基于智能天线技术的TD-SCDMA系统应用研究

基于智能天线技术的TD-SCDMA系统是目前无线通信领域研究的热点。为了研究TD-SCDMA系统,通过分析TD-SCDMA系统概况、关键技术和智能天线技术的方法,得出智能天线技术己被确认为TD-SCDMA系统的关键技术之一。该技术将会在未来移动通信系统中发挥重要的作用。     

基于LTE的导频信道估计研究

正交频分复用(OFDM,Orthogonal Frequency Division Multiplexing)技术是长期演进(LTE,Long Term Evolution)的核心技术之一.目前,基于导频的信道估计是OFDM系统中信道估计的常用方式.在基于导频的信道估计方式下,结合LS估计算法提出了一种下向插值算法(DWI).在LTE信道模型及导频结构下,通过MATLAB仿真工具,将该算法和现有各种算法的性能进行了比较和分析.仿真结果表明,使用结合LS估计算法和DWI算法的OFDM系统信道估计机制,具有复杂度低、易于实现的优点.     

改进的RBF文本分类算法

分析了文本分类系统的一般模型及现有技术,在应用了核主成分分析的特征降维方法进行处理后,提出了一种基于样本中心的径向基( RBF)神经网络文本分类算法,并且引入了聚类算法的核心思想,来改进误差反向传播(BP)神经网络分类算法收敛速度较慢的缺点.实验结果表明, RBF网络与BP网络相比,具有较高的运算速度和较强的非线性映射能力,在收敛速度和准确程度上也有更好的分类效果.     

人工蜂群算法求解任务可拆分项目调度问题

针对任务可拆分的资源受限的项目调度问题,提出了一种人工蜂群算法与任务可拆分的串行调度机制相结合的优化方法．人工蜂群算法中每个食物源的位置代表一组项目任务的优先权序列,优先权序列通过调度生成机制转换为可行调度方案,迭代中由三种人工蜂执行不同的操作来实现全局最优解的更新．实算表明,基于优先权的人工蜂群算法可以有效求解任务可拆分项目调度问题,收敛速度较快且精度较高．     

一种新的排序算法——端点排序算法

提出了一种新的排序算法：端点排序算法。其方法为：依次找出数据总数为N的数列最小和最大值,把二者放在本次所排数列的两端,再把剩余两端之间的数据总数为N-2的数列的最小值和最大值找出,放在此数列的两端,依此类推,直至数列中间,实现整个数组的排序。实验表明,该算法具有与冒泡排序更快的性能。在数据个数较多的情况下优于选择排序。     

双基地ISAR成像分析

在建立远场条件下双基地ISAR转台模型的基础上,阐述了双基地ISAR的成像原理。针对双基地ISAR系统中相对转角计算复杂的问题,给出了一种利用合多普勒带宽计算双基地ISAR方位分辨率的方法。详细分析了双基地ISAR系统的收、发分置结构对目标成像的影响,针对双基地ISAR系统中机动目标多普勒频率信息的时变特性,将基于时频分析技术的距离-瞬时多普勒成像算法引入双基地ISAR目标像的重建过程中。最后,仿真实验验证了算法的有效性。     

卡尔曼动态规划机动目标检测前跟踪方法

针对传统动态规划算法,由于转移步长固定、在检测机动目标时性能较差的问题,提出了针对转弯运动等机动目标的卡尔曼动态规划算法,该算法利用卡尔曼滤波中的状态预测步骤来自适应改变动态规划算法中的转移步长,以此来避免在检测转弯运动目标时传统动态规划算法由于转移步长不变而造成的转移步长与目标速度失配的问题。根据对该算法的目标状态估计误差分析结果,文中给出了一种误差补偿方法。仿真结果显示,在检测转弯运动目标时该算法在误差补偿后具有优异性能。     

AHB总线在密码SoC中的设计与应用

为了提高密码SoC的接口的规范性能和系统的整体性能,提出了一个基于AMBA总线规范高性能总线AHB的多密码算法IP核的集成方案。首先对AHB高性能总线进行了FPGA实现,并在此基础上实现了多个密码算法IP核与AHB总线的挂接,完成了基于AHB总线的片上系统集成。最后对AHB总线和密码算法集成进行了仿真和FPGA测试,并验证了实现的正确性。     

一种Dijkstra优化算法的研究与实现

最短路径计算是地理信息系统应用中的重要功能之一,经典的最短路径算法是D ijkstra算法,但该算法由于结构过于复杂导致计算效率较低,无法满足实际应用需求。从实际应用需求出发,针对D ijkstra算法的不足,在拓扑存储结构、拓扑关系数据结构以及拓扑网中节点存储顺序三方面对算法进行优化,通过分析与实际应用表明提出的D ijkstra改进算法不仅结构简单易于实现,而且算法效率高,能够满足实际应用需求。     

基于Fourier-Mellin变换和Keren算法的改进运动估计算法

针对超分辨率图像重建中图像运动估计精度要求高,速度要求快的问题,对传统的基于Fourier-Mellin变换和Keren算法的运动估计方法做出以下改进:首先提取参考图像和待估计图像的边缘,从而避免了Fourier-Mellin变换的不足(对细节不明显的图像运动估计精度极差);由于只是用Fourier-Mellin变换进行粗估计,对角度估计精度要求不高,只需小于1°,因此在进行对数极坐标变换时,可以减少角度坐标和对数坐标的采样点数,大幅缩小了矩阵大小,提高了运动估计速度;由于先用Fourier-Mellin对待估计图像进行粗估计,Keren算法可以避开复杂的金字塔计算而只需一层估计,减少了运动估计时间。在VC++中的仿真实验表明,该方法有效地结合了Fourier-Mellin变换和Keren算法的优点,同时又提高了运动估计速度。经测试,用未改进的算法对328×500像素大小的两幅图像进行运算估计需要3.53s,而用改进的算法则只需要1.15s,大大提高了运动估计速度。