一种基于多载波的空时频扩频编码算法及其性能分析

通过一种空时频扩频（STFS）的编码算法，将单载波的空时扩频扩展到多载波，进行空间、时间和频率的联合编码，这种编码在相同符号率下比空时扩频具有更大的分集度和更高的编码增益，用线性合并最大似然检测法检测和仿真结果都显示这种空时频扩频比空时扩频具有更好的性能，     

电力线宽带上网技术

在我们每天生活、学习和工作的地方，有三种线无所不在，电话线、有线电视电缆和电力线。利用电话线上网，已经是尽人皆知，通过有线电视电缆上网可以说是方兴未艾，然而借助电力线也能够上网吗？也许几年前，仅仅是一种设想。如今则有很多国家和单位在研究这项技术，不少公司的产品进入了商业化运作阶段。这是不是意味着一个新的互联网信息交换时代将要来临？１什么是电力线上网所谓“电力线上网”是指利用电力线传输数据、语音、图像信号的一种通信技术，英文为PowerLineCommunication，简称PLC。这种通信技术是将信息的信号加载于电流…     

无线传感器网络在协同攻击环境中的安全定位研究

在恶意危险的环境中,一些锚节点可能会被攻击者所俘获,然后向网络中发送错误的信息,目的在于阻碍其他节点的准确定位。介绍了无线传感器网络中存在的攻击类型,建立了协同攻击的数学模型,并提出一种能够抵御协同攻击的安全定位算法。仿真结果表明：在受到30%恶意锚节点协同攻击时,即使在攻击强度较大的情况下,该算法依然能对节点进行准确的定位,且平均定位误差不超过2m。     

容忍多径效应的无线传感网络测距算法

在井下巷道环境中,基于RSSI的测距精度会受到多径效应和外部无线干扰的严重影响。针对这一问题,提出了一个新的基于RSSI的测距算法RRRME。该算法针对弯道弯曲面引起的额外衰减,从几何光学的角度来解决多径效应所带来的影响,分别分析了视距和非视距情况下无线信号传输所引起的路径衰减,重构了井下巷道环境中路径衰减和距离之间的函数关系,推导了多条传输路径所导致的测距误差。通过一系列的实测实验,对提出的算法进行验证,详细分析了井下环境中基于RSSI的测距性能,讨论了有重要影响的多径衰减因子和路径损耗因子对测距精度的影响。实验和仿真结果表明,和传统的RSSI测距方法相比,提出的RRRME算法具有更优的测距精度。     

基于EEMD和模糊阈值的去噪方法

为了提高EEMD分解中噪声主导模态的去噪效果,利用模糊隶属度的优势,提出了一种EEMD和模糊阈值相结合的去噪方法。首先用二范数计算各个本征模态函数(IMF)与观测信号的概率密度函数(PDF)之间的相似度,得到噪声主导的IMF;然后对噪声主导的IMF进行模糊阈值处理,以去除IMF中的噪声;最后将所有的IMF重构得到消噪信号。分别采用仿真信号和ECG信号进行去噪实验,结果均表明,所提方法的去噪效果整体上优于小波半软阈值方法和基于EMD的间隔阈值(EMD-IT)方法。     

一种基于未知发射功率的室内定位优化算法

在基于RSSI的室内定位中,未知的发射功率会降低节点的定位性能。针对实际应用中发射功率未知的问题,基于真实室内环境下RSSI的变化情况,提出了一种基于未知发射功率的室内定位优化算法。该算法将发射功率看成一个未知的变量,把一个定位问题转化为一个非线性优化问题,并通过将其中的非线性项进行线性逼近,最终采用最小二乘法求出了目标节点的坐标。仿真和实验结果表明,提出的算法在发射功率未知的情况下,要明显优于传统的定位算法,具有很好的定位性能。     

基于Zigbee技术的智能公交视频监控系统

本文概述了Zigbee技术的基本原理,研究了基于多信道/多无线电接口的IEEE 802.15.4/Zigbee网络中分散节点间视频的传输,结合智能公交系统的典型特征,针对Zigbee技术和MPEG4编码器特性设计了一个智能公交视频监控系统的网络拓扑,该网络拓扑利用多描述编码增强了其视频传输的可靠性并给出了ns-2的仿真结果。     

基于高阶累积量的信道估计及数字调制识别方法①

无线信道的多径干扰使得接收信号发生畸变,其高阶累积量特征不再趋近于其理论值,给调制识别带来了很大困难。针对多径信道中的调制识别问题,提出了一种基于高阶累积量的信道估计及调制识别算法。首先提取接收信号的高阶累积量进行信道参数估计,根据估计结果对识别参数进行修正,使其重新趋近于理论值,从而完成调制识别。该算法仅根据接收信号序列进行运算,所需先验信息少,能对大部分调制方式进行识别。仿真结果证明了算法的有效性。     

基于子空间跟踪的盲自适应多用户检测技术研究

研究了一种基于子空间跟踪的盲自适应多用户检测的算法,提出了一种改进的PASTd算法和卡尔曼滤波算法相结合的盲自适应多用户检测算法。把改进的PASTd算法和卡尔曼滤波器结合,提出了一种新的盲自适应多用户检测器并且能够实现在高信噪比和远近效应情况下得到稳定的跟踪性能。仿真结果表明,该检测器可以迅速地跟踪维数变化了的信号子空间,从而提高检测器的性能,实现稳定的跟踪并使输出具有良好的信干比。提出的盲自适应多用户检测算法虽然在计算量上较LMS算法略有提高,但其收敛性能却优于后者,与RLS算法相比,提出的算法具有更低的计算复杂度和更优的收敛性能。     

基于非等间距灰色模型和Elman神经网络的轨道质量预测

轨道质量是影响行车安全的关键因素,合理预测轨道质量可以有效指导铁路工务部门进行轨道养护和维修.轨道质量指数(Track Quality Index,TQI)是综合评价单一区间段内轨道质量的参数.本文通过深入研究TQI的发展趋势,提出一种将非等间距灰色模型和遗传算法优化Elman神经网络相结合的预测方法.首先利用优化后的非等间距灰色模型GM(1,1)得到原始TQI序列的大致发展趋势,然后为了描述轨道质量发展中各因素之间复杂的函数关系,利用遗传算法优化后的Elman神经网络对初步预测结果进行残差校正,从而得到更为准确的TQI预测序列.新方法将轨道质量发展趋势中的随机波动成分纳入方法考虑范围,充分挖掘了历史数据的发展规律.利用沪昆线上行实测TQI数据对本文方法进行验证,实验结果表明:新方法对轨道质量发展中的随机波动趋势拟合效果较好;对于轨道质量预测,在利用非等间距灰色模型进行初步预测基础上,使用Elman神经网络进行残差校正,由此得到的预测结果在均方根误差、相对系数、决定系数等多个统计指标上均优于其他方法.