基于虚拟仪器的纳米晶磁环动态参数测试系统

开发了基于虚拟仪器技术,采用大功率脉冲励磁电源、高速数据采集卡的纳米晶磁环动态参数测试系统.由于脉冲励磁与标准正弦波励磁的测试结果存在差异,为得到相当于正弦励磁下的磁滞回线及磁参数,通过SY-8232交流B～H回线测试仪对测试系统进行标定,利用LabVIEW进行数据处理和分析,实现了误差修正.给出了典型频率、磁感应强度下的测试结果,对B、H曲线进行了频谱分析.该测试系统操作方便,测试准确,具有较好的重复性,可用于重量为300 g～3 kg的纳米晶磁环在频率为10～100 kHz条件下的动态参数的在线测试.     

计及混合潮流约束的热-电互联综合能源系统 多目标优化调度

为满足多样化能源需求并提高能源网络的可靠性,研究多能源系统优化管理和混合潮流问题.针对多能源的网络约束及其耦合特性,构建整合分布式发电、热电联产、电力网络和区域供热网络的热-电互联综合能源系统模型.基于梯形模糊隶属函数构建模糊化软约束,量化电力网络节点电压和区域供热网络节点供给温度的技术不满意度.考虑系统的经济运行和网络节点的能源供给质量,提出一种计及混合潮流约束的热-电互联综合能源系统多目标优化调度策略,以最小化运行成本和网络节点状态变量的技术不满意度.采用epsilon约束算法精确求解该多目标优化问题的Pareto前沿.算例分析结果表明,所构建的模型和提出的算法可以有效提高系统能源供给质量和优化决策的准确性.研究成果进一步体现了所提出的多目标优化方案在兼顾经济性、能源供给质量以及复杂的运行约束,保证系统经济稳定运行等方面的效益.     

基于部分传输序列的OFDM系统峰值平均功率比优化算法

部分传输序列(Partial transmit sequences, PTS)算法能够有效改善正交频分复用(Othogonal frequency division multiplexing, OFDM)系统的高峰值平均功率比(Peak-to-average power ratio, PAPR),但是计算复杂度较高.提出一种新的粒子群优化(Discrete particle swarm optimization, DPSO)算法,将PTS算法中最优相位因子的求解转化为具有非线性约束的全局优化问题,采用汉明距离衡量信号距离,重新定义了粒子更新公式,使相位因子能够以一定的概率与最优相位序列的排列趋于相同,得到具有较低峰值平均功率比的信号.同时,算法避免了穷举搜索,具有较低的计算复杂度.仿真结果证明,与传统PTS算法相比较,所提算法能够在搜索复杂度较低的情况下,获得良好的峰值平均功率比降低性能.     

多路径网络中流量均衡的优化算法

在向下一代互联网络演进的过程中,多路径网络已经成为提高网络性能及可靠性的有效手段.在网络中,可选用的多条路径提供了流量流向的通路,然而如何有效地均衡各条路径的流量,提高网络的性能,是多路径网络必须解决的一个重要问题.针对丢包率比较敏感的应用需求,如VOIP,将预测思想与最优化理论相结合,研究了在多路径网络环境下的流量均衡问题.流量均衡算法首先预测每条路径的丢包率,并以减少所有路径丢包率之和及达到最优的资源利用率为目标,将流量均衡问题转化为最优问题.理论分析及仿真实验表明,该算法能有效地降低网络丢包率,提高网络性能.     

鲁棒约束恒模自适应波束形成算法

线性约束恒模算法能够有效克服恒模算法中存在的干扰捕获问题,但在信号方向向量存在偏差的情况下,其性能将会受到影响.针对上述问题,本文提出了鲁棒约束恒模自适应算法并对其性能进行了分析.该算法收敛速度快,抗扰动性强,对信号方向向量的偏差具有较强的鲁棒性,改善了系统的输出信干噪比.仿真实验表明,与线性约束恒模算法相比,鲁棒约束恒模算法具有很好的性能.     

基于约束最小均方的噪声抑制MOE盲多用户检测

针对最小输出能量(minimum output energy,MOE)检测器的权向量由于受到噪声的影响而导致性能下降的问题,设计了一种新的MOE检测器,并且利用约束最小均方(least mean square,LMS)算法得到权向量,提出DS-CDMA系统下一种基于约束LMS的MOE盲噪声抑制多用户检测算法.该算法将权向量和噪声子空间正交,消除了权向量中的噪声分量,降低了噪声输出能量,从而使系统的性能优于常规的LMS盲多用户检测.仿真结果证明了所提算法的有效性和优越性.     

基于分解选择映射的MIMO-OFDM系统峰均比降低算法

针对多输入多输出正交频分复用(MIMO-OFDM)系统中的高峰均功率比(PAPR)问题,提出了一种新的基于选择映射(SLM)的分解算法.所提算法将每根天线上OFDM 符号的实部和虚部进行分解,然后分别进行相位映射,从而增加了待选信号的数量.利用实序列固有的共轭对称特性,在不增加算法复杂度的前提下,显著提高了算法的峰均比降低性能.同时提出了一种基于并行选择映射的分解算法,进一步减少了边带信息的传输量,提高了系统的频带利用率.仿真实验结果证明,所提算法在保持计算复杂度不变的同时,可以有效的提高峰均比性能.     

基于奇异值分解的MIMO-OFDM系统角域MAP信道估计算法

最大后验概率信道估计算法应用于多输入多输出-正交频分复用(MIMOOFDM)系统时需要大规模的矩阵求逆和乘积运算,且系统数据传输效率随发送天线数的增加明显降低.为克服这些问题,提出了一种基于奇异值分解的角域最大后验概率信道估计算法.该算法通过期望最大化把(MIMO)信道估计问题简化为一系列独立的单输入单输出(SISO)问题,并使用奇异值分解避免了大规模矩阵求逆和乘积运算;通过多个OFDM符号联合估计信道提高了系统数据传输效率及算法的估计性能.仿真实验验证了此算法的有效性.     

一种有效的MIMO-OFDM系统MAP信道估计

对于MIMO-OFDM系统,最大后验概率(MAP)信道估计算法可通过期望最大化(EM)算法降低计算复杂度,但将产生误差平底(error floor)现象。并且,系统的数据传输效率受限于发送端天线的数目。针对这些问题,该文提出了一种有效的MAP信道估计算法,并分析了算法的性能。所提算法在利用EM算法减小MAP 算法计算复杂度的基础上,利用角域内信道间的独立性降低估计误差。为改善系统数据传输效率及估计性能,通过多个OFDM符号进行联合的信道估计。仿真实验验证了所提算法拥有更好的估计性能和数据传输效率。     

基于交叉-变异人工蜂群算法的微网优化调度

随着大规模可再生能源接入微网,其不确定性直接影响微网的优化调度.鉴于此,以微网的产能利润最大化为目标,构建微网日前产能调度的优化模型,其中对储能单元和需求响应负荷进行调度,对可再生能源产能预测的误差进行处理.考虑优化模型中包含的非线性特征,提出一种基于交叉和变异的人工蜂群算法以求解微网最优调度策略.所提出算法在雇佣蜂和观察蜂阶段,引入遗传算法中的交叉和变异操作对邻域搜索策略进行更新,以确保子代种群的多样性;在侦查蜂阶段,构建基于全局搜索的初始化机制,以提高算法搜索全局最优解的能力.仿真结果验证了所构建模型的有效性和算法的优越性.