一种应用于GPS抗干扰的改进LCMV算法

研究了一种基于LCMV算法的自适应波束形成算法。结合GPS卫星信号的特点将该算法应用于GPS接收机的抗干扰系统中。文中对该自适应算法进行了推导和Matlab仿真,并使之与LCMV算法的仿真效果作比较,结果表明,该算法能更好地抑制干扰、保留期望信号。     

改进的LCMV算法在多波束形成中的应用

基于线性约束最小方差(LCMV)算法的自适应波束形成技术,得到的方向图能保证期望信号方向增益最大,非期望方向形成零陷。但实际应用中由于不可避免的存在阵元位置误差、阵元相位误差及指向误差等(统称为相位误差),使约束的导向矢量与真实期望信号的导向矢量不一致,从而影响系统的性能。改进的LCMV波束形成算法——基于迭代二阶锥的唯相位波束形成技术,通过改变移相器的相位,使各阵元输出信号相位一致,在多个方向上形成主波束,阵列输出功率最大。     

基于LCMV的两种干扰抑制算法对比分析

为了对比分析线性约束最小方差(LCMV)准则下的功率倒置(PI)算法和最小方差无失真响应(MVDR)算法的综合抗干扰性能,建立天线阵列接收信号模型。理论分析了LCMV准则以及PI和MVDR算法原理和特点。从对扩频信号捕获和信号载波相位的影响2个方面对比分析了2种抗干扰算法的性能,并利用Matlab对分析结果进行验证及进一步分析,得出MVDR算法抗干扰性能优于PI算法,对卫星导航领域的抗干扰的工程实践有一定的指导和借鉴意义。     

基于GPC算法的远距离多信道光纤通信网络时延控制方法

针对远距离多信道光纤通信网络进行光纤数据传时输产生的时延问题,深入研究远距离多信道光纤通信网络的时延控制方法,分析光纤热膨胀、光纤折射率和光纤色散系数等因素对光纤通信网络时延的影响,传感器收集到的光纤数据经光纤通信网络传输到控制器后,控制器采用时间驱动方法执行GPC控制算法,同时设置缓冲区解决网络数据传输时序错乱,将采用GPC算法实施超前预测控制后的光纤信号数据序列发送到执行器,执行器采用缓冲区算法控制光纤色散、光谱宽度和光纤折射率,控制光纤通信网络时延。实验结果表明,本文方法控制下网络传输过程中数据的丢包率和误码率均为0,且传输数据的利用率为100%,均优于传统方法,说明该方法可以提高光纤通信网络数据可利用率和通信能力,是一种有效的时延控制方法。     

改进的Floyd算法在套牌车辨别中的应用

针对套牌车辨别中用传统Floyd算法计算最短路径距离存在效率低和速度慢等问题,文中提出了一种改进的Floyd算法,减少了矩阵迭代过程中任意两点之间的最短路径计算量,提高了算法效率。在MATLAB中用同一矩阵对改进前后的Floyd算法进行仿真和比较,结果表明,改进后的算法在效率上高于传统算法。运用某市交通数据集辨别套牌车时,改进的Floyd算法效率比传统Floyd算法的效率提升了近30%,说明了改进的Floyd算法的高效性和实用性。     

一种改进的Ford算法

针对不含负回路网络中最短路Ford算法运算量大、直观性差的不足,引入表上作业法思想,从提高算法效率和增强计算直观性2个方面对其进行改进,并给出新的算法。新算法既能快速计算最短路权又能更直观地表现解题过程,是一种计算最短路的简捷方法。仿真结果和算例表明了新算法的有效性。     

GPC算法在火炮随动系统中的仿真研究

计算机技术和数字化技术的发展,使得构成火炮随动系统的各元件,从质量和性能上都有了很大的提高;随着硬件的制造工艺有了很大改进,使得软件可做到更加精确,在使控制率的设计、调整和维护更加便捷可靠的同时,对于控制中存在的非线性和不确定性因素的影响,用软件设计算法比硬件更简洁且便于维护。本文使用GPC算法对CARIMA模型（受控自回归积分滑动平均过程模型）进行模拟仿真,使用多步预测、滚动优化的方法检验算法在受到非平稳随机扰动的不稳定系统中的控制性能。仿真结果证实了该控制策略的优越性。     

一种基于延迟变化率的网络延迟自适应采样算法

文章提出了一种测量网络延迟的自适应采样算法，针对周期性延迟采样不能很好地根据当前网络状态调整采样频率这一缺点，自适应采样算法以延迟变化率作为动态控制采样频率的主要指标。通过对自适应和周期性采样算法实际测量中测得的数据进行比较分析，自适应算法能根据网络当前状态调整采样频率．不仅能有效地跟踪到延迟突变，而且还可以从总体上大大减少采样工作量。     

一种星载阵列天线的高效波束赋形算法

随着有源相控阵和数字波束形成技术的应用, 低轨道卫星通信多波束阵列天线不仅可以形成同时多个固定的对地等通量低旁瓣赋形波束, 还具备了可以随着通信任务需求变化, 动态调整方向图形状的能力.但是目前常用的高性能波束赋形算法, 运算量较大, 收敛速度慢, 优化参数调整复杂, 无法直接应用于在线实时计算.针对上述要求, 提出了一种高效的迭代最小方差方向图综合方法.该方法采用方向图分区域加权逼近和方向图相位去约束技术, 在满足较高的主瓣赋形精度和旁瓣电平控制等指标要求的前提下, 具有迭代过程简单、优化参数少、算法稳健和运算量少等特点, 可以部分满足要求波束方向图动态变化的卫星通信系统权重系数在线计算的需要.     

一种基于形态滤波的水声信号检测算法

针对水声目标检测中色噪声及近场强干扰导致目标检测概率下降的问题,通过分析实际水声信道特性和水声阵列接收信号的LOFAR谱特征,将导向最小方差波束合成(STMV)与形态学滤波技术相结合,提出一种基于数学形态学滤波的水声目标检测方法。在STMV之后,应用联合形态学滤波估计信号噪声基底,进行常规信号检测。海试数据处理结果表明,该算法能在复杂的噪声背景环境下实现对水下微弱目标的有效检测。     

一种改进的小波阈值算法在激光侦听中的应用

为了更好地实现激光侦听中的语音降噪,采用一种改进的小波阈值去噪算法,进行了理论分析和实验验证,取得了一系列仿真数据。结果表明,改进后的算法与传统的降噪算法相比,降噪后的语音信噪比显著提高,降噪效果明显,信号波形更加平滑、失真度小。     

Ad Hoc中一种改进后退机制的基于多包接收的MAC算法

物理层多包接收技术的发展给利用物理层多包接收能力的媒体接入控制（MAC）协议的设计带来了挑战。IEEE802.11 DCF是目前WIAN最成熟的分布式MAC协议之一，对其在多包接收模型下进行性能改善将有很大的应用价值。在物理层具有多包接收能力的基础上，提出了一种改进的802.11 DCF协议，并将该协议应用于现有的基于802.11 DCF的多包接收MAC算法（MDCF），理论分析和NS-2仿真实验结果表明，该算法与IEEE 802.11 DCF和MDCF相比，在网络吞吐量和时延性能方面有很大的改善。     

一种应用于OFDM系统的波束形成方法

根据OFDM信号的特点,在深入分析使用训练序列和导频符号进行波束形成这2类算法的基础上,提出一种适用于无线局域网分组传输情况下的波束形成方法,此方法结合了上述2类算法的优点,同时使用训练序列和导频符号在时域进行波束形成。在瑞利衰落信道下的计算机仿真结果表明,该算法有较好的性能。     

一种改进的深度神经网络应用于推荐系统

推荐系统是信息过滤的一种重要工具。随着互联网和大数据的介入,推荐系统的技术革新面临着新的挑战。近年来,深度学习的革命性进步在语音识别、图像分析和自然语言处理方面都受到了广泛关注。与此同时,一种应用于许多复杂任务的最先进的机器学习技术被用于推荐系统,以提高推荐的质量。由于其一流的性能表现和高质量的推荐结果,深度学习可以更好地理解用户需求、项目特征及其之间的历史性互动。文章提出将一种改进的深度神经网络应用于推荐系统。实验结果表明,该方法的效果令人瞩目。     

改进的波束成型遗传算法对宽角度干扰的抑制

将遗传算法应用于一维线性天线阵的波束成型,研究了该算法对宽角度干扰的抑制性能。提出了一种改进的二进制编码方法,引入若干参数用以方便地控制了解的精度和搜索空间。仿真结果表明,该算法可以有效地抑制宽角度范围的强干扰信号,收敛速度快,抑制深度可达30dB。与已发表的文献比,该算法得到了更好的干扰抑制效果。     

FBMC-OQAM系统定时同步改进算法

针对具有偏移正交幅度调制的滤波器组多载波（Filter Bank Multicarrier with Offset Quadrature Amplitude Modulation,FBMC-OQAM）系统中目前存在的定时同步算法问题,提出了一种改进的定时同步算法。该算法利用两个特殊设计的符号,将其连续通过FBMC-OQAM系统后在时域形成共轭对称特性的信号。与现有的算法相比,该算法增加了计算相关序列的长度,但减少了训练符号,还去除了高旁瓣带来的干扰。理论分析与仿真结果表明,改进算法具有更好的定时同步性能。     

用于SFBC MIMO-OFDM系统的改进SLM算法

在空频编码(SFBC)多输入多输出正交频分复用(MIMO-OFDM)系统中传输符号存在较高峰均功率比(PAPR)问题,采用SLM算法能够有效降低系统峰均功率比,但随着发射天线数的增加,较多的快速傅里叶反变换(IFFT)会增加系统的计算复杂度,因此,构造F矩阵并提出了一种基于F矩阵SFBC MIMO-OFDM系统的改进SLM算法。采用F矩阵作为相位序列组对空频编码信号进行独立处理,获得最优相位序列取共轭,将共轭序列中每两个旋转因子为一个单位交换位置,并扰码SFBC后各天线的信号,以此减少了每根发射天线上的IFFT次数。理论和MATLAB仿真分析表明,该算法获得了良好的峰均比性能,同时也降低了系统的计算复杂度。     

改进的量子遗传算法在网络拥塞控制中的应用

当前以遗传算法为基础的网络拥塞控制方法对网络拥塞存在控制目标选取耗时,最优目标参数选取不均等问题,控制效果不佳。针对这一问题,结合量子计算的优点,提出一种基于改进量子遗传算法的网络拥塞控制算法,首先对网络拥塞的原理进行分析,建立QoS路由拥塞控制数学模型,将量子计算引入遗传算法进行改进,在静态旋转角的量子遗传算法的基础上,保证拥塞目标参数的选取准确性,给出算法的实现方法和具体流程。实验结果表明,该算法的搜索速度快、效率高、可以很好地优化网络性能,实现拥塞控制。     

一种改进的神经网络相关性剪枝算法

神经网络的剪枝有利于网络结构的简化,而作为剪枝算法中的比较重要的相关性剪枝算法,在计算了隐层节点输出的线性相关性和方差后,对于如何根据线性相关值和方差值删除节点并没有给出明确的界限。文章通过研究神经网络的相关性剪枝算法,给出一种以网络的误差传递为思想,根据方差值删除节点的方法,并通过实验证明,该方法不仅能够有效的简化网络结构,保证网络精度,而且计算简单。     

一种基于ART2神经网络的算法改进

针对传统的ART2神经网络中对于主观设置的警戒参数以及识别分类过程中产生模式漂移的问题,提出基于改进算法的ART2神经网络模型,用于解决分析模式识别问题。通过自组织,加权,迭代等过程推导合理的警戒参数用于聚类运算,通过对ART2神经网络的权值训练方面进行修正,减缓学习速率,降低模式漂移速度,近一步对聚类对象进行合理分类。实验结果证明,该方法是可行的和有效的。