A Modified Method Based on the Discrete Sliding Norm Transform to Reduce the PAPR in OFDM Systems

Orthogonal frequency division multiplexing (OFDM) is a modulation technique that allows the transmission of high data rates over wideband radio channels subject to frequency selective fading by dividing the data into several narrowband and flat fading channels. OFDM has high spectral efficiency and channel robustness. However, a major drawback of OFDM is that the peak‐to‐average power ratio (PAPR) of the transmitted signals is high, which causes nonlinear distortion in the received data and reduces the efficiency of the high power amplifier in the transmitter. The most straightforward method to solve this problem is to use a nonlinear mapping algorithm to transform the signal into a new signal that has a smaller PAPR. One of the latest nonlinear methods proposed to reduce the PAPR is the L₂‐by‐3 algorithm, which is based on the discrete sliding norm transform. In this paper, a new algorithm based on the L₂‐by‐3 method is proposed. The proposed method is very simple and has a low complexity analysis. Simulation results show that the proposed method performs better, has better power spectral density, and is less sensitive to the modulation type and number of subcarriers than L₂‐by‐3.     

Recovery error bounds on compressed sensing of noisy signals

Compressed sensing is an emerging technique in the field of digital signal acquisition. It promises almost exact recovery of high‐dimensional signals from a very small set of measurements. However, this technique is challenged by the task of recovering signals immersed in noise. In this paper, we derive upper and lower bounds on mean squared recovery error of noisy signals. These bounds are valid for any number of acquired measurements and at any signal‐to‐noise ratio. This work is highly useful for the design of any compressed sensing‐based real world application by quantifying recovery error entailed with realistic digital signal acquisition scenarios. Copyright © 2013 John Wiley & Sons, Ltd.     

基于Lawson范数的通用lncosh稀疏自适应算法

该文提出一种通用稀疏系统识别Lawson-lncosh自适应滤波算法,该算法采用系数向量的Lawson范数和误差的lncosh函数构建代价函数。Lawson范数约束引入参数p,实现稀疏约束滤波动态调整,所提算法可以提高稀疏系统识别时的收敛速度,减小了稳态误差。误差的lncosh函数具有良好的抗脉冲噪声性能。然后,算法分析了步长参数的取值范围和参数p对算法性能的影响。计算机仿真结果表明,在高斯信号输入和色信号输入情况下,所提算法的性能要明显优于其他现存算法,且具备稀疏约束可控特性。     

具有双重稀疏机制的在线学习算法

针对大数据背景下数据分类问题,已有的在线学习算法通常引入L₁范数正则化增强预测模型的稀疏性,但单一的正则化约束不能高效的获取稀疏模型.基于此,提出了一种具有双重稀疏机制的在线学习算法（an online learning algorithm with dual sparse mechanisms,DSOL）.在DSOL算法中,一方面利用L_1/2正则化项约束目标函数以增强预测模型的稀疏性,提高算法的泛化性能.另一方面用改进的梯度截取法对数据特征进行选择,有效稀疏化预测模型.通过L_1/2正则化与改进的梯度截取策略的有机融合,有效利用了历史数据信息,提高了算法分类数据的性能.通过与另4种代表性稀疏在线学习算法在9个公开数据集的实验对比表明DSOL算法对数据分类的准确性更高.     

冲击噪声背景下基于稀疏表示的双基地MIMO雷达多目标定位

该文研究了对称稳定分布(SS)冲击噪声下双基地MIMO雷达的多目标定位问题。针对SS噪声下因二阶矩不存在而造成子空间类算法估计性能下降的不足,提出了矩阵行2范数最大的预处理方法对接收数据进行归一化,使得归一化后的协方差矩阵有界,并以拉直后的协方差矩阵构造稀疏线性模型,提出了基于协方差矩阵-近似零范数(Covariance Matrix Smoothed L0 norm, CMSL0)算法进行目标的发射角和接收角估计。仿真实验表明：通过矩阵行2范数最大化预处理之后,MUSIC(Multiple Signal Classification)和CMSL0算法均能有效地估计出目标的角度,并且CMSL0算法的估计精度及对冲击噪声的稳健性均优于MUSIC算法。此外,与MUSIC算法相比,CMSL0算法不要预先估计目标源的数目,且收发阵元不受半波长间隔的限制。     

一种基于峰度的QAM信号盲均衡与载波相位恢复准则

该文针对方形正交幅度调制（QAM）信号的盲均衡与载波相位恢复问题,基于均衡器输出峰度最大化的思想,利用向量范数性质给出一种新的盲均衡与载波相位恢复方法.首先通过数学证明给出了代价函数的收敛性定理,证明了无噪声情况下,在代价函数的局部最优解处可实现理想均衡,且能够实现载波相位恢复.然后,给出了新算法的四种批数据处理实现方式.最后通过理论分析和仿真实验说明,本文方法相比最大化功率的方法对高斯噪声更加鲁棒.     

基于低秩张量补全的多声道音频信号恢复方法

多声道音频信号在采集、压缩、传输过程中可能造成音频数据丢失,为了确保给听众带来更真实的听觉感受,该文提出一种基于低秩张量补全的音频丢失数据恢复方法。首先,把多声道音频信号表示为一个张量;其次,把张量补全作为一个凸优化问题建模,利用松弛技术和变量分离技术得到闭合的增强拉格朗日函数;最后,通过交替迭代方法求解得到恢复的音频张量。在不同数据丢失率的实验中,通过与线性预测、加权优化的CANDECOMP /PARAFAC分解方法进行对比分析,表明利用张量补全方法具有更高的音频信号恢复精度,隐藏参考和基准的多激励测试结果也显示低秩张量补全方法能够有效地恢复多声道音频的丢失数据,从而获得更好的听觉效果。     

基于改进核范数的2DPCA人脸识别算法研究

传统的二维主成分分析法广泛应用于图像特征提取,为了使此算法更加有效,提出了一种结构化二维算法,即核范数2DPCA算法(N-2-DPCA).该算法基于核范数重构误差准则,将核范数最优化问题转化为基于F范数的最优化问题,然后通过采用迭代方法寻找到最佳投影矩阵,最后运用最小欧氏距离规则识别出待识别人脸的身份.在此基础之上,将N-2-DPCA扩展到基于双边投影的算法(N-B2-DPCA),采用曲线搜索算法寻找到双边投影矩阵,继而进行识别.最后将提出的算法在FERET和Yale B人脸数据库中进行人脸识别评估,实验结果表明所提出的算法与L1-2DPCA相比,重建误差降低了2.19％,识别率提高了2.03％,性能更好.     

相关观测值的一次范数条件平差

本文基于独立观测值的一次范数最小平差原理,导出了相关观测值的一次范数条件平差(L_1条件平差)模型,并以实例加以分析和讨论.     

基于作业的煤矿电耗定额制定研究

制定科学的电耗定额,是企业节约能源、降低成本的重要手段。以煤炭为唯一对象的定额制定方法,无法实施真正意义上的定额管理责任制。论文基于作业成本理论,划分煤矿各作业,确定作业电耗动因,选择定额制定的基本方法,制定了煤矿各作业的电耗定额。通过在神华宁煤集团枣泉煤矿的应用,证明该方法可为煤矿节约电能,带来经济效益。