基于MS-ROMP信号重构算法的欠定盲分离

为了提高最小支撑正交匹配追踪(least support denosing-orthogonal matching pursuit, LSD-OMP)算法的重构精度,缩短重构时间,改善算法性能,提出一种基于多重支撑的正则化正交匹配追踪(multiple support of regularization orthogonal matching pursuit, MS-ROMP)算法。由于LSD-OMP算法仅选择一些原子来定位支撑集,并且无法消除添加到支撑集中的错误原子,因此信号恢复精度降低并且重构时间增加。针对此问题,本文通过改进算法终止条件,引入多重支撑和正则化来改善算法性能,即通过设置阈值,剔除一些错误的原子,并组合一些支持集来定位最佳支持集,从混合信号中分离出源信号,从而更加精确的实现欠定盲源分离。仿真实验验证了该算法的有效性。     

基于OS-SASP算法的欠定盲源分离

针对基于稀疏分量分析的欠定盲源分离问题,提出一种基于优化支撑的稀疏度自适应子空间追踪(OS-SASP)算法.通过引入自适应思想,克服传统子空间追踪(SP)算法对稀疏度的依赖;同时在迭代开始之前通过离散余弦变换的能量集中特性确定最小支撑集的大小,对最小支撑集求并集获得优化支撑集,优化支撑集联合迭代过程中的候选集来定位最佳原子,提高源信号的恢复精度.仿真结果表明,OS-SASP算法在一维稀疏信号与语音信号的欠定盲源恢复过程中表现出良好的性能.     

基于Dice系数的弱选择回溯匹配追踪算法

为进一步提高压缩感知重构算法的重构成功率和重构精度,从原子匹配准则和预选阶段原子选择方式的角度出发,提出一种基于Dice系数的弱选择回溯匹配追踪(weak-selection backtracking matching pursuit based on Dice coefficient, DWBMP)算法.首先,采用Dice系数匹配准则度量两个向量之间的相似性,选出最匹配的原子,以优化支撑集;然后,结合回溯思想和弱选择思想剔除相似性较小的原子,完成预选阶段原子的二次筛选.MATLAB仿真结果显示,相同条件下,DWBMP算法较经典的压缩感知重构算法具有更优的重构精度和重构成功率.     

基于峰值优化的改进PTS算法

针对正交频分复用系统的峰均功率比(peak-to-average power ratio,PAPR)较高的问题,提出基于峰值优化的部分传输序列(partial transmit sequence, PTS)算法。该算法通过分析每个采样位置的最大峰值功率出现的特点,对每个采样位置的最大峰值功率进行估计,得到采样点峰值功率的度量函数Pn,只对Pn大于等于预设阈值γ的点进行优化处理,降低了计算复杂度。提出的PTS算法与文献［20］相比,在计算复杂度和误码率性能基本相同的情况下,PAPR性能有一定程度的改善和提升。     

一类具有时滞的广义Hopfield神经网络的动态分析

研究了一类具有时滞的广义Hopfield神经网络的动态行为·放宽了对Hopfield神经网络的互连结构必须为对称的要求,考虑一类具有时滞的且互连结构为非对称的广义Hopfield神经网络的稳定性问题·通过构造适当的Lyapunov泛函及扇区条件,给出了平衡点渐近稳定的充分条件·在Hopfield神经网络的设计及实现过程中,这些条件是很实用的·仿真结果进一步证明了结论的有效性·     

IPv6低速无线个域网的路由设计与实现

将IPv6技术架构在低速率无线个域网中是当前IETF的重要研究方向，其中路由算法就是关键技术之一，其相关草案正在逐步形成当中。在深入分析传统AODV路由算法基础上，从协议栈和报文格式等角度进行重新设计，提出了适合IPv6低速无线个域网mesh结构的LODV路由算法。     

一种基于FC-CE-SLM降低系统PAPR的低复杂度算法

通过在选择性映射算法(SLM)中引入交叉熵(CE),可以得到最优的符号序列,使SLM算法降低OFDM (Orthogonal Frequency Division Multiplexing)系统峰均功率比的效果达到最优.在CE-SLM (Cross Entropy-Selected mapping)算法实现的过程中,需经过多次迭代运算,势必增加了算法的复杂度.拟在CE-SLM算法中引入一个快速收敛因子,使得系统中的采样概率快速收敛到0或者1的状态,降低了优化符号序列所需的迭代次数.仿真结果表明:改进算法在保持与CE-SLM算法降低PAPR (Peak-to-Average Power Ratio)效果一致的情况下,降低了得到最优符号序列所需的迭代次数,使得算法的复杂度得到有效降低.     

基于EMD改进算法的欠定混合盲分离

为改善拟合效果,针对经验模态分解(empirical mode decomposition,EMD)算法存在的端点效应,提出一种改进的EMD算法——端点极值延拓方法.利用改进的EMD算法对观测信号进行分解,将分解分量连同之前的观测信号构成新的观测信号,从而将欠定情况转化为超定情况,最后利用独立成分分析(independent component analysis,ICA)算法得到源信号的估计.通过仿真实验对比,证明了本文算法的有效性.     

O-OFDM系统中基于相关性分析的改进PTS算法

为了解决光正交频分复用系统的高峰均功率比问题，提出了一种基于相关性分析的部分传输序列算法.该算法通过分析备选信号之间的相关性，将强相关信号和弱相关信号进行分类，对强相关信号进行选择性搜索，对弱相关信号进行全搜索，这样在整体上了减少搜索次数.此外，通过分析备选相位因子序列之间的关系，优化相位因子加权过程.仿真结果表明，在三种分割状态下，均能有效改善系统峰均功率比，尤其在交织分割状态下，该算法与传统部分传输序列算法相比，实现了无峰均功率比性能损失，且计算复杂度得到大幅度降低.     

基于RSAMP算法的OFDM稀疏信道估计

为了提高稀疏度自适应贪婪迭代(sparsity adaptive greedy iterative, SAGI)算法的重构性能, 缩短重构时间, 提出了一种基于有限等距性质(restricted isometry property, RIP)的稀疏度预测自适应匹配追踪(RIP based prediction-sparsity adaptive matching pursuit, RSAMP)算法, 并成功将其应用于正交频分复用(orthogonal frequency division multiplexing, OFDM)系统信道估计。首先, 提出一种基于RIP的稀疏度预测方法, 可以在稀疏度未知的情况下快速精确地逼近真实稀疏度, 大大缩短了算法的运行时间。其次, 利用主成分分析法对观测矩阵采取了优化处理, 提高了算法的重构性能。仿真实验显示, 相较于SAMP、SAGI算法, 本文提出的RSAMP算法可以获取更好的估计性能和更短的运行时间。