用于无线快衰落信道的快速自适应估计新算法

提出了一种用于无线快衰落信道的快速自适应估计新算法--拆分基展开递推最小二乘法.该算法通过利用多径信道之间相互独立的特性,减少了传统基展开递推最小二乘法在相关运算过程中的冗余.实验结果表明,提出的新算法与传统的基展开递推最小二乘法比较,在得到同样信道估计精确度的条件下,算法的复杂度降低了约80%.     

基于M估计变步长自适应仿射投影算法的稳健时延估计

该文提出了一种基于M估计变步长自适应仿射投影方法的稳健时延估计(TDE)算法。该算法将自适应仿射投影算法应用于时延估计,无须事先假定信号和噪声的统计特性,自适应调整自身参数;应用稳健M估计理论,抵消重尾噪声干扰。数值仿真表明,在高斯噪声、非高斯噪声甚至冲激噪声的干扰下,该文算法比高阶统计量法和最小均方自适应法有更强的稳健性和更高的估计精度。     

粒子滤波算法研究现状与发展趋势

粒子滤波是解决非线性非高斯动态系统最优估计问题的研究热点。介绍了粒子滤波算法基本原理,分析了存在的几个关键问题和解决方法,进而总结归纳了当前15种主要改进的粒子滤波算法,同时介绍了粒子滤波目前主要应用领域,最后对粒子滤波的发展提出了展望。     

基于级联自适应陷波器的正弦波频率估计

常用的传统和现代方法对于噪声环境中正弦信号的频率估计均存在一定的缺陷。本文利用二阶陷波器级联构造自适应陷波器,实现对多个信号频率的估计;采用递推误差信号和递推最小二乘法同时优化各个二阶陷波器的参数。仿真结果表明,该方法对于单频、多频和频率变化等情况均具有较好的估计结果,且对于噪声干扰具有较强的鲁棒性。     

一种基于无偏协方差估计RLS的自适应阵列天线抗干扰算法

RLS是自适应阵列天线抗干扰的主要算法之一。为提高RLS算法对遗忘因子选择健壮性,避免因遗忘因子选择不当所造成的算法不收敛问题,本文针对自适应阵列天线的多路接收信号,基于其无偏协方差矩阵模型,推导设计出了一种新的RLS算法,相比于常规RLS,在该算法中遗忘因子可以更加精确地控制RLS迭代过程项,降低因遗忘因子设置不当而造成的算法不收敛风险。通过仿真验证了算法的有效性。     

自适应滤波算法综述

分析了最小均方误差滤波和递归最小二乘滤波算法、自适应滤波的神经网络方法、基于QR分解的方法、统一模型下的自适应滤波及基于高阶累积量的自适应算法的优缺点,并对自适应滤波算法的未来发展做了展望。     

一种序贯学习神经网络及其应用

本语文提出了一种序贯学习神经网络,它主要由有界权值调整规则和网络结构自适应调整规则所组成。该网络具有在保持旧知识的前提下有效地序贯学习新输入样本知识人优点。文中给出这种网络的一种序贯学习算法,详细分析了其学习特性和识别性能。大量的理论分析和实验都证明了网络的有效性。     

位移估计自适应滤波算法

基于“当前”统计模型的基础上，利用位移预测估计与实时位移估计间的偏差进行自适应方差调整，提出了一种新的自适应滤波算法——位移估计自适应跟踪算法(Adaptive Filtering Algorithm of distance Estimation简记为ADE)。大量仿真结果表明，采用ADE算法既保持了对机动目标的跟踪性能，又显著提高了对弱机动目标及非机动目标的跟踪精度。     

一种序贯学习神经网络及其应用

本文提出了一种序贯学习神经网络,它主要由有界权值调整规则和网络结构自适应调整规则所组成。该网络具有在保持旧知识的前提下有效地序贯学习新输入样本知识的优点。文中给出了这种网络的一种序贯学习算法,详细分析了其学习特性和识别性能。大量的理论分析和实验都证明了网络的有效性。     

A Recursive Blind Adaptive Identification Algorithm and Its Almost Sure Convergence

This paper presents a novel blind adaptive identification algorithm based on least-squares type arguments. Parameter estimates are recursively updated with each output measurement, without resorting to any matrix inversion operation. It is proved that the parameter estimates converge almost surely (a.s.) toward a scalar multiple of the true parameters. Possible application of this algorithm to the channel equalization problem is discussed.     

基于自适应采样的移动WSN定位算法

节点自定位是无线传感器网络的关键技术之一。当前对无线传感器网络定位的研究主要集中静态节点定位,移动无线传感器网络定位研究相对较少。研究了基于序列蒙特卡罗方法的移动无线传感器网络定位。针对蒙特卡罗定位采用固定样本数,计算量大的缺点,根据蒙特卡罗定位盒（MCB）算法的锚盒子大小动态设置样本数,提出一种自适应采样蒙特卡罗盒定位算法。仿真表明,该算法在保持定位精度的同时有效地减小了采样次数,节约了计算量。     

SuperPON的一个自适应带宽分配算法及其时延性能分析

针对SuperPON接入系统大时延、多用户的特点,给出了针对非实时业务流的基于申请-许可的带宽分配算法,自适应于网络的负载状况,申请信道动态地从随机接入到固定分配间切换.系统的时延特性由计算机模拟给出,结果表明该算法同时保证系统在低负载时的低时延特性和高负载时的高吞吐量,能改善尽力服务类型业务的性能.     

机动目标自适应高斯模型与跟踪算法

提出了一种描述机动目标运动状态的自适应高斯模型,在这种模型中,机动目标的加速度被认为是具有非零均值、时间相关的随机过程,并假定其概率密度函数服从高斯分布。指出了机动目标运动模型的均值和方差与目标机动加速度最佳当前估计值之间的关系,在此基础上,提出了相应的自适应卡尔曼滤波算法。仿真结果表明,该算法对机动目标在不同机动方式下的位置、速度和加速度均有良好的跟踪效果,且所需计算量小。     

基于并行算法的自适应滤波原理及其性能分析

与普通的滤波器结构相比,并行滤波器具有数据吞吐率高、系统功耗低等优点.本文通过将单输入单输出滤波算法变换为双输入双输出算法,分析了并行自适应滤波原理,给出了并行LMS算法,讨论了该并行算法的主要性能指标.计算机仿真实验验证了本文的理论分析结果.     

单站被动式跟踪新算法研究

在以Ｋａｌｍａｎ滤波为基础的各种被动式跟踪算法中，一直存在初值敏感性难题，由于实际系统中初值往往难以较精确给出，导致滤波器的发散，本文给出了修正的极坐标系下的推广卡尔曼滤波算法，Ｍｏｎｔｅ Ｃａｒｌｏ仿真表明该算法对初值选取不敏感，具有推广应用价值。     

双阈值多米诺或门性能估计及其工艺浮动下的适用性分析

 提出了一种基于小波神经网络,估计双阈值多米诺或门的漏功耗和速度,随着扇入的增加,非线性变化的系统方法.分析表明,此方法估计误差均小于5%,具有很高的准确性和稳定性,产生估计误差的原因为功耗比例变化和电容匹配的影响.最后,利用蒙特卡罗分析验证了此方法在工艺参数浮动下的适用性,并得出结论:在工艺参数的影响下,适用于较小扇入的漏功耗估计和较大扇入的延迟估计.     

Monte Carlo Analysis of Yield and Performance of a GaAs Flash ADC

Monte Carlo methods are used to analyze yields and performance of GaAs flash ADCs.Due to the nonuniformity of threshold voltage,the DNL and INL of flash ADC will decrease approximately linearly.And the higher the resolution of ADC is,the faster these key nonlinear parameters decrease.When the nonuniformity increases to some degree,the yields of GaAs flash ADCs will decrease exponentially,and the missing code will increase more quickly for the higher resolution ADCs.So,GaAs HBT and HEMT with technology of etching stop will be widely used in high speed and high resolution ADCs.     

GaAs flash ADC成品率及其性能的蒙特卡罗分析

利用蒙特卡罗分析法对GaAs flash ADC的成品率及其关键参数的灵敏度进行了定性及定量的分析.当器件阈值电压的标准偏差增大时,flash ADC的DNL,INL性能会以近似线性的关系降低且更高分辨率ADC线性性能的恶化速度更快;ADC的成品率离散达到一定程度后,以指数关系下降,且高分辨率ADC的丢码率会以更快的速度增长.分析结果表明,HBT以及带腐蚀自停止的HEMT技术是超高速高分辨率ADC的发展方向.     

基于广义最小均方的自适应递归滤波算法

本文提出了一种广义最小均方(GLMS)算法,分析了GLMS算法的性能,并根据GLMS算法,导出一种自适应递归滤波(ARF)算法。在推导中,ARF算法避开了超稳定定理,从而考虑自适应系统的严格正实条件和Popov不等式是不必要的。计算机模拟表明ARF算法具有很高的收敛速度。