波束形成算法指向误差时的稳健性研究

为有效克服期望信号方向存在指向误差而导致的阵列流形向量失配的问题,提出了一种基于支持向量回归机的波束形成方法.该方法在分析线性约束最小方差波束形成器的基础上,将支持向量机的损失函数引入到线性约束最小方差波束形成器的最优化问题中,从而使基于结构风险最小化原理的支持向量回归机算法与波束形成算法相结合.通过MATLAB仿真实验,在没有失配的理想情况和期望信号存在方向向量失配的情况下,选取不同的支持向量机参数以及信噪比,分析对2种损失函数的基于支持向量机的波束形成算法.仿真实验结果表明,该算法在期望信号方向存在指向误差时,依然能够保持较好的系统输出信噪比,具有一定的稳健性.     

LDPC码在基于类二分法SVM的MPPSK信号检测中的应用

为了降低基于多分类支持向量机(SVM)的多元位置相移键控(MPPSK)系统的信号检测复杂度,同时提升误码率性能,提出一种新的类似于二分法的SVM多分类方法.然后在此基础上引入LDPC信道编码,考虑到SVM输出转化为多进制后验概率的复杂性,采用简单的位比特翻转法进行LDPC译码,并利用一种进制转化机制简化多进制LDPC译码.结果显示,类二分法SVM判决方法可以有效降低多分类SVM检测算法的复杂度,且其检测性能相较于已有的MPPSK信号检测算法显著提升;所采用的进制转化机制实现了基于SVM多分类判决的MPPSK系统中的多进制LDPC编解码;引入LDPC编码以后,MPPSK信号性能进一步显著提升.     

基于改进反馈判决的自动识别系统信号解调算法

针对卫星接收机接收的船载自动识别系统(AIS)信号信噪比低、星载设备要求复杂度低的特点,以及高斯滤波最小频移键控(GMSK)调制过程中高斯成型滤波产生码间干扰(ISI)和非相干解调对噪声敏感的问题,提出了一种改进的反馈判决方法.该方法通过减小后检测滤波器的带宽,来充分抑制鉴频噪声,并根据后检测滤波器的带宽来调整反馈判决电平,以补偿ISI和后检测滤波器对鉴频信号造成的失真;另外,还设计了一种根据AIS帧头的位同步序列和起始标志,来计算实际系统中的反馈电平的方法.仿真结果表明,提出的方法可以在信噪比为4.5 dB时,使误码率降至10~(-5),而未增加系统复杂度.该方法简单有效,也可以应用于卫星AIS接收机以及其他深空通信系统中.     

一种基于KNN与改进SVM的车牌字符识别算法

提出了一种将KNN(K近邻)和支持向量机相结合的字符识别算法.首先用KNN对字符进行判断,如果输出的置信度大于阈值,则认为分类正确;如果小于阈值则采用支持向量机进行判决.改进了SVM分类器,通过调整支持向量机的分类超平面改进了支持向量机的性能.将算法应用到实际的车牌字符识别中,识别结果表明,这种方法在提高识别速度的同时,有效提高了字符的识别精度.     

半导体光放大器交叉增益调制全光波长变换信噪比、误码率与消光比的关系

作者基于对半导体光放大器交叉增益调制(XGM)波长变换的信噪比、误码率与消光比关系的理论研究，导出了信噪比与消光比、误码率与消光比之间的关系。结果表明：(1)在消光比和信噪比的关系曲线中自发辐射对信噪比的影响较大；(2)适当增大变换信号的消光比，可以获得较高的信噪比并可改善输出信号的误码特性；(3)若增加探测光功率则有利于提高信噪比，而不利于提高消光比，因此需要在综合考虑信噪比和消光比的基础上确定探测光功率；(4)不同的探测光波长在消光比与信噪比的关系曲线中，对信噪比的影响不大。     

基于特征加权的FSVM在低信噪比语音识别中的应用

模糊支持向量机(FSVM)赋予每个样本一个模糊隶属度,优化了最优分类面,具有好的抗噪性。为提高低信噪比条件下的语音识别准确率,减小传统支持向量机(SVM)中噪声样本对分类精度造成的影响,首先将模糊支持向量机(FSVM)应用于语音识别系统中的识别网络。在此模型的基础上,考虑到语音样本各维特征的影响,计算各维特征的信息增益作为对分类的重要程度,依据此重要程度确定对各维特征的加权系数,构造加权核函数。为了减小一对一分类模式下的时间复杂度,引入了三叉决策树策略。在仿真实验中,采用韩语语料库的耳蜗滤波器倒谱系数(CFCC)作为实验数据,实验结果表明,在低信噪比语音识别中,特征加权模糊支持向量机(FWFSVM)比传统的SVM具有更好的鲁棒性。     

集中式多输入多输出雷达等效阵列增益推导

为便于分析集中式多输入多输出雷达性能,给出了一种集中式MIMO雷达等效阵列增益的近似推导.分析了集中式MIMO雷达阵列处理输出信号相对于匹配滤波器输出信号的信噪比提高因子,推导了SISO雷达和MIMO雷达阵列输出信号的信噪比公式,在此基础上,给出了集中式MIMO雷达阵列等效合成增益表达式,并对结果进行了仿真分析.仿真结果表明,阵元数增加一倍,相控阵雷达阵列增益增加3.0dB,而集中式MIMO雷达等效阵列增益只增加1.5dB.集中式MIMO雷达可通过长时间积累的方法来解决由于阵列等效增益减小带来的检测性能下降问题.     

一种基于时分的EBPSK多载波实现方式

为了实现扩展的二元相移键控(EBPSK)调制的多载波传输,提出了一种基于时分的EBPSK多载波实现方式.首先,利用叠加原理,通过观察冲击滤波器的输出波形,分析了多路EBPSK信号间干扰的原因;然后,给出了消除信号间干扰的具体思路,即将临道信号相对延迟,使各路载波的判决区域在时间上区分开,避免判决区域的碰撞;最后,通过仿真,对比了不同时间保护间隔下基于时分的EBPSK多载波与单载波的误码率性能.仿真结果表明,时间保护间隔为0时干扰较大,多载波的误码率性能较差.在合适的时间保护间隔下,多载波的误码率性能几乎与单载波一致.基于时分的EBPSK多载波实现方式能够有效消除各路EBPSK信号间的干扰,使得多路EBPSK信号同时传输且误码率性能损失不明显.     

一种格约减辅助的协作多址接入方案

针对传统协作多址接入(CMA)系统可靠性不高的问题,提出了一种格约减(LR)辅助的协作多址接入方案(LR-CMA).首先将传统CMA系统中源端到目的端的信道等效成虚拟多输入多输出(MIMO)模型,然后在接收端用LR算法改善虚拟MIMO信道矩阵的正交性,减少信号之间的干扰,最后检测并恢复信号.通过计算机仿真将LR-CMA方案与传统CMA方案相比较,结果表明,2种方案的复杂度均随维度呈指数增长,但LR-CMA方案的误码率性能要优于传统CMA方案,接近复杂度很高的最大似然检测的误码率性能,在信噪比为30 dB时,其误码率差距超过14dB,并且LR-CMA方案在衰落信道下可以获得最优的分集增益和复用增益的均衡.     

基于共同空间模式的扫视信号特征提取算法

为了提高基于眼电图(EOG)的扫视信号识别正确率,提出了一种基于共同空间模式(CSP)的扫视信号特征提取算法.该算法首先利用事先标注好的标签数据进行CSP空域滤波器设计,并采用联合近似对角化的方法解决多分类问题;在此基础上,使用该滤波器对原始多导联眼动信号进行空域滤波,滤波输出即为扫视信号的特征参数.在实验室环境中使用支持向量机对上、下、左、右四类扫视信号进行识别,所提算法的平均正确率达到了97.7%.实验结果表明基于CSP的扫视信号特征提取算法在眼动信号分析中呈现出良好的分类性能.     

线性滤波器的信噪比最佳输出

本文提出了一种新的计算线性滤波器输出信器嗓比的方法,经验证,对根据不同准则导出的两种广泛应用的滤波器,其输出信嗓比均能得到改善。     

A novel adaptive classification scheme for digital modulations in satellite communication

To make the modulation classification system more suitable for signals in a wide range of signal to noise ratios （SNRs）, a novel adaptive modulation classification scheme is presented in this paper. Differ-ent from traditional schemes, the proposed scheme employs a new SNR estimation algorithm for small samples before modulation classification, which makes the modulation classifier work adaptively according to estimated SNRs. Furthermore, it uses three efficient features and support vector machines （SVM） in modulation classification. Computer simulation shows that the scheme can adaptively classify ten digital modulation types （i.e. 2ASK, 4ASK, 2FSK, 4FSK, 2PSK, 4PSK, 16QAM, TFM, π/4QPSK and OQPSK） at SNRS ranging from 0dB to 25dB and success rates are over 95% when SNR is not lower than 3dB. Accuracy, efficiency and simplicity of the proposed scheme are obviously improved, which make it more adaptive to engineering applications.     

基于声信号的履带机器人地面分类试验研究

为了拓展地面识别方式及提升识别率,提出利用履带机器人行驶噪声进行地面类型识别.使用声压传感器采集履带机器人在行驶过程中与地面相互作用辐射的声音信号,对声音信号提取修正的梅尔频率倒谱系数（MFCC）及其一阶差分（△MFCC）使用优化后的支持向量机（SVM）进行分类,并测试了该方法在多种背景噪声环境下的效果.结果表明,行驶噪声包含能够表征地面特点的信息.相比于幅域、频域和时频域特征,修正的MFCC+△MFCC特征具有明显优势.在校园环境中分类准确率达到了89.5%,当信噪比高于20 dB时,在多种背景噪声环境中分类准确率均达到80%左右.      

基于拒识的误差编码车辆分类

基于支持向量机的误差编码分类已经成功应用到多类分类问题中,但通常是以错误率来衡量误差编码分类器的优劣,具有较大的局限性。在实际应用中,错分结果往往会带来一定的风险代价,为了在一定程度上减少这种代价,本文提出了一种带有拒识功能的误差编码分类方法。文中利用纠错编码把多类分类问题转换成多个两类分类,再将拒识的方法应用到每个分类器中,最后结合编码矩阵投票表决得到分类结果,从而提高分类可靠性。     

基于循环谱特征的楼宇室内频谱感知算法

针对目前楼宇室内环境中,信道多径衰落和噪声不确定性等低信噪比情况下主用户信号检测性能较低的问题,提出了一种基于支持向量机(SVM)的主用户信号频谱感知算法.该算法融合了循环平稳特征检测和SVM算法的特点,对信号循环平稳特征参数进行特征提取,作为训练样本和待测样本,再采用SVM算法分别对有无主用户情况下的信号进行分类检测.仿真实验表明与人工神经网络(ANN)和最大最小特征值法(MME)相比较,所提算法可在低信噪比情况下,有效地实现对主用户信号的感知,具有较好的稳健性.     

基于随机森林的认知网络主用户信号调制类型识别算法

针对低信噪比情况下主用户信号调制类型识别率低的问题,提出了一种使用信号循环谱中特征参数作为样本参数的基于随机森林的认知网络信号类型识别算法,通过使用训练完成的随机森林对主用户信号类型识别,有效抑制了采用ANN和SVM进行识别所造成的误差影响,提高了低信噪比下信号识别的精确度,实现了不同调制类型信号的有效检测与识别.实验结果表明:所提出的算法有较高的主用户信号调制类型识别精度,进而验证了算法的有效性.     

直接序列扩频通信中抑制窄带干扰的非线性滤波方法

分析了干扰形式为单音和自回归过程时信噪比改善的闭合表达式。仿真结果表明，对于单音干扰，在接近载波频率处非线性滤波器比线性滤波器有10dB的信噪比改善；对于自回归形式的干扰，信噪比改善会随着输入信噪比的变化而改变，但在输入信噪比很大时，非线性滤波器比线性滤波器有近5dB的改善。     

基于深度学习与支持向量机的低截获概率雷达信号识别

 提出了一种基于栈式自编码器与支持向量机的低截获概率（LPI）雷达信号识别方法。首先,通过Choi-Williams分布,将信号变换到时频域,获取信号的时频图像;其次,使用图像预处理方法对时频图像进行处理,得到便于自编码器处理的图像;再次,使用栈式自编码器从预处理后的时频图像中自动地提取出信号特征;最后,基于提取的信号特征使用支持向量机（SVM）对信号进行分类。本方法使用任意波形发生器（AWG）模拟产生了8类LPI雷达信号,采用栈式自编码器与支持向量机相结合的方法识别信号。仿真实验结果表明,该方法能够在低信噪比和小样本情形下有效识别LPI雷达信号。     

应用全极化辅助天线和Kalman滤波器的旁瓣干扰对抗方法

为减小干扰极化方式对旁瓣对消系统的影响,提出一种基于全极化辅助天线和Kalman滤波器的极化域-空域联合抗旁瓣干扰方法。首先对辅助天线进行正交双极化改造,根据极化通道功率优选辅助通道信号,进而利用Kalman滤波器进行闭环旁瓣对消。该方法将旁瓣对消系统看作误差预测滤波器,将优选的辅助通道加权和作为量测,通过迭代修正权值矢量,减小主通道信号与量测的误差,从而消除旁瓣干扰,提高主通道信噪比。仿真实验表明:该方法收敛速度快,适用于多辅助通道情况,对正交极化干扰的输出信噪比优于常规旁瓣对消约10dB,在低快拍条件下稳定性好。     

基于最小二乘支持向量机的脑电信号分类

研究了基于运动想象脑电信号对大脑的想象运动状态进行分类识别的问题.根据事件相关同步和事件相关去同步现象识别出被试的想象运动状态,通过频带能量特征提取方法获得了想象左右手运动时的脑电信号特征,使用最小二乘支持向量机对提取到的频带能量特征进行分类.结果表明,使用最小二乘支持向量机可以对运动想象脑电信号的频带能量特征进行有效分类,分类正确率达到92%,其分类效果与使用标准支持向量机相当,但在计算速度上更有优势.