基于MCMC采样器的簇稀疏水声信道估计方法

针对实际水声信道存在簇稀疏特性,提出了一种多层贝叶斯模型下基于马尔科夫链蒙特卡罗(MCMC)采样器的正交频分复用(OFDM)水声通信信道估计方法。利用簇稀疏水声信道的结构特性对信道的先验分布进行建模,借助贝叶斯推断和接收信号的似然函数得到信道模型参数的后验分布,采用MCMC采样器对信道模型参数的后验条件分布进行采样从而得到稀疏水声信道的最大后验估计。仿真对比不同接收信噪比下该方法与基于最小平方、匹配跟踪和逐步正交匹配跟踪信道估计方法的性能。湖试试验表明,该方法能够在无任何信道先验信息下实现准确的OFDM水声信道估计和跟踪译码,实现了通信距离600 m到3 500 m、传输速率6. 08 kbps的OFDM水声通信。     

MIMO-OFDM系统中信道估计算法的分析

文章建立了MIMO-OFDM系统的信道模型,给出了MIMO系统中两种信道估计算法--MLE和LMMSE算法的实现原理及估计值推导,并分析对MIMO信道容量的影响,给出了两种算法下信道容量的仿真结果.     

基于粒子群的信道估计方法

针对非线性信道精确估计的问题,将随机集和粒子群理论技术应用到信道估计算法中,提出了基于离散二进制粒子群的信道估计方法,并利用Matlab对该算法进行了仿真与评价.仿真研究结果表明,该算法能够获得较为精确的信道估计,同时,该方法适用于任何能用状态空间模型以及传统卡尔曼滤波表示的非线性系统.     

基于单馈线的电力、射频及多信号同时传输的实现

传统电力载波通信（PLC）一般用于实现在较大功率的电力传输线上同时进行较小功率的数据信号传输。现论述主要用于短波/超短波通信系统中的电源与射频、数字控制信号共用单根射频馈线进行混合传输的实现原理、方案,以及单馈线上数字信号调制解调的实现细节。     

基于FBMC的水声信道估计与温度因素的研究

水下环境的复杂性对水声通信带来挑战,不同温度、深度和盐度的海洋环境对通信性能的影响值得关注。本文对温度因素影响下的水声信道进行分析,为进一步研究基于滤波器组多载波(FBMC)水声信道估计问题提供了参考。将FBMC/OQAM调制技术引入水下,研究基于FBMC的水声信道估计技术。通过改进导频结构来适应复杂多变的水声信道,采用迭代方法获得精确度更高的信道信息,进一步提高信道估计性能。理论分析和仿真结果表明,本中所提的新基于干扰近似方法(IAM)导频迭代信道估计算法在水声信道中有更好的性能。     

基于低压电力线通信信道的自适应估计研究

为了解决低压电力信道的估计问题,提出了基于OFDM系统的低压电力线信道的自适应估计和均衡技术的直接决策估计方法,所提的方法通过接收到的子载波符号代表一个竞争的神经元网络,通过神经网络的神经元自适应估计信道的变化权值,然后根据信道的权值进行信道估计,最后利用消除星座对称补偿非线性的影响达到信道均衡.该方法不需要低压电力线信道的预备知识,通过仿真和实际测试的低压电力线系统说明该方法能达到较好的信道估计和均衡.     

分布式视频编码中虚拟信道模型的动态估计

基于Slepian-Wolf理论和Wyner-Ziv理论的分布式视频编码,是一种全新的视频编码框架。分布式视频编码系统中,解码端对虚拟信道模型估计的准确性是影响压缩性能的关键因素之一。针对虚拟信道的时域动态特性,提出了新的解码端帧级虚拟信道模型的动态估计算法。利用边信息内插阶段所获得的双向运动矢量,对当前帧前后的关键帧进行运动补偿,通过前后关键帧的运动补偿误差来估计当前帧的虚拟信道模型。针对虚拟信道的空域动态特性,提出了子块级虚拟信道模型的动态估计算法。通过对视频帧进行分块,对每个分块都进行参数估计,即可动态地完成各子块对应的虚拟信道模型的估计。实验证明所提出的两种虚拟信道模型的估计算法都有效降低了视频编码系统的传输码率,提高了系统的率失真性能。     

钻柱内声传输特性的信道建模与分析

为准确获取钻柱信道内声信号传输特性,基于一维低频纵波传输理论,应用有限差分法和传递矩阵法构建了周期性管结构钻柱信道模型,引入不同接收边界、钻柱长度等实际条件进行了信道瞬态响应仿真,研究了两种建模方法在信道模型求解中的性能,并分析了空间步长对信道模型分析的影响规律.计算结果表明,两种方法均能获得通阻带交替且通带伴有谐振尖峰的梳状滤波器频谱结构;但对于较长钻柱,受网格划分与步长选取影响,有限差分法引入的数值计算误差将产生频散,并导致通带平滑且谐振尖峰数目减少,而传递矩阵法则更适用于较长或具有非周期性结构的复杂钻柱信道频域分析.     

基于噪声方差估计的小波阈值降噪研究

信号中包含的噪声不仅降低了信号的质量,而且还严重影响着各种相关处理算法的有效性,因此,高效稳健的噪声方差估计对于各类信号处理非常重要。提出一种噪声方差估计的新方法,该方法首先应用两状态高斯混合模型对高频系数建模,混合模型的各项参数通过EM(Expectation-maximum)算法迭代估算得到。在建立的高斯混合模型中,当参数满足一定条件时,可以将高频系数分为噪声类和边缘类。基于高频子带内系数的相关性,对噪声类所包含的系数再次应用高斯混合模型的方法分类,并在每个类中分别进行噪声的估计,最后对所得噪声信号计算方差作为原始信号的噪声方差估计。基于这种估计方法,将小波阈值法应用到反求工程的降噪中,实际信号的降噪结果在光滑性和特征保持方面均有较好的效果。试验表明,该噪声方差估计方法对噪声大小具有一定适应性,且小波阈值降噪法简单易行,应用广泛。     

具有延迟的未知数目稀疏源盲混合信道估计方法

在具有延迟的稀疏源盲分离中,混合信道的估计是一个关键组成部分,其估计精度直接影响到源信号的估计精度.提出了一种源信号数目未知时的混合信道盲估计方法.首先根据时频域观测信号幅值呈线性聚类的几何特点,提出了一个新的线性聚类有效性准则,并根据此准则估计源信号数目.同时利用改进的霍夫变换寻找每一类数据的致密直线方向,作为衰减矩阵列向量的估计.然后利用时频域不同观测信号间的相位差特性,估计延迟矩阵.几个语音信号的仿真实验表明了该方法的有效性和实用性.     

采用隐序列估计无线光信道时直流偏置的消除

针对在无线光通信系统中采用隐序列信道估计时存在的直流偏置问题,提出了一种利用信道状态参数消除直流偏置的新的隐序列信道估计方法,并对影响系统性能的关键因素进行了研究。采用均衡后输出信噪比最大准则推导并获得了最优功率分配因子,并用仿真实验分析了该方法的均方误差、计算复杂度等性能参数以及应用该方法后系统的误码率等。仿真结果显示:采用该方法有效地减小了直流偏置对系统性能的影响,与传统隐序列信道估计方法相比,其均方误差减小了约1/2,且均衡后系统的误码性能得到了明显改善;在最佳功率分配条件下,当误码率为4×10~(-3)时,直流偏置分别为0.2和0.4对应系统的信噪比分别改善了约2dB和6dB,而计算复杂度仅增加了14.2%。     

M-PSK突发通信测试中DFT内插载波盲估计算法研究

在宽带通信信号实时多域分析通用架构基础上,针对宽带M-PSK突发通信信号实时多域分析中的快速载波同步,提出了一种基于离散傅里叶变换(DFT)插值的载波频偏相偏联合估计算法.该算法根据最大似然估计理论,首先对定时同步后的被测信号进行非线性变换去除调制信息,然后利用DFT变换得到载波频偏相偏粗估计,最后通过线性内插改善估计精度,实现载波频偏和相偏的精确估计.仿真及实验结果表明:通过内插算法处理后,载波估计误差方差更加逼近克拉美-罗(Cramer-Rao bound)界.该算法可在不增加DFT变换点数情况下,提高DFr对频率和相位的分辨力.     

履带搬运车传动系统设计与匹配

根据整车爬坡、最低车速、最高车速等性能指标,对发动机与变速箱进行匹配设计。通过动力性能分析,得到了最大爬坡度、最高车速等指标,满足设计要求,其对该传动系统的进一步研究具有指导意义。     

采用ANSYS-Workbench的机械软启动变速器行星架的结构设计

针对一种新型机械软启动变速器的行星架结构可靠性问题,利用有限元分析方法对其进行可靠性设计。通过对行星架结构的研究,首先构建力学模型,然后通过受力分析,确定边界条件,最后用ANSYS-Workbench分析软件对其结构尺寸进行可靠性设计,通过生产实际检验,证明改进设计后的行星架结构可靠性有了较为显著的提高。     

声矢量阵列波达方向估计的四元数空间稀疏分解

针对稀疏分解(sparse decomposition)类算法在恢复矢量阵列信号时收敛速度慢的问题,本文将稀疏分解理论推广到四元数空间,提出了一种声矢量阵列波达方向估计的四元数正交匹配追踪算法。首先,建立声矢量阵列的四元数模型,然后将方向矢量矩阵在四元数空间展开作为冗余字典,最后利用正交匹配追踪算法恢复原始信号得到目标方位信息。实验结果表明:在四元数空间建立的冗余字典强化了声矢量传感器各输出分量间正交性,与长矢量模型即在复数域的冗余字典相比恢复性能更好。具体表现为:冗余字典原子长度降为长矢量方法的1/3,并有效去除长矢量方法在DOA估计角度真值附近1°范围内的偏差。仿真结果验证了算法的有效性。     

宽带声源方位估计的多频稀疏贝叶斯学习改进算法

在对空气中未知的宽带声源的波达方向进行估计时,麦克风阵列的阵元间距很容易大于声信号半波长而出现栅瓣,严重影响估计效果。尽管多频带数据的使用在一定程度上可以抑制栅瓣产生,但目前的方法抑制效果比较一般而且计算效率不高。在稀疏贝叶斯学习基础上,提出了一种针对宽带声源方位估计的改进方法。这种方法将超先验引入到传统的多频稀疏贝叶斯估计模型中,然后同时利用声源信号在多个频带上具有的相同空间角度稀疏性并结合期望最大化算法重新推导了多频稀疏贝叶斯模型中各相关参数的迭代形式。与此同时,考虑到实际场景中的声源方位通常不位于稀疏网格上,离网格修复模型也被加入设计框架中,以解决该问题。为验证算法性能,开展了仿真实验和场地实验。结果表明,相比最近提出的基于l₁最小化的多频压缩感知方法和宽带的多频稀疏贝叶斯学习方法,提出方法能更好的利用宽带声源的多频特性以降低栅瓣的干扰,同时具有更高的估计精度和计算速度。在现场实验中,改进方法表现了优于其他先进方法的栅瓣抑制能力,声源方位估计误差可达0.09°,所需迭代收敛步数相比MF-SBL减少约50%。     

核电站仪控系统阈值判决及应用

基于物理参数的仪控系统阈值判决是核电站仪控系统的重要功能。常规阚值判决固定单一,缺乏与时间、工况的相关性。通过分析已有阈值判决,提出了在安全前提下采用阈值判决优化,在数据处理、阈值浮动、与工况相关联等方面作出改进,提升了仪控系统的容错、故障诊断能力,降低了停堆次数。     

基于稀疏组lasso的脑机接口通道和特征选择研究

脑电信号(EEG)特征提取和分类是脑机接口(BCI)系统的核心问题之一。由于BCI系统中EEG信号多通道采样和特征向量的高维性,有效的特征选择算法已经成为研究中不可分割的一部分。针对EEG特征选择问题采用一种新方法:基于封装式稀疏组lasso的EEG融合特征的同时通道和特征选择方法。实验中将该方法与现有的通道选择和特征选择方法进行比较,结果表明,该方法更适用于高维融合特征的最优特征子集选择问题,且该算法稳定、时间成本低。此外,在保证错误率相当或较低的情况下,该方法能够同时实现通道和特征选择。国际BCI竞赛IV的两类运动想象信号的测试错误率为15.28%。     

无线光相干通信智能信道均衡技术实验研究

宽带无线光相干通信通过信道均衡来抑制大气湍流产生的码间串扰。以湍流环境下的中频信号作为样本,分别采用反向传播(BP)神经网络和长短期记忆(LSTM)神经网络进行训练,将训练达到稳定的网络模型作为信道均衡器,以均衡器输出的中频信号作为系统性能评价指标并与自适应光学波前畸变校正算法进行比较。仿真结果表明,智能信道均衡算法对于系统误码率的改善优于自适应光学波前畸变校正算法。实验结果表明：采用BP神经网络信道均衡技术、LSTM神经网络信道均衡技术,以及波前畸变校正技术后,中频信号直方图的峰值分别位于0.49、0.38、0.38 V,相应的系统误码率分别为3.79×10^-5、1.64×10^-4和8.48×10^-2。智能信道均衡技术相比于波前畸变校正技术对于中频信号幅值随机起伏和误码率都有明显改善。