基于博弈论的协作超宽带系统资源分配算法

为使多用户协作超宽带系统的资源分配算法能在有效利用系统资源的同时满足用户的服务质量QoS（Quality of Service）公平性需求,在纳什议价解方法和凸优化理论基础上,将合作博弈论方法用于协作多频带超宽带系统的资源优化分配中。提出以最大化系统净效用为目标,以用户的QoS需求为公平性指标的协作超宽带系统协作伙伴选择算法和自适应功率分配算法。通过仿真与最大化系统速率（max-rate）和最大化最小用户速率（max-min）公平性算法作比较,证明了该资源分配方法在最大化系统速率和用户QoS公平性两方面有很好的折衷,适于超宽带系统。     

小型化快响应软X射线探测器研究

研制了用于探测脉宽为亚纳秒级软X射线脉冲的小型化X射线探测器,对该类结构的X射线探测器的响应时间参数进行了理论分析与计算。根据理论分析与计算结果,采用基于有限元法的电磁场仿真软件HFSS10.0对该探测器的探测二极管进行了电磁场建模与仿真,并根据传输线理论对传输超宽带信号的同轴输出通路进行了优化设计,采用超薄高介电强度薄膜构成大存储电容的新方式,解决了设计该类高速探测器中存在的大存储电容与耐高压的技术难题。在“神光Ⅲ原型激光装置”上对该探测器进行了实验考核。实验结果表明,探测器的响应时间可达51 ps。此外,还对设计该类高速响应探测器时某些物理学方面的考虑进行了讨论。     

二次B-Spline时域基函数的TDFEM的应用

提出了时域有限元法(TDFEM)的一种新的基函数—二次B-spline时域基函数.首先简述了时域有限元法的原理和基本公式;然后提出了新型的基于B-spline函数的条件稳定和无条件稳定的时域有限元法方案,并应用于三维电磁辐射问题.通过典型的算例对这两种方案的精度、运算时间进行了比较,证实了基于二次B-spline函数的时域有限元法的有效性.通过稳定性理论分析得出该算法的精确稳定性,并且通过数值计算的结果得到验证.     

IEEE802.15.4a信道对UWB功率谱影响分析

研究超宽带功率谱密度,从路径损耗模型、多路径模型和小尺度衰落模型方面分析IEEE802.15.4a工作组信道模型.采用直接序列脉冲(direct-sequence pulse-amplitude modulation,DSP-PAM)超宽带(ultra-wideband,UWB)系统的信道响应,仿真分析了8种信道对2～10 GHz超宽带系统功率谱分布情况.仿真结果表明,多路径信道对UWB功率谱影响不大,脉冲UWB具有抗多路径干扰能力强的特点.     

适合WSN的超宽带两步TOA估计算法

结合低速率能量检测与高速率匹配滤波的两步超宽带TOA估计算法适合WSN定位。通过采样获得低速率能量序列,找出直达路径(direct path,DP)在序列中的位置,即TOA粗估计。在该能量采样周期内进行相关滤波,由相关峰确定DP位置,即TOA精确估计。能量采样周期、能量块选择门限、相关峰检测门限是TOA估计的关键参数,对它们进行讨论,并给出一种基于最大最小能量比(MMR)的归一化门限模型。在IEEE 802.15.4a信道下的仿真结果表明：算法的运算量低于单一滤波匹配算法,精度优于基于能量检测的非相干算法     

高速超宽带系统中频谱优化方法的研究

脉冲波形设计和频谱控制是超宽带通信系统解决频谱共存和相互干扰问题的关键。提出了基于最小面积准则(LAC)的频谱优化方法,并将其应用在正交脉冲调制超宽带系统中。该系统由多条并行发送支路组成,每条支路利用正交脉冲进行脉冲位置调制(PPM)与脉冲形状调制(PSM)相结合的调制。仿真结果表明:利用LAC优化的结果和最小均方误差准则(MMSE)相比更符合FCC的要求,不仅能提高频谱利用率,还能实现对频谱的灵活控制。     

基于正交波形调制的超宽带同步方法理论

提出了一种超宽带同步的新方法,即在2个相互正交的波形上,分别调制同步头和数据信号后,将其合成为发送信号进行传输,接收端利用正交波形进行滤波分解,得到所传送的同步头和数据信号. 在此基础上,设计出基于这种新的同步方法的信息传输系统,分析了影响同步性能的因素,并对整个系统进行仿真验证. 仿真结果表明,该系统可以同时传送同步头和数据信号,并可显著提高同步性能.     

基于优化异质BP神经网络信息融合的清洁机器人定位研究

清洁机器人的移动定位是个复杂的非线性定位的问题,精密机械结构与路径规划无法补偿定位不精确造成的移动误差,提出一种基于异质RBF神经网络信息融合的清洁机器人定位技术,设计了智能机器人的控制系统、移动系统和感知系统,设计多个位姿传感器后,实时采集位置信息,在主控芯片中使用粒子群优化神经网络技术对多传感器的信息进行融合,计算清洁机器人的位置信息,解决了位置因素非线性强,定位误差大的问题,并且有效提高了神经网络的局部收敛能力;使用机器人多传感器的实验平台测试证明,这种方法下清洁机器人的移动中定位准确率较传统方法提高13%,具有很强的可靠性与实用性。     

基于卷积神经网络的OFDM-UWB信道环境识别

超宽带（UWB）无线通信技术被广泛应用于室内定位领域,其能识别出多径信道中的非视距信道,有助于去除影响信号的非理想因素,提升定位精度。基于OFDM方案的UWB系统,提出一种利用卷积神经网络对信道估计出的信道冲激响应时频图像进行训练,从而识别出信道环境的方法,将信道识别问题转化为图像识别问题,同时分析时频处理参数对识别结果的影响。仿真结果表明,该方法的识别率随通信系统比特信噪比（EbN0）的增加而提升,当EbN0增加至20 dB时稳定在90%,与传统基于支持向量机的信道识别方法相比获得了10%的性能提升。     

融合UWB与INS的消防员室内定位与NLOS检测算法

融合超宽带（UWB）和惯性导航系统（INS）能够实现消防员室内精确定位。为实现UWB的非视距（NLOS）误差检测,设计一种双级EKF框架。该框架以松耦合形式实现UWB/INS的数据融合,通过INS获取的初始位置估计坐标以检测UWB测量值的NLOS误差,根据检测结果计算残差矩阵来动态调整融合滤波器的测量噪声矩阵,以达到缓解NLOS误差的目的。实验结果表明,与三角不等式原理检测算法和无NLOS检测的UWB/INS简单融合算法相比,所提NLOS检测算法具备良好的检测能力、较强的稳定性及较高的定位精度。