差分跳频系统编码器与频率转移函数的匹配设计

将编码的差分跳频系统等效为串行级联码,充分利用频率转移函数所产生的网格关联信息,采用软输入软输出算法,进行类Turbo串行迭代译码,能有效改善系统的误比特性能.因此,如何实现差分跳频系统串行级联结构的外编码器和频率转移函数(G函数)的匹配设计是值得深入研究的问题.基于互信息的外信息转移图(EXIT)能有效预测迭代译码的收敛特性,并根据EXIT选择适当的内、外码进行级联.采用基于互信息的EXIT图分析差分跳频串行级联结构中外编码器和G函数的外信息转移过程,提出了一种采用EXIT图选择G函数及外编码器的方法.通过对该方法的理论分析和性能仿真,结果表明,在一定的输入先验信息量条件下,信噪比越高,G函数输出互信息量越大;在给定信噪比条件下,不同G函数对应的输出互信息量随输入先验信息量增长速度不同,能有效实现对性能较好的G函数的选择;对于给定G函数,在不同外编码方式下,通过EXIT图能得到迭代译码收敛的门限值;能反应出不同编码方式下的收敛特性的好坏,从而实现外编码器和G函数的匹配设计.     

基于LCT域模糊函数的QFM信号参数估计算法性能分析

基于线性正则域模糊函数的二次调频信号参数估计算法,探讨了噪声环境下算法的可行性,通过仿真实验分析了算法的信噪比门限,并进一步讨论了算法的优势. 为进一步提高信号的估计精度,提出了乘积性线性正则变换(LCT)域模糊函数来估计二次调频(QFM)信号. 理论分析和仿真实验表明,该算法在低信噪比时也具有良好的估计性能,且随着信噪比的增加,各参数的均方误差越来越接近其Cramer-Rao下界;该算法能一次性估计3个参数,效率高,误差传递小.      

电动汽车负荷聚类及参与电网一次调频控制策略

为解决风力发电、光伏发电等分布式电源出力波动和大规模负荷入网造成的频率波动问题,电动汽车在(The electric car)热备用条件下基于V2G技术,以电动汽车作为调频手段,研究电动汽车负荷聚类参与电网一次调频控制策略。根据电动汽车快速响应性能对电动汽车负荷聚类,采用聚类算法将电动汽车负荷分组对不同调频容量分配。当系统频率发生变化时,以实现电动汽车参与电网一次调频响应。仿真结果表明：当电网频率波动时,电动汽车参与电网一次调频,使得电网频率能够很快向稳定状态恢复。本文所提电动汽车负荷聚类参与调频控制策略是有效的。     

变分分解模型的模糊增强算法

将分解模型应用到模糊增强算法中,用有界变分(BV)函数描述图像的结构信息,空间G描述图像的纹理信息,提出一种基于变分分解(BV-G)模型的模糊增强算法.给出算法原理和实现步骤,并通过多组对比实验验证该算法的可行性.     

基于CRI算法的蕴涵算子族LλOλG模糊系统

针对蕴涵算子族LλOλG,首先讨论了基于CRI算法的模糊系统及其响应性能,结果表明,蕴涵算子族LλOλG模糊系统只具有阶跃输出能力,不具有函数逼近泛性;其次揭示了蕴涵算子族LλOλG模糊系统的概率意义,给出了其概率分布,它有充当模糊系统"系统内核"的作用.     

复合线性调频信号的模糊函数分析

为提高单斜率线性调频信号的距离速度联合分辨力,提出了一种正负双斜率的复合线性调频信号,推导并分析了该信号的模糊函数。仿真得到了复合线性调频信号以及单斜率线性调频两种信号的模糊函数图、-3 dB模糊度图、距离模糊函数图以及速度模糊函数图,对比研究发现复合线性调频信号相对单斜率线性调频信号具有更好的速度分辨力和距离速度联合分辨力。     

线性调频连续波雷达速度模糊消除新方法

为解决线性调频连续波雷达动目标的速度模糊问题,提出了多普勒频率串(DFS)算法.该算法可直接从模糊速度估计中恢复目标的真实速度,并结合基于目标均方误差的配对算法,实现了多个运动目标.仿真结果表明,DFS算法较中国余数理论对速度估计的性能有了明显的提高,表明了DFS算法的有效性.     

脉冲调频波探测性能分析

利用模糊函数模糊图,对脉冲调频波形的探测性能进行分析,就波形的调频步长、子脉冲宽度、调制频偏等参数对测距性、测速性以及抗干扰性能的影响进行了分析与探讨,特别就波形参数脉冲重复周期与子脉冲宽度之比H对模糊图的影响进行了详细地分析.在此基础上得出脉冲调频探测的距离、速度分辨力、测距精度、测速精度等表达式,结果可为波形设计提供依据.     

一种低信噪比下LFM信号参数快速估计算法

为了对线性调频(LFM)信号参数进行快速、准确的估计,提出了一种新算法.该算法根据LFM信号当能量一定时在相同时宽范围内频谱幅度平方与调频斜率成反比的特点,通过对若干组快速傅里叶变换(FFT)结果进行模值选大,同时给出了起始频率和调频斜率的估计.仿真结果表明,通过合理设置算法参数,算法可以用于信噪比低至-38dB的LFM信号的参数估计.     

基于遗传优化的图像增强模糊算法

将协同进化遗传算法(CGA)应用于图像增强的模糊算法优化,以优化模糊逻辑处理效果.在CGA算法中,同时优化选择了模糊逻辑规则、最佳隶属度函数和优化了隶属度函数的参数.通过具体图像处理实验,在客观评价上证明了本方案的有效性.     

模糊综合评判的系统聚类算法研究

对于数量较大、维度较多、较为复杂的聚类对象,系统聚类较为复杂; 而模糊综合评判聚类方法聚类结果不够准确,其个数难以控制。为此,提出基于模糊综合评判的系统聚类算法,该方法对较为复杂的、由多种因素制约的事物或对象进行模糊综合评判处理,提取对象的整体特征,运用系统聚类对其进行聚类分析。最后通过对5 个班级的多次考试成绩进行了聚类分析,验证了该算法的有效性。实验结果表明,该方法具有准确性、整体性、可操作性以及简略性等。     

基于F-范数的变换域通信系统同步参数估计算法

在异步条件下应用特征值分解算法估计变换域通信系统基函数时,分段得到的特征向量存在模糊现象,此时将造成系统接收性能的下降。为了解决此问题,提出了基函数周期序列的同步算法。详细分析估计基函数的特征值分解算法,推导接收数据的采样延时与其自协方差矩阵特征值的关系式,得到同步参数的最大似然估计方法,依据范数的等价性原理,进一步将最大似然估计中的最大特征值求解问题转化为F-范数的求解以降低算法复杂度。仿真结果表明:相比最大特征值算法,采用F-范数的估计算法性能一致,但计算时间明显减少,算法的估计精度与接收信噪比成正比。异步条件下当估计的基函数存在模糊时,系统接收性能在同步之后能得到较好的改善。     

基于F-范数的变换域通信系统同步参数估计算法

在异步条件下应用特征值分解算法估计变换域通信系统基函数时,分段得到的特征向量存在模糊现象,此时将造成系统接收性能的下降。为了解决此问题,提出了基函数周期序列的同步算法。详细分析估计基函数的特征值分解算法,推导接收数据的采样延时与其自协方差矩阵特征值的关系式,得到同步参数的最大似然估计方法,依据范数的等价性原理,进一步将最大似然估计中的最大特征值求解问题转化为F-范数的求解以降低算法复杂度。仿真结果表明:相比最大特征值算法,采用F-范数的估计算法性能一致,但计算时间明显减少,算法的估计精度与接收信噪比成正比。异步条件下当估计的基函数存在模糊时,系统接收性能在同步之后能得到较好的改善。     

基于递阶遗传算法的模糊系统优化设计

给出一种基于递阶遗传算法的模糊神经网络优化算法, 在该算法中对每个染色体都采用递阶编码, 并提出一种改进的交叉算子, 可以同时优化模糊神经网络结构和权值参数. 算法中采用双目标函数作为适应度函数对模糊神经网络模型的精确度和复杂性进行估价, 且对应一个实际问题, 可以通过调整适应度函数的参数值确定所需模糊神经网络模型的精确度和复杂性之间的比例, 从而生成一个适当的模糊神经网络模型. 模拟实验结果验证了该算法的有效性.     

网格平台下模糊积分分类挖掘算法的实现

为了拓展算法的应用领域,降低算法的复杂性,提高分类器的性能,提出了网格平台下的模糊积分分类数据挖掘,依据模糊积分的概念,应用隶属度矩阵来确定模糊积分密度,再对分类器集成,对网格中采集的原始数据进行处理,实验证明用该集成方法所构成的分类系统能明显提高分类器的性能.     

一种改进的多倍体遗传算法

基于种群保留遗传算法,引入了多倍体的慨念,给出了一种基于种群保留的多倍体遗传算法．当该算法运行时,种群个体将由单倍体变为多倍体．为了适应这种变化,算法引入了扩展算子,成功地进行了模糊控制器的参数寻优．实验结果表明,该算法具有很好的收敛性和鲁棒性,在复杂环境中表现出了很强的自适应性,明显改善了模糊系统的控制效果．     

基于ANFIS的DMFC温度建模和改进模糊控制

针对直接甲醇燃料电池(DMFC)的实时控制要求,采用自适应神经模糊推理系统(ANFIS)对DMFC系统的工作温度进行建模与控制.基于实验数据建立DMFC电堆温度模型,避免了DMFC电堆的内部复杂性分析.以训练好的网络模型作为DMFC控制系统的参考模型,采用一种改进的模糊遗传算法(FGA)在线对神经模糊控制器的参数和模糊规则进行自适应调整.将所提出的算法与非线性PID和传统模糊算法进行实验比较,结果表明所设计的神经模糊控制器具有较好的性能.     

煤矿救援蛇形机器人环境建模方法研究

煤矿救援机器人的研究对煤矿救灾工作的顺利开展有着重要的现实意义,简要分析了煤矿救援机器人在环境建模方面的研究现状,针对煤矿事故发生后,救援蛇形机器人如何在恶劣的井下进行环境识别和建模,提出了一种变结构模糊神经网络的多传感器数据融合算法。重点讨论了该算法的原理,结合煤矿井下的特殊环境和蛇形机器人自身结构特点,采用超声波传感器、红外测距传感器、激光雷达传感器组来获得障碍物的距离、位置信息及环境类型信息,然后,利用模糊神经网络对这些信息进行融合,采用改进的BP算法对网络进行学习,通过对结论网络权值的调整,择优选取模糊规则,从而自动的调节模糊神经网络的结构。以机器人在靠近障碍物时的八类典型环境标志为依据,通过模糊神经网络识别出障碍物的形状,完成环境的建模。利用实验获得的一组数据进行了仿真,结果表明该算法实现了在不同环境中模糊隶属函数的自动生成和模糊规则的择优提取,适用于复杂的非线性系统,对于煤矿救援蛇形机器人的环境识别和建模是一种行之有效的方法。     

航道多载波的通信时延与多普勒频移联合估计

针对海上航道立体监测系统中水声信道高斯噪声和对称α稳定(SαS,Symmetric α Stable) 脉冲噪声干扰的复杂环境,以基带OFDM（Orthogonal Frequency Division Multiplering）水声通信系统的发射信号作为研究对象,提出了一种基于分数低阶循环模糊函数的多循环频率时延与多普勒频移联合估计算法．该方法将分数低阶矩与循环平稳特性相结合,能够在SαS脉冲噪声条件下检测信号的循环平稳特性．仿真结果表明:在脉冲噪声和干扰环境中该算法均能稳定工作,估计性能优于基于二阶循环模糊函数．     

一种IP数据包快速分类算法

为了提高查找效率,在无冲突哈希查找算法和Grid of Tries算法的基础上提出了一种基于无冲突哈希和多比特Trie树(NHMT)的IP分类算法.该算法的核心有3部分:哈希函数的构造,主要是采用基于目的端口和协议两域构造哈希函数,使得在最坏情况下完全避免了空间爆炸问题;在Grid of Tries算法的基础上,对Grid of Tries算法改造成修剪的Trie树和多比特Trie树,以减少空间复杂度;在无冲突哈希查找算法的基础上扩展一层用于存放源端口号(或范围),扩展后一般要提高算法的时间复杂度,要通过引入多比特Trie树的方法进行解决.对于空间复杂度方面与无冲突哈希查找算法比较,一般情况下不增加空间复杂度.通过仿真,当对10 000条规则进行包分类时,该算法的分类速度可以达到1 Mbit/s,所消耗的最大内存为8.2 MB.