基于非线性空时编码系统的自适应信道估计

用非线性分组编码，在时间选择性衰落信道环境下，将基本LMS自适应算法推广到对二维空时编码信号的权矩阵自适应迭代估计，分析了对输入信号序列编码所生成的非线性编码矩阵之间的相关性，运用解相关LMS自适应算法对衰落信道进行估计．在不同噪声情况下，根据估计信道和噪声统计量，推导了对非线性编码进行解码的最大似然决策方法．仿真试验表明，采用扩展LMS算法和解相关LMS算法跟踪时变衰落信道响应具有较强的鲁棒性和快速收敛性，非线性空时分组编码系统相对干线性编码系统提高了编码系统性能，运用最大似然决策方法进行解码降低了系统误码率．     

解析的核学习自适应单步预测控制算法

针对非线性系统,在非线性广义最小方差控制律的基础上,提出了一种基于核学习辨识模型的自适应单步预测控制（KLAOPC）算法.首先辨识出非线性系统的核学习模型,并利用Taylor近似线性化方法获得控制律.采用中值定理证明了控制律的收敛性,并利用自适应校正项来提高其控制性能.核学习辨识模型容易获得,且在小样本情况下具有较好的推广性能.KLAOPC控制律具有简单的解析形式,需要调整的参数少且计算量小,适合非线性系统的实时控制.仿真结果表明,与其他控制算法相比,KLAOPC控制器有很好的控制效果,对过程的噪声和扰动等均具有较强的自适应性和鲁棒性.     

CDMA系统中改进的功率控制算法研究

提出了一种CDMA系统中改进的自适应功率控制算法．新算法基于信噪比测量，采用卡尔曼滤波器估计信道衰落，采用记忆单元记录功率控制调整指令历史，并综合利用两方面的信息来决定下一次的功率调整步长。该算法在一定程度上可以有效克服信道中深度衰落和快衰落带来的影响，并改善CDMA系统的性能．     

利于LDPC码对数似然比译码的自适应功率分配算法

提出了一种在低密度奇偶校验码(LDPC)编码的正交频分复用 (OFDM)系统中，利于各子载波进行LDPC码对数似然比译码的自适应功率分配算法，根据信道条件调整各子载波的功率，使系统的译码性能达到最优。给出了该算法在多径衰落信道下的仿真，仿真结果表明，自适应预处理算法对系统的误比特性能有了很大程度的提高。     

基于不同信道状态信息的两跳中继系统最优功率分配

根据已知瞬时信道状态信息或统计信道状态信息2种情况,分析了不同转发方式下两跳中继系统的信道容量,并以最大化系统容量为优化准则,提出了在发射端和中继器间的最优功率分配方案. 仿真结果表明,与传统的平均功率分配相比,最优功率分配能根据信道状态的变化自适应地调整两跳发射功率,显著提高系统容量.     

基于Müller法的非线性系统不依赖于受控系统模型的自适应控制

用Mueller法将非线性离散系统用于基于二次插值多项式进行动态非线性逼近,给出了不依赖于受控系统模型的自适应控制算法,讨论了该算法的收敛性,通过仿真表明,该算法对一类非线性系统实现无模型自适应控制是正确和有效的。     

PSO算法在3D打印喷头温度传感器非线性特性校正中的应用

将微粒群优化(PSO)算法应用于3D打印喷头温度检测系统的非线性特性校正. 在温度传感器特性无法准确获取的情况下,给出了基于PSO算法和逆模型实现非线性特性的线性化校正的一般实现思路和步骤. 首先对采集到的样本进行特征分析,提炼出温度传感器非线性特性的逆模型,再利用PSO算法对逆模型中未知参数进行优化求解,从而实现了3D打印喷头温度非线性特性的线性化校正. 最后,对3D打印喷头温度检测系统进行了实验研究,对比了逆模型的PSO参数优化求解和Matlab曲线拟合求解的实验结果,验证了本文基于PSO的喷头温度非线性特性的线性化校正方法的可行性,并可以扩展到一般非线性传感器的线性化校正应用中.     

基于矢量量化的TWTA自适应预失真非线性校正

行波管放大器的幅度非线性和相位非线性效应会引起信号的失真,必须对放大器进行线性化处理,而基于直接映射查表的预失真非线性校正方法简单而有效．提出了基于矢量量化的自适应预失真非线性校正方法,对直接查表法进行了改进,不仅在保证校正精度的同时降低了存储量,还可以用于不同量化位数的输入信号,具有很强的灵活性．     

多用户OFDM在时变衰落信道中的自适应资源分配

针对多用户OFDM系统应用注水功率分配策略时过于复杂的问题,提出了基于相干时间周期检测的增量调整及容量变化自适应反馈信道状态的自适应功率分配方法,对多径衰落信道中这种自适应分配方式的多用户OFDM系统容量进行了仿真,通过与理想情况下的注水原理资源分配容量比较,证明了所提自适应分配方法的性能与最佳分配基本一致,同时降低了系统的复杂度,其中基于容量变化的功率分配方案将反馈次数降低到原来的1/3～1/30,提高了系统效率,并保证了各用户的长期公平性.     

同时同频全双工射频快速自适应干扰抵消算法

在同时同频全双工收发信机中,考虑单径无线自干扰信道场景,提出了基于快速搜索思想的射频自适应干扰抵消算法。通过分析自干扰幅度估计误差、相位估计误差对射频自干扰抵消后剩余接收信号功率的影响,引出了射频域的快速自适应干扰抵消算法,并讨论了该算法的收敛性。分析与仿真表明,在同时同频全双工系统中,基于快速搜索的射频自适应干扰抵消算法可以有效实现射频域自干扰的抵消;与现有的射频自适应干扰抵消方法相比,其收敛时间减少了约60%。     

Fast nonlinear Shrinkage LMS Newton equalization algorithm over the satellite nonlinear channel

The adaptive Volterra equalizer is an effective technique for compensating the nonlinearity over satellite channels. However, its adaptive algorithm has a slow convergence speed. To counteract this problem, a new shrinkage least mean square Newton algorithm is devised for the adaptive Volterra equalizer over the satellite nonlinear channel. A noise-free posteriori and priori error signal is obtained by using a known Shrinkage method and L1-L2 minimization formulation. Furthermore, by minimizing the energy of the noise-free posteriori error signal, the SHLMS Newton method is able to provide a variable step size to update the weight vector for the adaptive Volterra equalizer, significantly enhancing the convergence speed. Simulation results indicate that the SHLMS Newton adaptive Volterra equalizer can effectively correct signal amplitude and phase distortions and satellite nonlinear channel distortion.Additionally, the SHLMS Newton algorithm can obtain a faster convergence speed than the traditional algorithms.     

MIMO非线性自适应模糊滑模控制

为了解决传统的自适应模糊滑模控制方法需经无穷长时间才能达到平衡点，不能对系统进行精确地跟踪控制的问题。提出一种具有快速收敛性的自适应模糊滑模控制方法。控制器用具有快速收敛性和稳定性的最终吸引子做自适应模糊调节率代替传统自适应模糊调节率，不仅具有稳定性且具有快速收敛性，从而使控制系统的输出能在有限时间内精确地跟踪参考信号。证明了所设计控制器是全局稳定的。并用该方法控制了二自由度机器手系统，仿真结构表明该方法能使机器手在有限时间内达到精确的位置和速度，从而证实了其快速性。     

基于归一化最小均方算法的自适应核RBFNN

为了使自适应核径向基函数神经网络(RBFNN)有更好的收敛速度和稳态误差,提出了以归一化最小均方为学习算法对自适应核RBFNN进行优化的方法。在梯度下降算法的基础上,通过一个可变的步长因子,对归一化最小均方(NLMS)算法进行推导,并将其作为学习算法对自适应核RBFNN的权系数及偏差进行更新训练。在非线性系统辨识及模式分类中的仿真实验结果表明,使用NLMS学习算法训练自适应核RBFNN相较于其他学习算法下的自适应核RBFNN,具有更快的收敛速度及相对较小的稳态误差。     

一类二阶时变非线性系统的混合自适应重复学习控制

针对含有时变和时不变未知参数的二阶非线性系统，结合Backstepping方法．提出了一种新的自适应重复学习控制方法，可处理参数在一个未知紧集内周期性快时变的非线性系统．通过引入参数周期自适应律．设计出的自适应控制策略．使跟踪误差平方在一个周期上的积分范敷渐近收敛于零．通过构造Lyapunov函数．给出了闭环系统收敛的一个充分条件．     

一类具有多种不确定性机器人系统的自适应控制

机器人系统含有不同类型的不确定性因素,这些因素的存在可能会影响系统的控制精度,甚至引起系统不稳定。针对具有外部干扰、内部动力学参数不确定性以及未知死区特性的一类不确定性机器人系统,提出了一种基于干扰观测器的自适应控制器。首先建立具有外部干扰的机器人系统非线性数学模型,并对模型中内部动力学参数不确定性和未知死区特性进行了分析。采用非线性干扰观测器对系统所受到的外部干扰进行估计和补偿,在干扰观测器的基础上设计自适应控制器用来处理内部动力学参数的不确定性以及未知的死区特性。最后采用李雅谱诺夫函数法从理论上证明了系统的稳定性和位置跟踪误差的收敛性,并采用数值仿真验证了所设计方法的有效性。     

Linearly constrained SOLMS for adaptive space-time interference cancellation in STBC MIMO systems

This paper presents an adaptive linearly constrained second-order least mean-square （LC-SOLMS） algorithm for interference cancellation in space-time block coded MIMO systems with fading channels. By taking mean-output-energy （MOE） optimization method, an adaptive linear detection algorithm was built up, which can suppress multiple access interference and noise. Simulation results illustrate that the proposed algorithm has great interference cancellation capability and faster convergence performance.     

一类不确定性非线性系统的神经网络稳定控制

针对一类伴随型的ｎ阶非线性系统中存在不确定性,引入神经网络作为非线性系统的模型,基于Ｌｙａｐｕｎｏｖ稳定性理论,提出有效的控制律及参数自适应律,由全局不变集定理证明闭环系统是全局跟踪收敛的。仿真研究结果表明了本文方法的有效性,为设计高性能的神经网络控制系统提供了一种强有力的方法     

Fair resource allocation algorithm for the smart TV system

In order to address the resource allocation problem of the smart TV system, a resource allocation algorithm based on the nonlinear elastic task model is proposed. First, we define fairness of QoS levels and describe the fair resource allocation problem of the smart TV system. Then, based on the nonlinear elastic task model, a fixed-point iteration method is used to solve the resource allocation problem and a sufficient condition for the convergence of the method is derived. Finally, nonlinear elastic task model is applied to the adaptive fair sharing controller. Simulation results show that the proposed algorithm can obtain fair resource allocation with a faster convergence speed than existing algorithms.     

不确定非线性系统高精度自适应模糊控制

针对一类未知边界函数的不确定仿射非线性系统,提出一种高跟踪精度特性的自适应模糊控制器。基于变论域模糊系统理论证明了最优逼近误差在特定条件下具有局部收敛特性。通过以跟踪误差作为输入并选择适当的自适应参数,设计出逼近误差局部收敛的自适应模糊控制器。以最优逼近误差存在未知上确界为主要假设,证明了闭环系统在所有信号一致有界意义下的稳定性和跟踪误差收敛性。该控制器无需附加补偿器即可在理论上消除逼近误差对跟踪误差的影响,从而实现平滑控制输入下的高精度跟踪性能。单力臂机械手控制的仿真结果表明了该方法的有效性。