OFDM系统中基于符号间相位差分调制的频偏估计模糊度校正算法

OFDM系统的性能对频率偏移非常敏感。该文针对OFDM系统频偏估计中所产生的模糊度问题提出了一种基于符号间相位差分调制的频偏估计模糊度校正算法。它通过在相邻OFDM符号中相同子载波间进行相位差分调制来校正频偏估计模糊度。文中从理论上给出并证明了算法具有唯 可辨识性的充分条件,并分析比较了算法的复杂度和定时误差对算法性能的影响。理论分析和仿真结果表明,在性能相近的前提下,该文提出的频偏估计模糊度校正算法具有运算量小和对定时误差不敏感的优点。     

基于Bi-LSTM模型的轨迹异常点检测算法

定位技术的飞速发展催生了时空轨迹大数据,轨迹数据中往往存在着明显偏离轨迹的异常点。检测出轨迹中的异常点对提高数据质量和后续轨迹数据挖掘精度至关重要。该文提出了一种基于双向长短时记忆网络(Bidirectional Long Short-Term Memory, Bi-LSTM)模型的轨迹异常点检测算法。首先对每个轨迹点提取一个6维的运动特征向量,然后构建了一个Bi-LSTM模型,模型输入为一定序列长度的轨迹数据特征向量,输出为轨迹点的类型结果。同时,算法采用了欠采样和过采样的组合方法缓解类别不平衡对检测性能的影响。融合了长短时记忆网络单元和双向网络,Bi-LSTM模型能够自动学习正常点和邻近异常点在运动特征上的差异。基于真实船舶轨迹标注数据的实验结果表明,该文算法的检测性能显著优于恒定速度阈值法、不考虑数据时序性的经典机器学习分类算法和卷积神经网络模型,尤其是召回率达到了0.902,验证了该文算法的有效性。      

快速平滑点特征轨迹电子稳像

为了提高机载成像系统输出视频的图像质量,提出了一种快速平滑点特征轨迹的稳像算法。以消除全局运动估计的帧间匹配累积全局运动、实现长时快速稳像为目的,建立有别于传统实时稳像模式的系统框架。首先采用SURF算法从原始的抖动视频中提取不稳定的特征点;其次利用Delaunay三角剖分算法判断特征点的邻接性,生成点特征轨迹;再次采用Kalman 滤波器对不稳视频中得到的点特征轨迹进行滤波处理,得到平滑的点特征轨迹;最后由原始点特征轨迹和平滑点特征轨迹估算出直接需要补偿的全局运动矢量。实验结果表明:该方法不仅能够实时处理失稳航摄视频,有效改善机载成像系统的图像质量,而且能够估计出相互独立的帧间全局运动矢量,可以应用于需要长时间稳像的场合。     

一种基于OFDM信号周期平稳特性的系统时延和频偏的盲估计算法

该文首先提出一种基于信号周期平稳特性的OFDM系统时延和频偏的盲估计算法,然后分析算法,获得一种可以估计非整数倍样点周期的时延和扩大频偏估计范围,实现整个OFDM系统带宽范围内的频偏估计的方法,并指出本算法可以在信道未知的情况下获得好的估计性能,最后给出相应的仿真结果。理论分析和仿真结果表明,本算法有很好的抗噪特性、强的变化信道适应性,与同类方法比较,具有更高的估计精度、估计非整数倍样点周期时延和扩大频偏估计范围的能力。     

并行级联频域判决反馈(DFE)均衡策略及不匹配译码

该文提出了一种使用并行级联的turbo类型判决反馈均衡器(DFE)结构,用于抑制线性码间干扰。基于该结构又提出了一种低复杂度的基于频域迭代块判决反馈检测(Turbo Block DFE, TBDFE)算法。该并行策略比传统的块迭代判决反馈均衡算法(Iterative Block DFE, IBDFE)有更大的性能增益,且在信道估计存在相同的一定误差时,该结构与IBDFE的性能增益比没有估计误差时更大。该文还研究了SNR估计误差对TBDFE算法与传统IBDFE算法的影响,结果表明二者对SNR的过估计比欠估计均为敏感。     

基于协作多点下行传输的非线性鲁棒预编码

对于协作多点系统,下行信道信息误差会大幅降低联合传输的性能。为了避免下行信道信息误差对联合传输的影响,本文利用其二阶统计特性,设计了非线性鲁棒预编码算法。由于协作多点系统的特点和非线性鲁棒预编码的结构会导致用户间的性能差异,本文通过优化非线性鲁棒预编码算法的连续干扰消除先后顺序,从而改善性能最差用户的误码率,降低非线性鲁棒预编码算法的平均误码率。仿真结果表明当下行信道信息误差存在时,本文所提出的非线性鲁棒预编码性能优于传统的线性和非线性预编码性能。仿真结果还表明优化排序能提高非线性鲁棒预编码的性能增益。     

调频连续波SAR非线性处理方法研究

合成孔径雷达系统畸变引入的幅相误差严重影响了雷达的成像效果,必须予以校正才能获得高质量的图像。该文针对调频连续波SAR系统频率响应非理想特性引入的幅相误差以及信号扫频非线性误差对系统性能的影响,分析建立了存在系统误差的调频连续波SAR系统回波信号模型,研究了系统误差估计与校正的问题,并考虑小型化调频连续波SAR实时成像处理的需求,提出了一种改进的适合实时成像处理的调频连续波SAR的高精度非线性距离-多普勒成像处理算法。最后,通过理论推导和仿真分析,验证了算法的可行性和有效性。     

多小区无线局域网的系统吞吐率估计算法

在多小区无线局域网(Wireless Local Area Networks,WLAN)中,由于存在小区间接入访问点同频干扰,以及小区间同频用户干扰,其系统性能与单小区网络具有很大不同。本文提出了支持多种用户传输速率共存、支持用户非均匀分布的多小区WLAN系统吞吐率估计算法。通过对多小区WLAN巾接入访问点的布置、信道的配置进行仿真,结果表明即使在存在小区间同频干扰的情况下,估计算法也能得到满意的吞吐率估计结果。     

基于统计线性回归的粒子滤波方法

针对非线性、非高斯系统的状态估计问题,该文提出了一种基于统计线性回归的粒子滤波算法。在该算法中,首先对非线性函数基于统计线性回归展开,并利用高斯积分估计回归系数,依此产生重要性密度函数。该密度函数融入了最新的观测信息,扩大了与系统真实后验密度的重叠区域。理论分析和实验结果表明,该算法具有较高的估计精度,与一般的粒子滤波算法相比,有较好的稳定性和较低的计算量。     

互耦条件下均匀线阵DOA盲估计

阵元间存在互耦时,经典的波达角(DOA)估计算法性能急剧下降甚至失效。针对互耦条件下均匀线阵DOA估计问题,该文提出一种基于盲源分离的DOA盲估计算法。首先,利用源信号的统计特性,由盲源分离方法估计广义阵列流形矩阵;然后,利用均匀线阵互耦矩阵带状、Toeplitz矩阵的特点,将DOA估计问题转化为多个可分离非线性最小二乘问题,由多个1维频域搜索得到DOA的估计。该算法无需高维搜索或多维迭代,对互耦自由度要求更低,互耦自由度未知时仍旧适用,稳健度高。数值仿真验证了该文算法的有效性。     

基于子图像变标的非线性轨迹SAR成像及其自聚焦方法

合成孔径雷达(SAR)的非线性轨迹运动可能会在雷达回波信号中引入严重的二维空变特性,因此基于方位平移不变性假设的传统频域成像算法不再适用于非线性轨迹SAR的高精度成像。现有非线性轨迹SAR成像算法通常采用复杂的非线性变标(NCS)校正回波信号的方位空变特性,然而NCS参数过多导致算法复杂,使得其当存在较大平台运动测量误差时无法与现有自聚焦算法有效结合。针对该问题,该文提出一种基于子图像NCS的非线性轨迹SAR成像及其自聚焦方法,在保证成像精度的前提下能够减少NCS的参数数量,更有利于后续的自聚焦处理。仿真与实测数据处理验证了所提方法的有效性。      

Distributed nonlinear model predictive control of an autonomous tractor–trailer system

This paper addresses the trajectory tracking problem of an autonomous tractor–trailer system by using a fast distributed nonlinear model predictive control algorithm in combination with nonlinear moving horizon estimation for the state and parameter estimation in which constraints on the inputs and the states can be incorporated. The proposed control algorithm is capable of driving the tractor–trailer system to any desired trajectory ensuring high control accuracy and robustness against environmental disturbances.     

轮式机器人滑模轨迹跟踪控制器设计

轮式机器人是一个典型的非完整性系统。由于非线性和非完整特性,很难为移动机器人系统的轨迹跟踪建立一个合适的模型。介绍了一种轮式机器人滑模轨迹跟踪控制方法。滑模控制是一个鲁棒的控制方法,能渐近的按一条所期望的轨迹稳定移动机器人。以之为基础,描述了轮式机器人的动力学模型并在二维坐标下建立了运动学方程,根据运动学方程设计滑模控制器,该控制器使得机器人的位置误差收敛到零。     

基于移动信标节点的无线传感器网络定位算法研究

对移动信标节点的无线传感器定位路径进行研究分析,分析规律性折线路径,随机路径和虚拟力方法路径的缺陷,结合两者优点,提出改进的自适应的动态路径。采用matlab仿真工具,结合RSSI测距方法以及无线传输模型,对改进算法进行仿真验证,得到更高的覆盖率和更小的误差率,从而减小了网络硬件成本,更能满足无线传感器网络定位的实际应用。     

滑动窗口核岭回归运动目标轨迹预测算法

针对序列图像中非线性运动目标轨迹的预测问题,文中提出了一种滑动窗口核岭回归运动目标轨迹预测算法。文章推导了完整的核岭回归算法,并得出了高斯核函数的条件下滑动窗口核岭回归算法的递推形式。算法的实现基于滑动窗口的方式,在每帧图像中以最近几帧中的目标轨迹位置为输入,使用核岭回归算法对下一帧轨迹位置,进行预测。实验结果表明,该算法能够较好的预测非线性的目标运动轨迹,预测误差较小,且算法结构简单,具有较强的实用性。     

基于轨迹位置形状相似性的隐私保护算法

为了降低轨迹数据发布产生的隐私泄露风险,提出了多种轨迹匿名算法。然而,现有的轨迹匿名算法在计算轨迹相似性时忽略了轨迹的形状因素对轨迹相似性的影响,因此产生的匿名轨迹集合的可用性相对较低。针对这一问题,提出了一种新的轨迹相似性度量模型,在考虑轨迹的时间和空间要素的同时,加入了轨迹的形状因素,可以在多项式时间内计算定义在不同时间跨度上的轨迹的距离,能够更加准确、快速地度量轨迹之间的相似性;在此基础上,提出了一种基于轨迹位置形状相似性的隐私保护算法,最大限度地提高了聚类内部轨迹的相似性,并且使用真实的原始位置信息形成数据"面罩",满足了轨迹k-匿名,在有效地保护轨迹数据的同时,提高了轨迹数据的可用性;最后,在合成轨迹数据集和真实轨迹数据集上的实验结果表明,本算法花费更少的时间代价,具有更高的数据可用性。     

基于强化学习的无人机基站多播通信系统的飞行路线在线优化

针对无人机(UAV)基站(BS)多播通信系统的通信时延最小化问题,该文提出飞行路线在线优化算法.在该系统中无人机基站向多个地面用户同时发送公共信息,其中每次通信任务中地面用户位置是随机的.为了保证地面用户能够接收完整的公共信息以及考虑到无人机的能量有限性,该文以最小化无人机基站完成通信任务的平均时间为目标.首先将问题转...     

Robust Smooth-Trajectory Control of Nonlinear Servo Systems Based on Neural Networks

The electromagnetic torque introduces ripples into the electromechanical motion system due to nonlinearities, such as uncertain changes of magnet field, load, and friction, which generate speed oscillations and deteriorate the tracking performance of servo system. Furthermore, the minimum time response and smooth trajectory tracking are cruces in servo control. In this paper, an available method is proposed to solve them by using neural networks (NNs) and a nonlinear smooth trajectory filter (STF) for the robust smoothing feedforward control of a class of general nonlinear systems. First, the online weight-tuning scheme based on Lyapunov function can guarantee the boundedness of tracking error by good performance of NNs modeling nonlinear functions. Second, a feedforward controller based on the output of nonlinear STF is designed to guarantee minimum time response and smooth trajectory tracking. Finally, as a example, the motion system can be equivalent to the two-order system under the linear closed-loop current control in view of the (d,q) mathematic model for PM synchronous motor, so that this robust smoothing control method using neutral networks can be applied into position servo control. Moreover, the validity and effectiveness of this control method are verified through simulations and experiments     

Identification and control of continuous-time nonlinear systems via dynamic neural networks

In this paper, we present an algorithm for the online identification and adaptive control of a class of continuous-time nonlinear systems via dynamic neural networks. The plant considered is an unknown multi-input/multi-output continuous-time higher order nonlinear system. The control scheme includes two parts: a dynamic neural network is employed to perform system identification and a controller based on the proposed dynamic neural network is developed to track a reference trajectory. Stability analysis for the identification and the tracking errors is performed by means of Lyapunov stability criterion. Finally, we illustrate the effectiveness of these methods by computer simulations of the Duffing chaotic system and one-link rigid robot manipulator. The simulation results demonstrate that the model-based dynamic neural network control scheme is appropriate for control of unknown continuous-time nonlinear systems with output disturbance noise.     

一种两步式相关极值重力匹配算法

针对相关极值重力匹配算法实时性较差且要求初始误差较小的问题,该文提出一种两步式相关极值重力匹配算法。首先使用快速均方差相关(MSD)算法进行粗匹配,然后提取合适的粗匹配结果作为刚性变换的基准,将惯性导航系统(INS)轨迹变换到实际轨迹附近,产生新的待匹配轨迹,最后在新待匹配轨迹附近进行精确搜索,寻找代价最小路径。通过仿真实验验证了两步式匹配算法效果。两步匹配结合2种方法的优势,使重力匹配法适应于INS初始误差较大的情况,提高效率和实时性,同时保持匹配结果的高精度。