有用户的扩频码,设计了一种基于MOE准则的半盲检测器,很好地消除了多址干扰。为了减少计算复杂度,将修正的PASTd算法应用于Chebyshev逼近算法估计MOE半盲检测器的最优权向量。该算法计算复杂度低,具有较好的抗多址干扰性能和检测性能。仿真结果验证了该算法的可行性和优越性。     

基于动态遗忘因子递推最小二乘算法的船舶航向模型辨识

为提高遗忘因子递推最小二乘（RLS）算法辨识船舶航向运动数学模型参数的快速性和鲁棒性,在分析遗忘因子大小对算法特性影响的基础上,提出一种基于模糊控制的动态遗忘因子RLS算法。该算法从理论模型输出与实际模型输出之间的残差入手来构造评估参数辨识误差大小的评价函数,并将评价函数及其变化率作为模糊控制器的输入,利用模糊控制器结合制定的规则表进行模糊推理并计算遗忘因子的修正量,从而实现遗忘因子的动态调整。仿真结果表明,与恒定遗忘因子RLS算法的对比,该算法能够根据参数辨识误差实时调整遗忘因子的大小,使算法在模型参数平稳时有更高的辨识精度,在模型参数突变时有更快的收敛速度,验证了所提算法的优越性。     

基于卡尔曼滤波的线性共轭半盲多用户检测

考虑实际的多载波CDMA（MC-CDMA）上行链路系统,深入研究了基于卡尔曼滤波的盲自适应多用户检测和线性共轭多用户检测,提出MC-CDMA系统下一种基于自适应卡尔曼滤波的线性共轭半盲多用户检测算法。该算法利用小区内所有用户的扩频码和伪自相关矩阵的信息设计了一种基于平均输出能量（MOE）准则的线性共轭半盲检测器,结合修正的PASTd算法和卡尔曼滤波算法自适应得到MOE权向量。仿真实验验证了所提算法的有效性,与卡尔曼滤波盲自适应算法相比,提出的算法有更好的输出信干比和误码率性能,并保持较低的复杂度。     

NLMS与RLS算法的仿真比较及其在FECG提取中的应用

该文通过计算机仿真对比研究了归一化最小均方误差（NLMS）和递推最小二乘（RLS）两种自适应滤波算法,并将这两种算法用于胎儿心电图仪的自适应滤波器仿真设计中。该方法通过自适应滤波拾取理想的参考信号,再与腹部混迭信号相减抵消母亲心电图（MECG）,从而提取出胎儿心电（FECG）信号。计算机仿真实验结果表明,这两种算法都能通过有效抑制MECG及其它各种干扰以实现FECG的检测。相比之下,RLS算法具有良好的应用性能,除收敛速度快于NLMS以及稳定性强外,还具有更高的起始收敛速率;更小的权失调噪声,更大的抑噪能力,但其计算复杂度高于NLMS算法。     

基于强跟踪滤波器的盲自适应多用户检测

盲自适应多用户检测是码分多址(CDMA)系统中抑制多址干扰的一项重要技术.为克服传统的基于最小化输出能量准则的盲自适应多用户检测技术收敛速度慢的这一缺点,利用一种新近提出的多用户接收器的典范表示方式,构造了多用户检测系统的状态空间模型,再利用强跟踪滤波器(STF)理论,设计了一种新的盲自适应多用户检测方法.仿真结果表明,在异步CDMA系统中,与基于LMS算法、RLS算法及Kalman算法的盲自适应多用户检测相比, 方法具有收敛速度快速稳定, 跟踪性能好等优点.因此,基于强跟踪滤波器的盲自适应多用户检测是有效的.     

无线传感网络低比特量传输的自适应RLS参数估计

在基于传感器网络的参数估计中,由于网络带宽和节点能量通常是有限的,直接传输每个节点获得的采样信号(无限比特精度)将消耗较多的带宽资源和节点能量,为了缓解这种情况,同时保证参数估计有较好的性能,考虑了利用无线传感器网络采样信号的低比特量化测量实现参数的自适应估计问题,并提出了一种基于递归最小二乘(Recursive Least Square, RLS)的低比特量传输估计算法,通过仿真实验表明,该算法相比现有低比特算法,估计精度更高,且能够达到与经典RLS算法几乎相同的估计精度和收敛速度。     

基于自适应卡尔曼滤波的盲多用户检测算法

对强多址干扰情况下码分多址系统的盲多用户检测算法进行研究,针对多径信道的码分多址系统,提出一种基于自适应卡尔曼滤波的盲多用户检测算法。该算法可在进行状态滤波的同时对未知噪声的统计特性进行在线估计,确保算法收敛于期望用户,提高检测器在动态环境下的跟踪性能。仿真结果表明,与最小均方算法及递推最小二乘算法相比,该算法具有更好的收敛性和动态性能。     

基于信道分析的动态可重构MIMO检测器

在多输入多输出(MIMO)系统中分析信道增益对信号检测性能的影响,提出一种基于信道分析的智能MIMO信号检测算法,根据各对天线间的信道增益动态调整子节点扩展数,在检测性能接近最大似然算法性能的前提下,该算法比传统K-best算法减少54%的子节点扩展数。基于该算法设计并实现的动态可重构的超大规模集成电路MIMO检测器支持4×4天线阵列、QPSK/16-QAM调制信号,数据吞吐率达到800 Mb/s。     

基于特征值分布的自适应MIMO接收方法

多输入多输出(MIMO)系统性能优劣依赖于信道的相关特性,空分复用技术适用于低相关信道,而波束形成技术适用于高相关信道。依据上述信道相关特性,提出一种基于信道特征值分布的自适应MIMO接收方法。该方法以均匀圆形天线阵列结构为基础,能够根据信道相关情况动态选择接收方式:当角度扩展较大时,选用传统MIMO接收方式(称为天线MIMO方式);当角度扩展较小、多径独立时,选用基于智能天线的多波束接收方式(称为波束MIMO方式)。分析角度扩展、多径对信道特征值分布的影响,并给出自适应MIMO接收切换的条件。仿真结果表明,该方法能够适应复杂的无线环境,误码率较低,性能更加稳定可靠。     

改进的混合多输入多输出系统收发方案

为在频谱利用率和可靠性之间取得折中,提出一种高效低复杂度的发射接收方案,将空间复用和空间分集相结合,形成一个STBC-VBLAST混合编码的多输入多输出系统。利用线性疏散码的结构特点,在发射端以等效的垂直分层空时码子层发送信号,接收端使用基于排序的QR分解的连续干扰抵消的算法进行译码,同样可以获得较好的复用和分集增益。仿真结果表明,该方案的误码率性能优于其他检测方案,可降低计算复杂度。     

基于频域LMS算法的稀疏信道估计

传统自适应滤波方法无法直接、有效地对稀疏信道进行估计。为此,提出一种基于频域的稀疏信道估计方法。为削弱或消除信道的稀疏性质在其估计过程中带来的影响,引入频域最小均方（LMS）算法。频域LMS算法通过FFT变换实现稀疏信道的非稀疏化,从而使其可以对稀疏信道直接估计。仿真实验结果表明,频域LMS算法具有较好的收敛性能,与频域RLS算法相比,其收敛速度相当,但其收敛后的均方误差提高近10dB,可较好地完成对稀疏信道的估计,同时在算法的实现过程中通过使用重叠保留法能较大程度地减少估计的运算量。     

基于多新息随机梯度永磁同步电机参数辨识

永磁同步电机(Permanent Magnet Synchronous Motor,PMSM)具有响应快、高精度、高转矩比等诸多优点。在永磁同步电机系统数学模型基础上,构建系统回归模型,推导得永磁同步电机多新息随机梯度参数辨识算法(MISG),仿真和实时实验结果表明由于MISG算法重复利用可测输入输出信息,较单新息随机梯度算法(SG)有着更好的参数估计收敛性,并且随着新息长度p的增加及遗忘因子引入,MISG算法辨识效果与最小二乘(RLS)算法接近。     

一种新的盲自适应拟Newton迭代Kalman滤波MUD检测器

针对ISI、MAI并存情况下码分多址系统盲自适应Kalman滤波算法检测稳定性不足的问题进行了研究,结合Newton迭代法提出了一种适于多径信道下DS-CDMA系统的盲自适应拟Newton迭代Kalman滤波MUD算法。该算法能够在进行状态滤波的同时对未知噪声的统计特性进行在线估计,确保算法能够有效收敛于期望用户提高了检测算法在动态条件下的用户跟踪能力。仿真结果表明,BN-Kalman算法具有更好的收敛性和动态性能。     

结合编码信息的单通道盲信号分离改进算法

针对同频调制多路线性混合信号的单通道盲分离,根据自适应跟踪信道参数和逐幸存路径处理原理的思想,在基于LMS跟踪的M-PSP算法框架下,提出了一种能减小计算复杂度的RLS-RPSP算法。该算法利用多路RLS收敛速度快的特点,通过分段设置幸存路径数来保留幸存路径,既能实现对多路信道响应的同步跟踪,又无需对初始响应作任何粗估计。理论分析和仿真结果表明,在具有近似相同的误码率性能情况下,不论非时变或时变信道,新算法相比LMS跟踪下的M-PSP算法,至少能降低一半的运算复杂度。     

基于纠错输出编码的人脸表情识别

多分类问题一直是模式识别领域的一个热点,提出了一种基于纠错输出编码和支持向量机的多分类器算法。根据通信编码理论设计纠错输出编码矩阵;按照该编码矩阵设计若干个互不相关的子支持向量机,根据编码原理将它们融合为一个多分类器。为了验证本分类器的有效性,采用Gabor小波提取人脸表情特征,应用二元主成分（2DPCA）分析法对提取的特征进行降维处理,应用该分类器进行了人脸表情的识别。实验结果表明,提出的方法能有效提高人脸表情的识别率,并具有极好的鲁棒性。     

改进二进制和声搜索算法求解多维背包问题

和声搜索（HS）是一种已广泛应用于连续优化问题的元启发式方法。针对典型的组合优化问题——多维背包问题（MKP）,提出一种改进二进制和声搜索（IBHS）算法。算法通过伯努利随机过程生成二进制群体,在候选和声生成算子中,引入动态自适应参数,通过算法参数的自适应调整来协调算法的全局搜索和局部搜索,并提出一种新的更有效的衡量商品多维加权价值密度的方法用于二进制个体修正和优化;引入精英局部搜索机制进行协同寻优,提高IBHS的收敛速度。通过求解10组不同规模的典型多维背包算例和与贪心二进制狮群优化（GBLSO）算法、改进的差分演化（MBDE）算法以及二进制修正和声（BMHS）算法的对比分析,实验结果表明,所提算法在求解MKP时有具有良好的收敛效率、较高的寻优精度和很好的鲁棒性。