利用协方差矩阵信息的多天线频谱感知算法

为了降低多天线信号频谱偏移、相位随机性和噪声的不均匀性、不确定性对频谱感知性能的影响,该文利用接收信号协方差矩阵主对角线包含主用户的主要信息,以及协方差矩阵元素的平均方差反映元素波动程度的特点,构造对角线元素绝对值的平方和与其平均方差之比的频谱感知的检验统计量,推导了该统计量服从的概率分布函数,给定虚警概率,得到判决门限。加性高斯白噪声信道和瑞利衰落信道下的仿真结果表明:本文算法性能优于局部方差法,随着接收天线数和采样点数增加,本文算法性能提升大于局部方差法。      

基于改进蚁群算法的网络路由重组

针对不同的网络实际条件,提出一种改进的蚁群算法寻找网络中任意2个节点间的最优路由。在同时考虑路由中节点间链路上的耗费和延时的情况下,通过增强公式对影响因子的敏感程度加快收敛速度。仿真结果表明,即使在所构建的网络拓扑结构发生改变时,该方法也能够有效并较快地找到最优路由,实现网络的重组和路由。     

利用功率谱最大最小平均比的频谱感知算法

由于载波频偏未知和噪声不确定性影响,信号功率谱的最大值和最小值不能根据单个频点来准确估计。该文提出利用功率谱最大最小平均比的频谱感知算法。利用基频附近一段功率谱的平均值作为功率谱最大值估计,利用功率谱中点频率附近一段的平均值作为功率谱最小值估计,将此二者之比作为检测统计量。推导了算法的虚警概率,得到了判决门限。加性高斯白噪声信道和瑞利衰落信道下的仿真结果表明:该算法性能优于基于功率谱分段对消频谱感知算法（PSC）和基于功率谱的平均比值算法（PSRA）,降低了载波频偏未知和噪声不确定性对频谱感知算法性能的影响。      

基于ET-PPO的双变跳频图案智能决策

为进一步提高双变跳频系统在复杂电磁环境中的抗干扰能力，提出了一种基于资格迹的近端策略优化（proximal policy optimization with eligibility traces，ET-PPO）算法。在传统跳频图案的基础上，引入时变参数，通过状态-动作-奖励三元组的构造将“双变”跳频图案决策问题建模为马尔可夫决策问题。针对 PPO算法“行动器”网络样本更新方式的高方差问题，引入加权重要性采样减小方差；采用Beta分布的动作选择策略，增强学习阶段的稳定性。针对“评判器”网络收敛速度慢的问题，引入资格迹方法，较好地平衡了收敛速度和全局最优解求解。在不同电磁干扰环境下的算法对比仿真结果表明，ET-PPO有更好的适应性和稳定性，对抗阻塞干扰和扫频干扰表现较好。     

一种基于格型正交化的二阶Volterra自适应滤波算法

针对 Volterra 自适应滤波器输入信号相关性或附加的非线性畸变的增强使自适应滤波器性能下降的问题,本文提出基于格型正交化的二阶 Volterra 自适应滤波算法.先对输入信号进行格型预处理,得到互相正交的后向预测误差信号;然后将其作为自适应滤波器的输入,从而大大降低了一次项、平方项和交叉乘积项信号各项之间的耦合,改善了自适应算法的收敛性能.有源噪声对消的仿真结果表明,在输入噪声强相关和附加较强非线性畸变时本算法仍具有较好的消噪性能.     

一种MIMO-OFDM信道混合估计方法

传统的信道估计方法往往假设多径分量数已知且为常数,粒子滤波算法可估计服从高斯分布的时变信道。实际无线环境中,多径分量数目与幅度皆为时变,则粒子滤波估计方法性能恶化。本文提出基于二进制粒子群算法和卡尔曼滤波的MIMO-OFDM信道混合估计方法。采用随机集建模MIMO信道,并分析得到其多径转移概率模型;基于此模型将信道分解为离散部分和连续部分,推导得到此两部分与整体信道关系;采用二进制粒子群算法拟合信道离散部分,利用卡尔曼滤波估计信道幅度,将利用信道估计计算得到的观测值与真实观测值的近似程度作为适应度函数。仿真结果表明:本文所提出的信道估计方法性能优于基本粒子滤波的信道估计方法。     

一种正交空时分组码盲识别方法

由于正交空时分组码(OSTBC)编码矩阵具有正交特性,可得正交空时分组码的虚拟信道矩阵的相关矩阵为对角矩阵。根据此原理,文中提出相关矩阵的非主对角元素能量与主对角元素能量之比的特征参数和基于此特征参数的正交空时分组码识别方法;同时利用最小描述长度(MDL)准则估计出信号子空间维数,即每组发射信号所含符号数。仿真结果表明,在不同发射天线数和接收天线数下,所提出的识别方法都具有较好的识别性能;符号数的估计性能与正确识别概率具有相同的变化规律。     

基于约束NMF的盲源分离算法

非负矩阵分解(NMF)是解决非独立源信号混合的盲分离的另一条新途径.该文提出一种基于约束NMF的盲源分离算法,在对NMF估计得到的源信号施加最小相关约束的基础上,对混合矩阵估计施加行列式约束,实现NMF的唯一分解.与已有算法相比,本算法放宽了对混合矩阵的稀疏性要求,大幅提高了信号分离质量.该算法仍适用于独立源信号分离问题.     

一种全解耦分组二阶Volterra自适应滤波算法

传统的Volterra滤波器运算量大,二次项将稳定分布的尖峰脉冲特性放大,从而影响了算法的收敛性能。针对这些问题．提出了一种二阶Volterra滤波器的全解耦分组算法,对输入数据进行分组排列,有效地降低计算复杂度,每组对应的子滤波器权系数采用全解耦自适应调整算法,有效地降低了非线性项耦合的影响。仿真结果表明了算法的有效性。     

TETRA语音编解码的ACELP

本文分析了TETRA标准语音编解码的结构，详细介绍了代数码本结构及聚焦搜索技术，着重阐述了线性预测编码（LPC）分析方法。在TETRA编解码中采用自相关算法来建立线性预测方程组，用LEVINSON－DURBIN算法求解得到线性预测编码（LPC）参数。用VC＋＋6．0仿真实现了所有算法，并对仿真结果进行分析。在此基础提出了求解子帧LPC参数的新方法－－反射系数内插法。