基于Burg entropy-散度函数的不确定概率约束优化问题的等价形式

许多有重要价值的实际问题的数学模型均为概率优化模型,如水库系统设计问题、现金匹配问题等,该类模型通常存在分布的不确定性.文章对概率优化模型的分布不确定性展开研究,探讨了基于Burg entropy-散度函数的不确定概率约束优化问题的一个等价形式.构造了基于Burg entropy-散度函数的不确定集,用测度变换的方法把一个关于分布P的优化问题转化为关于似然比的凸优化问题,证明了基于Burg entropy-散度函数的不确定概率约束优化问题解的存在性,并且得到了基于Burg entropy-散度函数的不确定概率约束优化问题的等价形式.     

多输入多输出系统特征模发射最小化误码率优化功率分配

在多输入多输出系统特征模发射设计中,基于最小化误码率准则优化发射功率分配问题没有简单的闭式解,求解方法有通用优化算法(如内点法)和Q函数契尔诺夫近似功率分配法.前者计算量大且不能理论分析,而后者只能获得近似功率分配解.文中将此约束优化问题的解用W主分支函数表示,将其转化为求解关于W函数的问题,提出了W函数求解法.利用W函数的简单求解算法,所提出方法能获得更精确的优化功率分配解.数值模拟结果也显示,该方法获得了较其他求解方法更低的系统误码率.     

MC-DCSK 中的子载波功率分配优化算法

研究了多载波差分混沌移位键控(multi-carrier differential chaos shift keying,MC-DCSK)调制中的子载波功率分配问题,基于功率分配模型,推导了MC-DCSK以子载波功率为参数的误比特率(bit error rate,BER)表达式,基于该表达式,建立了最小化误比特率的最优化问题,并用凸优化方法获得了子载波最优功率的分配策略.通过仿真,比较了最优功率分配与等功率分配情况下,MC-DCSK在加性高斯白噪声(additive white Gaussian noise,AWGN)和Rayleigh多径衰落信道下的性能,仿真结果验证了最优功率分配策略对系统性能的重要改进,尤其当子载波数较大时,其性能增益更为明显.     

基于粒子滤波的MIMO雷达目标似然比检测方法

针对多输入多输出（MIMO）雷达在非高斯杂波背景、信号参数随机或未知的情况下,难以建立目标统计检测模型的问题,基于粒子滤波方法,根据参数的概率分布函数抽取粒子,将复杂积分运算转化为求和运算求取似然函数,给出了一种MIMO雷达目标似然比检测的通用模型,解决了非高斯杂波条件下无法得到检测统计量的问题．以复SG-Alpha联合稳定分布作为MIMO雷达非高斯杂波分布模型,给出了基于粒子滤波的似然比检测方法．最后通过仿真实验给出了该方法在不同条件下的检测性能,并与传统MIMO雷达目标检测方法进行了比较,结果表明在非高斯杂波背景下该方法的检测性能要明显优于传统方法的．     

协同认知网络中功率分配与协同节点选择

针对认知无线网络中次级用户通信性能优化问题,以最大化次级用户的传输速率为目标,研究引入协同通信的认知网络中协同节点选择和发送功率分配问题.通过引入中断概率增量因子,简化主用户接收机中断容量损失受限的约束条件,同时依据目标函数的不同将问题分解,对形成的原优化问题进行了有效求解.仿真结果表明,文中算法实现了最优的功率分配和协同节点选择,在保护主用户通信业务的前提下,有效地提升了次级用户的传输速率.     

认知网中多时隙联合频谱感知和功率分配

为了降低认知无线网中认知用户对主用户的干扰,并为了最大化系统的认知吞吐量,提出了一种多时隙频谱感知和功率分配的联合优化方案。该方案将系统的每个帧分为若干个时隙,每个时隙分别进行频谱感知,通过合并每个时隙的感知结果,有效的提高了系统的检测精度,降低了系统的干扰概率。同时理论分析了感知时间与传输功率分配方案,发现两者都存在最优分配解,在约束认知用户检测概率与传输功率的基础上,将吞吐量描述为关于感知时间与功率的多约束优化问题,通过设计联合迭代算法对认知吞吐量进行了联合优化并获得了最优感知时间与最优传输功率分配。仿真结果表明,所提联合优化方案吞吐量性能最接近理论最优方案,并可通过牺牲部分吞吐量性能降低系统干扰概率,且复杂度较低。     

能量检测中的BPSK信号最优检测门限

在认知无线电中,授权用户对主用户进行频谱感知时,会存在使得虚警与漏检概率之和最小的最优检测门限。以研究高斯白噪声环境下BPSK信号的有效检测问题为目的。通过对能量检测统计量的数学分布进行理论推导,将最优检测门限问题转化为和值最小的求解问题,给出了由采样点数、噪声方差、信噪比所决定的最优检测门限计算公式,并给出证明。在不同信噪比下对和值曲线变化规律的仿真说明了最优检测门限的存在性。通过对文中门限和恒虚警概率门限下的检测概率性能分析、文中门限和恒检测概率门限下的虚警概率性能分析、以及不同指标变化时其他2种门限向文中门限收敛的性能分析,说明了最优检测门限下的检测性能较优。此外,蒙特卡洛实验验证了理论分析的正确性。     

l_p范数最小化问题下部分稀疏信号的稳定恢复（英文）

通过l_p范数最小化模型,研究了在有噪音线性测量值下稳定恢复部分稀疏信号的问题.首先提出了恢复信号的充分条件:部分p-限制等距条件(p-RIP),并推导出此模型的最优解与要恢复的原始信号误差范围.最后在无噪音l_p范数最小化问题模型下,计算出至少多少随机高斯测量值能够以高概率恢复部分稀疏信号.     

不对称速率双向中继系统的中继选择及功率分配

研究了不对称速率双向放大转发中继系统中的中继选择及功率分配问题.以中断概率作为约束条件,以系统总发射功率最低为目标,通过将几何规划问题转化成凸优化问题推导了功率分配的闭式解.在此基础上,提出了最小化最低总功率的中继选择标准.最后给出了中继选择与功率分配联合优化策略及实施步骤.仿真结果表明在给定的中断概率门限下,文中的联合优化策略能显著降低系统的功率消耗.     

多跳分集系统优化功率分配方案

针对协同通信中广泛使用的等功率分配(EPA)方案性能往往不是最优问题,采用理论推导和仿真的方法找出了最优功率分配方案.推导了在高信噪比条件下解码转发(DF)多跳分集网络的中断概率近似表达式和分集度,选取此表达式为代价函数,提出一种适合于DF多跳分集系统的近似最优功率分配方案.仿真结果验证了理论分析的正确性,在DF多跳分集系统中采取此近似最优功率分配方案(AOPA)要优于等功率分配(EPA)方案.与等功率分配(EPA)方案相比,此近似最优功率分配方案(AOPA)能更有效地提高系统的性能.     

认知无线电中一种非高斯背景下的协同频谱感知方案

在认知无线电系统中,由于需要对一定频谱范围内的认知用户进行频谱检测,而传统经典的检测方法无法满足复杂多变的检测环境,基于此,文章研究了在实际情况中更为普遍的非高斯噪声情况下认知用户的频谱检测问题.由于传统的广义似然比检测计算量较大而且实际工程中较难实现,文章采用广义似然比的一种近似形式即Rao检测.通过采用矩估计方法对系统模型的混合系数等进行参数估计,并在拟合非高斯噪声的背景下应用于认知用户的频谱检测,推导出非高斯噪声中Rao检测的检测统计量和检测性能公式,分析比较了非高斯噪声中Rao检测与高斯Rao检测的性能.仿真结果表明,在虚警概率一定的情况下,基于Rao检测的频谱检测方法能有效地提高认知无线电网络中非高斯噪声背景下认知用户的检测性能.     

卫星认知无线电检测门限与功率分配联合优化算法

针对窄带卫星通信中频谱利用率不足的情况,以最大化带内数据传输量为目标,提出了基于卫星Underlay认知无线电的上行链路中信道检测门限与功率分配联合优化(JDPO)算法.首先根据检测误差、功率向量与数据传输量之间的运算关系构建了卫星Underlay认知无线电接入模型,之后将目标函数分解为检测门限与功率分配2个子问题分别进行优化,以加窗粒子群优化算法逼近了最优检测门限,根据库恩-塔克条件求解了最优功率分配向量.通过引入中间量使2个子算法反复迭代,最终得到了检测门限与功率分配的联合最优解.仿真结果表明:存在多个次要用户时,JDPO算法可以获得更多的带内数据传输量;与传统方法相比,JDPO算法的数据传输量最大可提高50％.     

大规模MIMO系统中软输出信号检测方法

为解决在上行多用户大规模多输入多输出(MIMO)系统中,迫零(ZF)检测算法可取得近似最优性能,但ZF检测算法涉及复杂度高达O(K3)的矩阵求逆运算(其中K为用户数)的问题,基于Lanczos算法提出一种软输出信号检测方法,避免了高阶矩阵求逆运算,使复杂度由O(K3)降为O(K2).该方法为了计算软输出信息——对数似然比(LLR),通过对基于Lanczos算法的迭代计算解向量的过程进行分析,给出了一种低复杂度的LLR近似计算方法.仿真结果表明:提出的软输出信号检测方法的误比特率(BER)性能与计算复杂度均优于基于Neumann级数近似的信号检测算法,同时,最多仅需5次迭代就可取得逼近于ZF检测算法的性能.     

有色噪声中一种新频谱检测器的设计

高效、可靠地检测到主用户的存在与否是认知无线电的一个重要环节.在实际生活中,观测噪声常为时间相关的高斯有色噪声,如果运用传统的基于高斯白噪声假设的频谱检测算法,检测性能将显著降低.该文以高斯有色噪声为背景,首先采用线性模型估计导频信号,然后根据估计的参数设计基于似然比的检测器,并推导得到了检测概率和虚警概率的解析式.仿真结果表明:在低信噪比下,与能量检测相比较,所提方案能有效地提高检测概率和检测速度.     

干扰温度约束下的最优源功率控制与协作波束成形

文中研究在主用户干扰温度约束下,如何优化认知源节点发送功率以及认知中继波束成形权值来最大化认知目的节点的信噪比.信噪比最大化问题被转化为广义Rayleigh商问题,最优中继波束成形权值等于相关信道系数与源节点发送功率构成的矩阵的最大特征值所对应的特征向量.文中考虑了严格与宽松两种干扰温度约束,对于严格约束,给出了最优源节点发送功率与中继波束成形权值的解析解;对于宽松约束,推导了包含最优源发送功率的一个紧缩区间,并在该区间内使用基于最速下降的梯度方法有效计算最优解.     

一种新的全局优化搜索算法--人口迁移算法(Ⅱ)

用概率论分析了新提出的求解函数全局优化问题的人口迁移算法的收敛性及动态特性。分析结果表明人口迁移算法依概率收敛到全局最优解。以找到问题全局最优解的概率为准则，给出了该算法工作在最坏情形时按迭代次数衡量的收敛速度估计，进而给出了该算法按给定概率收敛时的计算时间复杂性估计，即函数计算次数估计。     

基于遗传算法的通风网络两步法风流调节优化算法

概括混合型通风网络优化模型,归纳混合型通风网络风量最优分配和风流最优调控两步法优化基本框架。首先,在满足矿井通风风量需求的基础上,实现风量分配优化。然后,结合矿井通风网络实际调风需求,引入遗传算法随机产生动态网络的邻接矩阵,使用附有条件的最小支撑树算法求解部分余树弦(调风地点)约束下的最小支撑树和独立回路矩阵,根据回路矩阵计算通风网络余树弦风阻调节值,在通风总功率和约束条件基础上构建广义最小化目标函数,依此对调节方案进行评价,使用遗传算法中的进化算子对调节方案编码实施进化操作,最后通过迭代得到满意解。研究结果表明:两步法思想简化混合型通风网络优化问题,解决调风地点约束的通风网络优化问题,执行效率高,能够解决较大规模的通风网络优化问题。     

两元两站分布式判决系统中的最优分站压缩律

讨论在中心融合律综合下两元两站分布式判决系统中最优分站压缩律的问题，着重讨论两种斯信号检测，得出的结论是：在高斯噪声影响下的确定性信号检测中，和在随机性高斯信号检测中，当方差，相关系数满足一定条件，最优分站压缩律是似然比。     

认知多中继网络中基于最佳功率分配的中断性能

研究了认知多中继网络的功率分配方案,提出了简单的最优功率分配(OPA)方法,并给出最优解.仿真了不同的认知中继位置对认知系统中断性能的影响,并联合考虑频谱感知和认知多中继协作传输两个过程.仿真结果表明,文中提出的最佳功率分配方案的中断性能优于等功率分配(EPA)方案,且存在最佳的感知时间使认知多中继网络的中断性能最优.     

噪声环境下的遗传算法

针对噪声环境下遗传算法解的选取问题提出一种新方法,在此基础之上结合多次采样方法就能够很好地解决遗传算法中的噪声问题。该方法只需增加很少的计算量,就可以获得较为满意的优化解。最后将文中方法与最优列表遗传算法相比较,采用高斯噪声模拟噪声环境,通过函数优化问题来说明该算法的有效性。