OFDM系统功率和比特分配算法研究

该文研究OFDM系统在总功率和误比特率限定下最大化传输速率的问题,并且考虑实际系统中整数比特的限制,提出基于灌水法则的两种比特分配算法--改进的贪婪算法和对分灌水线搜索法,两种算法在计算复杂度上分别比贪婪算法和迭代灌水线搜索法小。仿真结果表明,改进的贪婪算法在性能上十分接近于贪婪算法,但是计算复杂度仅是贪婪算法的10%-30%,而对分灌水线搜索法在信噪比大于10dB的时候只要5-7次迭代便可以达到与贪婪算法只相差0.5%的性能。     

一个基于并行集团的系统级故障概率诊断算法

概率诊断算法是系统级故障诊断研究的一个重要方面,本文提出了一种基于并行集团的概率诊断算法-PGSFPD算法,并设计了一个系统级故障诊断软件仿真系统,对诊断算法进行仿真,分析比较各算法的性能,仿真结果表明PGSFPD算法性能优于经典的概率诊断算法-Somani & Agrawal算法,可在只需较少测试数的情况下,在保持很高诊断正确率的同时,大大降低系统的规模.     

多用户多天线系统中基于THP的低复杂度调度排序算法

本文提出了下行多用户多天线系统中一种新的基于Tomlinson-Harashima预编码(THP)的低复杂度调度排序算法.该算法根据THP与误符号率的特点,将调度和排序结合在一起,有效降低了复杂度.仿真结果表明,本文提出的算法在平均误符号率性能上逼近贪婪调度best-first排序,而复杂度更低,在实际系统中有很好的应用价值.     

LTE虚拟MIMO系统中用户正交配对改进算法

第三代合作伙伴计划(3GPP)在长期演进(LTE)上行传输中引入了虚拟多输入多输出(V-MIMO)技术,能够提升频谱效率,改善无线链路传输性能.用户配对是V-MIMO技术必不可少的环节.针对现有的正交配对算法由于不能准确衡量两用户的正交性而导致的性能恶化问题进行了理论分析,并提出更具有一般性的正交性定义.为适应LTE-Advanced上行最大支持4流、下行最大支持8流的特点,结合贪婪思想将正交配对的应用情形由两用户推广至多用户.为了进一步改善系统性能,提出基于范数的贪婪正交配对算法.仿真结果与复杂度分析表明,基于范数的贪婪正交配对算法与穷举的最优算法性能接近,且在计算复杂度上要远低于最优算法,对于V-MIMO技术的发展具有重要意义.     

联合稀疏信号恢复的贪婪增强贝叶斯算法

本文针对联合稀疏信号恢复问题,提出了一种贪婪增强贝叶斯算法.算法首先利用联合稀疏的特点对信号进行建模,然后在贝叶斯框架下,提出一种贪婪推理方式对信号恢复问题进行迭代求解.在迭代过程中,提出算法利用贝叶斯估计的方差信息来增强支撑恢复的结果,极大地提高了算法对信号恢复性能.理论分析表明:提出算法与同步正交匹配追踪算法具有相同的计算复杂度,远低于其他联合稀疏信号恢复算法.提出方法在具有高恢复精度和较低计算复杂度的同时,兼具贝叶斯方法和贪婪算法的优点.数值仿真验证了理论分析的有效性.     

激光雷达一维距离像的目标识别算法研究

本文针对复杂背景下激光雷达一维距离像的目标识别,提出了利用最小二乘估计器和线性滑动窗口构造滤波器的算法。根据目标本身形态的总体尺度范围特征设定滤波窗口,很好地实现了对目标的识别过程。给出了该算法的设计思路和算法流程图,分析和优化了算法的时间复杂度,并列出了算法在不同距离上的目标识别概率。算法的时间复杂度分析和模拟实验结果表明,该算法目标识别的正确率可以达到89%以上,能够很好满足实时条件下的目标识别要求。     

MIMO-OFDM系统中最大化速率的自适应算法

针对现有贪婪算法应用的高复杂性,提出了一种在误比特率(BER)和功率一定的前提下,最大化传输速率的低复杂度比特和功率分配算法。对系统模型和贪婪算法进行了简要介绍,对贪婪算法和新提出的算法进行了仿真,通过仿真结果可以看出,新提出的算法不仅满足系统的误比特率要求,在传输速率上和贪婪算法几乎相同,但却大大地降低了计算复杂度。     

多元LDPC编码调制系统中低复杂度的似然概率生成算法

在采用多元LDPC码的通信系统中,尤其当使用高阶调制方案时,输入到译码器中的似然概率计算复杂度非常高。其主要原因是由于似然概率通常是关于信道输出的复杂函数,其计算需已知信道参数。针对上述问题,提出了一种低复杂度的近似似然概率生成算法。依据接收信号和星座点之间的欧氏距离,将星座点所对应的有限域GF(q)上域元素的似然概率进行分块逼近,能够以较低复杂度快速生成译码器所需要的概率度量。仿真结果表明,所提出的分块似然概率逼近生成算法在译码性能上损失较小且极大降低了似然概率生成的计算复杂度,是一种适用于高速多元LDPC译码器前端实现的候选算法。     

相关对数阴影信道条件下基于贪婪的最优感知节点集合选择算法

为了在资源使用效率与感知性能之间进行有效折中,通过分析感知节点集合的虚警概率上限,提出了一种基于贪婪的最优感知节点集合的自适应选择算法.理论分析结果与仿真结果均表明该算法可以快速地得到最优感知节点集合的近似最优解,并且该近似最优解与最优解之间的差别不大,但是其复杂度却大大降低,具有很好的实用性.     

多天线认知无线电网络多信道联合频谱感知策略

当前,以单天线认知用户组成的认知无线电网络同时协作检测多个信道的分配策略得到了广泛研究,而在认知用户可以灵活选取自身天线进行空间分集接收的条件下,当联合感知多信道时,多天线认知无线电网络如何获取最优的天线分配策略仍有待进一步研究。为解决这一问题,在限制各信道最大虚警概率的前提下,以最小化所有信道漏检概率之和为目标,建立了优化模型,并提出了基于分支定界的算法和基于贪婪思想的启发式算法。前者可以获得最优策略,但复杂度较高,后者以牺牲较小检测性能为代价,明显降低了复杂度,有效实现了检测性能与复杂度的平衡,并且在保护各个信道上主用户免受认知用户干扰层面,一定程度上兼顾了公平性。      

Fault diagnosis in wireless sensor network using clonal selection principle and probabilistic neural network approach

The fault diagnosis in wireless sensor networks is one of the most important topics in the recent years of research work. The problem of fault diagnosis in wireless sensor network can be resembled with artificial immune system in many different ways. In this paper, a detection algorithm has been proposed to identify faulty sensor nodes using clonal selection principle of artificial immune system, and then the faults are classified into permanent, intermittent, and transient fault using the probabilistic neural network approach. After the actual fault status is detected, the faulty nodes are isolated in the isolation phase. The performance metrics such as detection accuracy, false alarm rate, false‐positive rate, fault classification accuracy, false classification rate, diagnosis latency, and energy consumption are used to evaluate the performance of the proposed algorithm. The simulation results show that the proposed algorithm gives superior results as compared with existing algorithms in terms of the performance metrics. The fault classification performance is measured by fault classification accuracy and false classification rate. It has also seen that the proposed algorithm provides less diagnosis latency and consumes less energy than that of the existing algorithms proposed by Mohapatra et al, Panda et al, and Elhadef et al for wireless sensor network.     

系统级故障诊断的研究现状与发展前景

随着大数据时代的到来,人们对于计算机系统的稳定性要求日益增高,如何快速而准确地找出系统中的故障点,成为了人们的研究热题,对系统级故障诊断算法的研究逐渐受到了人们的重视。本文首先对现有的系统级故障诊断算法进行了分类,进而阐述了系统级故障诊断算法的近期主要研究成果,最后预测了该领域的未来研究方向与发展前景。     

A probabilistic approach to fault diagnosis in linear lightwavenetworks

The application of probabilistic reasoning to fault diagnosis in linear lightwave networks (LLNs) is investigated. The LLN inference model is represented by a Bayesian network (or causal network). An inference algorithm is proposed that is capable of conducting fault diagnosis (inference) with incomplete evidence and on an interactive basis. Two belief updating algorithms are presented which are used by the inference algorithm for performing fault diagnosis. The first belief updating algorithm is a simplified version of the one proposed by Pearl (1988) for singly connected inference models. The second belief updating algorithm applies to multiply connected inference models and is more general than the first. The authors also introduce a t-fault diagnosis system and an adaptive diagnosis system to further reduce the computational complexity of the fault diagnosis process     

几种改进BP算法在电机故障诊断中的分析比较

近年来,人工神经网络以其独特的容错、联想、推测、记忆、自适应和处理复杂的多模式等优点,在许多学科中掀起了研究热潮,同样在故障诊断领域,其发展前景也十分乐观,它作为一种自适应的模式识别技术,并不需要预先给出有关模式的经验知识和判断函数,对于特定问题建立的神经网络故障诊断系统,可以从输入数据（故障症状）直接推出输出数据（故障原因）,从而实现故障的检测与诊断。但是传统的BP算法存在一些缺陷。所以采用一些改进的BP算法,把它们用于电机的故障诊断,通过实验对这些改进算法的分析比较,得出其中较合适的算法。这样不仅能发挥神经网络的泛化映射能力而且诊断速度也有提高,有较强的学习能力。     

免疫粒子群算法及其在矿井提升机故障诊断中的应用

基于人工免疫系统的故障诊断方法是人工智能领域发展起来的一个十分活跃的分支.为了提高免疫算法在矿井提升机故障诊断系统中的执行效率,通过对诊断问题进行更精确的建模和分析,提出了将免疫模型和离散粒子群进化算法相结合的提升机系统的故障诊断方法.该方法在免疫形态空间中采用核主元形式的相似性度量,解决了传统距离判别函数法在故障诊断中存在误差较大等问题.仿真结果表明,该方法能够适应诊断过程中出现的不确定性,并实现多故障诊断.     

基于互测PMC模型的条件诊断算法

本文以条件诊断系统为研究对象,首先对条件诊断系统的互测PMC模型进行研究,把传统诊断系统的有向图表达式G(V,E)转换成互测有向图表达式G(F,T,M,HF),然后对条件诊断互测有向图表达式中相互关联的F、T、M、HF四个集合的性质和定理进行研究,最后提出一种基于互测PMC模型的条件诊断算法,该算法可简单、快速地找出故障模式,并对具体症侯是否有唯一故障模式进行判定.     

基于有限状态机的错误诊断算法

基于有限状态机的协议的一致性测试问题已经得到了广泛的研究。在检测到错误后,如何诊断错误是一个很重要的问题。该文在有限状态机模型和单个错误的假设下,提出了一种新的错误诊断算法,该算法利用已经确定正确的转换信息以及可疑转换的下一个输入/输出对的头状态集合等信息来高效地诊断单个错误。文中给出了与已有的错误诊断算法的比较结果,并且用一个具体的实例来详细描述本文提出的算法。     

PMC故障模型的方程诊断

首次建立起PMC方程模型的定义(即PMC模型的方程描述).PMC模型是一种最常见的系统级故障模型,针对传统的图论诊断算法离不开"t-可诊断性"和"相信大多数"(即假定系统中故障机的台数少于处理机总台数的一半)的特点,文中引入"绝对故障基"等概念,并充分运用"集团"工具,在不以"t-可诊断性"和"相信大多数"作前提假设的情况下,找到了求PMC模型全体相容故障模式的具体方法——方程诊断算法.