RBF神经网络多用户检测ROLS-AWS算法的研究

为了对抗多址干扰和远近效应,研究将RBF(经向基函数,Radial Basis Function)神经网络中的递归正交最小二乘(ROLS-AWS)算法应用于多用户检测中。给出在同步高斯信道条件下运用三层神经网络解调扩频信号的原理框图,分析了基于RBF网络的多用户检测接收机。为了改进RBF网络的运算速度,在基于RBF网络的多用户检测接收机中采用ROLS-AWS算法。计算机仿真结果表明：使用所提算法的RBF网络接收机的抗多址干扰、远近效应以及训练速度的性能上都明显优于传统接收机、基于BP神经网络和不使用该算法的普通RBF神经网络多用户接收机。     

自适应暂态混沌神经网络在CDMA多用户检测器中的应用

提出一种自适应变尺度暂态混沌神经网络，并将其应用于CDMA的多用户检测技术。该算法在优化搜索过程中根据暂态混沌神经网络能量函数的变化调整网络参数，自适应地控制能量函数对神经网络动力学特性产生良好的影响。仿真结果表明，基于改进的自适应混沌神经网络算法的多用户检测器能够有效地逼近CDMA的最优多用户检测器的性能。     

基于RBF神经网络的DS—CDMA多用户检测

多用户检测技术是CDMA系统抑制多址干扰，克服远近效应的关键技术．采用RBF神经网络作为DS—CDMA系统的多用户检测器，给出在同步高斯信道条件下RBF神经网络多用户检测器原理图，并分析了利用RBF神经网络进行多用户检测的原理．通过仿真实验证明，讨论的RBF神经网络多用户检测器能够得到优于匹配滤波器接收机的误码率检测性能．     

盲自适应多用户检测方法研究

提出了一种新的盲自适应多用户检测技术方案，给出了相应的接收机模型，并对其进行了计算机仿真，结果表明：这种盲自适应多用户接收机具有比传统RAKE接收机更好的抗干扰性能．     

改进型 BP 神经网络自适应均衡器设计

针对传统的基于 BP 神经网络的自适应均衡器存在的缺陷,提出了一种改进的 BP 神经网络自适应均衡器的 FPGA 设计方法.从互连结构、训练法则及收敛算法等几个方面对 BP 网络进行改进,通过加入协调器提高 BP 网络收敛速度和容错性能,并根据 BP 网络的并行性能得到分块结构模型,同时采用流水线技术使计算速度明显提高.通过软件仿真,验证了这种结构简单、收敛速度较快的 BP 网络的有效性和可行性,并在ModelSim 工具上完成了自适应均衡器的仿真验证     

非Gaussian信道DS-CDMA系统中的多用户检测算法

对于实际非Gaussian加性噪声信道条件下的DS-CDMA系统,基于理想Gaussian白噪声假设的多用户接收机的性能会严重下降。为了同时抑制多址干扰和非Gaussian脉冲噪声的影响,提出了一种自适应多用户接收机,其模型参数的估计和传输数据的检测采用EM/SAGE递归结构联合进行。该接收机具有实现简单、鲁棒性高、适用性强的优点。分析和仿真结果表明,无论是在多址干扰还是在非Gaussian脉冲噪声占主导的情况下,EM/SAGE-MUD算法在降低误码率,克服远近效应方面比起传统的多用户检测方法有显著改善。     

多用户检测联合RAKE接收机的性能仿真

阐述了多用户检测以及RAKE接收机的原理,提出将盲多用户检测和RAKE接收技术相结合,仿真分析了盲多用户检测联合RAKE接收机的性能,结果表明:将两项技术相结合,不仅可以克服CDMA系统固有的多址干扰,而且可以克服多径衰落,提高系统性能.     

一种改进的部分并行干扰抵消多用户接收机

为解决部分并行干扰抵消（PPIC）多用户检测接收机中部分干扰因子如何确定的问题，定义了目标用户的期望输出与判决输出之间的均方误差期望性能函数，在引入离散互相关函数定义下，推导出不同用户扩频序列之间部分相关函数的期望性能函数，在引入离散互相关函数定义下，推导出不同用户扩频序列之间部分相关函数的期望值，从而给出了一个二级部分并行干扰抵消多用户检测接收机中自适应部分干扰因子的简单表达公式，并在此基础上研究了其相应的误码性能函数，同其他方法相比，该方法综合考虑了用户信噪比，系统用户数等因素的影响，使系统具有较强的自适应能力和鲁棒稳定性，其性能优于已有的基于固定干扰因子的性能，计算机仿真实验结果进一步验证了采用该方法的接收机性能。     

基于自适应粒子群优化算法的神经网络的优化研究

针对传统的神经网络训练算法收敛速度慢和泛化性能低的缺陷,提出一种新的自适应粒子群优化算法用于神经网络的训练.该算法通过改进自适应搜索策略以提高网络泛化性能,并结合Ionosphere雷达信号分类数据集进行仿真测试.研究结果表明:基于自适应粒子群优化算法训练的神经网络在分类准确率和分类误差上明显优于传统的BP算法,且很好地提高了网络泛化能力和优化效果.     

CDMA系统的一种自适应多用户检测方法

常规的匹配滤波器接收机无法克服ＣＤＭＡ的多址干扰和远近效应,因而限制了ＣＤＭＡ系统的容量．为此,需要采用干扰抑制和自适应处理的多用户检测技术．已有的很多抗远近效应和干扰抑制的多用户接收机都比较复杂,还要求估计干扰用户的信号参量．该文提出一种简化的自适应最小均方误差多用户检测接收方法,可以用自适应方式实现滤波器参数的最小均方误差意义上的最优化．理论分析与数字模拟的结果表明该方法与匹配滤波器相比,能明显地提高抗多址干扰能力     

基于模糊神经网络的PI自适应控制器

利用模糊神经网络的模糊推理能力以及前馈神经网络的逼近能力 ,将其与自适应控制方案结合 ,并取带有控制增量约束的广义目标函数作为优化指标 ,从而推导出一种能对非线性非最小相位系统进行有效控制的模糊神经网络间接自适应控制器。在网络学习算法上采用带有动量项的BP算法。仿真结果表明了该方法的有效性。     

WCDMA下行LMMSE接收机算法研究

最小均方误差(MMSE)准则可用在DS-CDMA系统中，能有效地消除MAI和噪声，抗远近效应的单用户接收机和MMSE接收机已成为WCDMA下行链路最有实用前景的接收机。在比较和研究了两种不同结构的LMMSE接收机后，介绍了针对瑞利衰落和多径传输信道而采用的RLS准则的WCDMA下行自适应接收机。仿真结果证实，LMMSE-Rake结构的RLS自适应接收机在严重远近效应条件下具有优良的误码率性能。     

非线性系统的神经网络自学习控制

提出了一种对非线性系统的神经网络自学习控制方法,基于逆动力学控制的思想,构造了神经网络结构一致的控制器和辩识器。辨识器采用多层前向网络结构和广义Ｄｅｌｔａ学习规则算法实现了对系统逆动力学模型的动态辨识,并通过在线动态传递权值给神经网络控制器的方法实现了神经网络辨识器的神经网络控制器的有机结合,从而使整个控制系统具有很强的自适应和自学习能力,所提出的控制方案可适用于不含滞后环节和包含滞后环节的非线性     

一种新的无线Mesh网络拥塞控制机制

针对无线Mesh网络的拥塞问题,提出一种新的链路自适应速率控制机制LLAP(Link Layer Adaptive Pacing),通过网关的链路层队列调度机制进行包的调度和MAC通告,利用Mesh网关控制从有线到无线数据流的发送速率,避免了过多数据传输产生跳路间的严重干扰.控制机制在链路层完成,不需要修改现有的传输或路由协议.利用网络仿真软件NS2对LLAP控制下的Mesh网络性能进行了分析和测试,仿真实验结果表明,LLAP控制下的网络性能得到了明显改善.     

Ad Hoc网络中支持拥塞控制的速率自适应协议

Ad Hoc网络中节点需要竞争共享信道,容易使部分节点发生拥塞而丢弃部分分组,造成带宽资源浪费。为了更有效地利用Ad Hoc网络物理层的多速率能力,提出了一种支持拥塞控制的速率自适应协议,引入了可变发送窗口机制,接收节点根据信道质量选择可用的最高传输速率,并根据其队列拥塞程度控制发送端节点的发送窗口,发送节点按照发送窗口的大小连续发送多个数据帧。仿真结果表明,该协议能够充分利用信道条件,在网络重负载的条件下,饱和吞吐量提高80%,并能够调整拥塞节点的分组进出速率,有效地控制了网络拥塞。     

超宽带系统中盲自适应降秩接收机

针对超宽带系统中的多址干扰和码间干扰问题,提出了一种低复杂度的盲自适应接收机,该接收机首先采用多级维纳滤波算法抑制多址干扰并提取期望信号各多径分量;再进一步采用紧缩近似投影子空间跟踪方法估计信道并进行最大比合并,提高输出信干噪比。仿真结果表明,其误码性能优于匹配滤波器、传统Rake接收机、解相关Rake接收机和基于恒模算法的自适应接收机,且收敛速度较快、复杂度较低。     

多层次自适应知识蒸馏的轻量化高分遥感场景分类

针对深度神经网络模型计算量大且耗时,而轻量化模型速度快但精度低,二者均无法直接应用在嵌入式设备上的问题,本文提出一种多层次自适应知识蒸馏方法提升轻量化模型的性能。首先,针对遥感影像类别间差异程度不均衡,通过改进输出层知识蒸馏中的温度机制,提出一种自适应温度机制,促进学生模型更好地学习大而深的教师模型的输出层概率分布知识;然后,通过添加辅助卷积块以融入特征层的知识蒸馏方法,使学生模型学习教师模型的多层次知识。在两个高分遥感场景分类数据集上的实验验证本文方法的有效性。     

ATM网络中恒定比特率和可变比特率语音通信

分析了ＡＴＭ（异步转移模式）网络中恒定比特率（ＣＢＲ）和可变比特率（ＶＢＲ）语音通信方式，讨论了ＩＴＵＴ１９９７年新颁布的ＡＴＭ可变比特率业务适配标准ＡＡＬ２，给出了信元装配实例。针对ＶＢＲ业务相对ＣＢＲ业务有较大不同的网络传输时延特性，着重分析了语音信号作为ＶＢＲ业务采用ＡＡＬ２适配标准时，通过ＡＴＭ网络传输时的装配时延问题。     

莱斯信道下跨层系统的频谱效率分析

为提高无线通信网络在传输中的频谱利用率,提出一种莱斯信道下的跨层系统.该系统联合了物理层的自适应调制技术与数据链路层的自动重传技术.利用从接收端反馈回的信道状态信息和自动重传请求,发射端自适应调节调制模式,自动重传发射数据.推导了莱斯信道下,跨层系统的频谱效率和中断概率的封闭表达式,以及固定调制模式系统的频谱效率的表达式,并利用推导的表达式进行仿真.结果表明,对比仅有自适应调制的系统,跨层系统的频谱增益大约是1.5 dB;而与仅有自动重传的系统相比,其频谱增益最大达到3 dB.     

过热汽温的模拟柔性神经网络直接自适应控制系统

提出一种模拟复合正交柔性神经网络,并应用于电厂过热汽温的直接自适应控制方法。模拟柔性神经网络被用作为过热汽温控制系统中的主、副调节器,以改善控制系统的动态性能。神经网络采用5层网络结构,网络隐层节点采用带参数的Sigmoid函数构成的Laguerre（拉盖尔）复合正交多项式。网络在学习过程中,输入层与隐层之间不用调整权值,仅连续调整输出层与隐层之间的权值和隐层中Sigmoid函数的参数,以提高网络的学习适应性。网络隐层节点（处理元）是复合正交多项式的展开项,展开项的多少决定着网络的学习速度和精度。通过对具有严重参数不确定性、扰动以及大迟延的电厂过热汽温被控对象进行仿真研究,结果表明控制系统的干扰和超调明显减小,在控制系统的动态性能上,所提控制方法优于常规控制方法。电厂过热汽温控制取得了令人满意的效果。