基于自适应感知的OFDM宽带测控抗干扰方法

针对正交频分复用(orthogonal frequency-division multiplexing, OFDM)宽带测控中难以有效对抗干扰的问题,提出多门限的快速傅里叶变换(fast Fourier transform, FFT)和小波包联合自适应频谱感知来实现宽带OFDM频谱重构抗干扰。该方法首先通过固定双门限FFT能量感知进行带宽内高干噪比干扰初检测,然后通过自适应小波包频谱感知实现剩余低干噪比频宽内的干扰检测,最后根据频谱感知结果,对OFDM宽带测控系统的频谱进行重构,实现干扰规避。实验结果表明,感知算法方法具有较好的干扰检测性能,并能够实现OFDM宽带测控系统的有效抗干扰。     

基于卷积神经网络的OFDM频谱感知方法

在认知无线电网络中,高效且准确的频谱感知是必不可少的一个环节。针对传统机器学习算法在频谱感知训练慢的难题,提出一种基于卷积神经网络的正交频分复用(orthogonal frequency division multiplexing,OFDM)频谱感知方法,将深度学习在图像处理上的优势应用到OFDM信号频谱感知中。该方法首先分析OFDM信号的循环自相关和频谱感知模型,对循环自相关进行归一化灰度处理,形成循环自相关灰度图;然后以LeNet-5网络为基础设计卷积神经网络分层地对训练数据进行学习,提取出更加抽象的特征;最后将测试数据输入到训练好的卷积神经网络模型,完成频谱感知。仿真实验表明,该方法能够完成OFDM信号的频谱感知,在低信噪比条件下具有较高的检测概率。     

基于压缩感知的认知无线网络协作频谱感知技术

针对传统频谱感知算法受A/D器件物理瓶颈,硬件计算能力等限制难以实现宽频段授权用户实时检测的问题,将压缩感知技术应用于宽带频谱感知,建立了一个基于Xampling前端的新型协作频谱感知模型,在此模型基础上提出一种基于认知用户分组,纽内利用压缩感知技术进行信息融合,组间对各组检测结果进行判决融合,两者结合实现授权用户检测的新算法,并给出了认知用户的分组原则.与传统宽带频谱感知算法相比,该方法无需高速A/D,也不需要恢复原始信号,可有效降低宽带频谱感知的硬件复杂度,缩短频谱感知时间,仿真结果证实了新算法的有效性.     

基于短时傅里叶变换的水声通信自适应OFDM均衡

由于水声环境时变特性,在水声信道中进行正交频分复用(orthogonal frequency division multi plexing,OFDM)信号传输,子载波间的正交性易受到破坏,从而产生载波间干扰,使得水声通信的误码率性能变差。针对这个问题,提出一种适用于水下时变信道的自适应OFDM均衡算法,该算法采用滑动窗口进行子块短时傅里叶变换获得接收信号的二维时频谱,进而对该二维时频谱进行自适应时-频域联合合并均衡。该自适应均衡算法中采用最小均方误差算法跟踪信道时变特性,并通过自适应判决反馈均衡更新二维时频谱的加权合并系数,提高了OFDM系统抗载波间干扰的性能。仿真分析表明,所提出的OFDM均衡算法可在时变信道下,有效降低水声通信的误码率。     

跳频电磁引信干扰感知技术方案研究

将跳频体制信号引入鱼雷电磁引信能有效拓展引信工作带宽、提高抗干扰能力, 但如何选取备选频点、避免跳频频率与干扰冲突, 是目前仍需解决的问题之一。本文分析研究了跳频鱼雷电磁引信工作原理及干扰特性, 基于认知无线电技术的频谱管理思想设计了一种干扰感知策略, 提出一种基于多分辨率频谱感知算法的干扰感知技术方案, 并采用双门限判决方法解决了跳频鱼雷电磁引信背景干扰与随机干扰的同步检测问题, 设计了备选频点选取算法。仿真结果表明, 提出的技术方案能够有效实现干扰感知, 采用高斯函数作为母小波函数可在信噪比(signal to noise ratio, SNR)为5 dB时, 使最高检测概率达0.995;在SNR为－15 dB时, 最高虚警概率低于0.25;当SNR高于－5 dB时, 应对应答干扰和扫频干扰的跳频干扰冲突概率均低于0.05%。     

基于特征值检测的多天线盲频谱感知算法的研究(英文)

在多天线感知场景中噪声不确定和信号相关现象可能同时存在,经典的基于能量检测(ED)感知性能将急剧恶化。利用多天线接收信号存在的相关特性,提出一种基于取样协方差矩阵(SCM)特征值的盲频谱感知方法。新方法无需噪声方差、主信号和无线信道的信息参与感知过程。与经典的能量检测方法相比,由于无需噪声方差参与感知节点的判决过程,新方法的感知性能对噪声不确定性具有良好的鲁棒性。利用多元统计理论和随机矩阵理论(RMT)获得了相应的理论判决门限。仿真结果表明新算法比基于ED的感知算法具有更好的误警性能和更可靠的检测性能。     

基于特征值高阶矩的频谱感知增强技术

基于特征值的多天线盲频谱感知方法在认知无线电中得到了广泛的研究。基于特征值的检测算法设计依赖于随机矩阵理论和样本协方差矩阵的特征值特性。许多研究表明特征值的高阶矩可以提供额外的鉴别信息进而能改善统计推断问题的性能。基于此, 利用所有特征值的p阶矩提出了新的基于特征值高阶矩的频谱感知增强算法, 并利用随机矩阵理论推导了虚警概率和判决门限的解析表示。此外, 基于仿真实验研究了特征值高阶矩幂次变化对检测性能的影响。最后, 通过仿真实验验证了所提算法的有效性。     

Femtocell网络中基于PSO的频谱感知技术

在Femtocell和Macrocell构成的两层网络中,干扰问题十分突出,传统的研究主要集中在静态的资源分配上,未能有效地提高频谱资源的利用率。基于认知无线电中的频谱感知技术,检测出空洞的频谱资源分配给Femtocell使用。给出了多用户多天线Femtocell系统的协作频谱感知模型,推导出全局检测概率,在给定虚警概率的前提下,在融合中心基于粒子群优化（particle swarm optimization, PSO）算法优化分配每个Femtocell用户感知信息的权值,最大化系统的全局检测概率,提高频谱资源的利用率。仿真结果表明,所提算法能够有效地改善系统的检测性能,具有较好的实时性,适用于实际的两层网络通信系统。     

用小波包测量无功功率

介绍用小波包求基于Budeanu定义的无功功率的新算法。小波包可以对小波空间进一步分解,把给定信号分解到更多频段,从而提高频率分辨率,分解到各频段的信号是时域信号,可以求出给定信号在各频段的参数。小波包分解是一种比多分辨率分析更加精细的分解方法,通过小波包分解的信号具有更好的时频特性。将电压、电流和各次谐波分别移90的电压正交小波包分解,用分解系数可求出无功功率,以及电压有效值、电流有效值、有功功率等,还可以求出各子带上的有功功率及无功功率。对算法进行了仿真研究。     

基于特征值极限分布的双门限频谱感知算法

针对传统频谱感知算法在较低信噪比和存在噪声不确定度时,检测性能降低的问题,提出了一种基于特征值极限分布的双判决门限频谱感知算法。由于利用了双门限和信号采样协方差矩阵的特征值进行判决,这种算法不但可以有效地克服噪声不确定度对检测性能的影响,而且不需要预先知道主用户信号的任何信息。与已有的最大最小特征值频谱感知算法相比,由于采用了双判决门限,因此该算法的检测性能更优。仿真结果表明,该方法不但可以有效地克服噪声不确定度,而且检测性能也优于最大最小特征值算法。     

Rollout及其并行求解算法在多类商品库存控制中的应用

Rollout算法是Bertsekas提出的求解马尔科夫决策过程(MDP)问题的一种仿真优化算法。文章研究Rollout算法求解多类商品库存控制问题,给出了基于性能势和神经元动态规划的Rollout优化算法。另外,为了降低运算时间,文章提出了两种Rollout并行求解算法,并讨论了这两种并行算法各自的适用场合。实验结果表明,Rollout算法能满足模型未知系统的优化要求,具有较好的并行性能。     

一种新的机动目标跟踪算法

针对反舰导弹末端超音速、跃升俯冲的攻击模式,提出了一种基于描述导弹受力状态和运动参数之间关系的模型的机动目标跟踪新算法,可以通过在线辨识模型中的力学参数,自动适应导弹运动模态的变化,最后研究了新算法与基于CV、CA模型的目标跟踪算法的性能比较。仿真结果表明,在反舰导弹末端超音速、跃升俯冲攻击模式下,基于CV、CA模型的目标跟踪算法性能较差,而新算法可显著提高对高速强机动目标的跟踪性能。     

基于PA的卫星网络动态带宽分配在线算法及仿真

为解决卫星网络带宽分配问题,基于离散事件动态系统理论中的PA方法,提出了一种在线算法.该算法把动态带宽分配问题描述为约束优化问题,以一次计算机仿真的数据为基础,通过PA方法求出网络平均延时相对于分配带宽的梯度,以优化网络平均延时为目标,构造带宽约束条件下的迭代公式,在线地分配带宽,有效解决了一般计算机仿真中需要进行多次重复仿真而导致的大量机时问题,克服了一般算法须假定信息流的统计特性的限制.仿真结果表明,该算法能明显改善网络的平均延时性能.     

基于PDES的最小时间桶算法研究

混合策略在一定程度上避免了过分保守或极端乐观的缺点。首先分析了现有同步机制存在的不足,然后论述了视界概念及最小时间桶算法的设计与实现,接着对最小时间桶算法的性能进行了定性定量的深入探讨,最后采用PHOLD仿真应用模型在MTB算法、保守算法和TW乐观算法之间进行了性能对比实验,实验结果表明：MTB算法在某些条件下具有更小的回退开销和更快的事件处理效率。

Abstract：

Hybrid strategy to some certain extent avoids the shortcomings of the excessive conservation and extremely optimism. The shortcoming of the existing time synchronization algorithms was analyzed; then the very important conception of the event horizon,furthermore was proposed,and the design and the realization of the Minimum Time Buckets Algorithm were put forward. The remainder provided the farther research for the performance of this algorithm by qualitative analysis and quantitative analysis. Finally,the PHOLD simulation model was used to compare the performance of conservative algorithm,TW algorithm and MTB algorithm. The experiment results indicate that under some conditions MTB algorithm has lower rollback costs and faster event process speed,which lead to better performance than TW and conservative algorithms.     

基于特征结构配置的结构主动控制及仿真

考虑了具有最优控制的结构主动控制问题,目的是在系统满足闭环特性的前提下,设计状态反馈控制器使得系统性能泛函极小化。利用特征结构配置方法提供的自由度,给出了性能泛函的显示参数化表示,从而该问题转化为带有约束条件的优化问题,参与优化的变量仅为一组参量。并给出了求解该优化问题的算法,该算法直接基于结构系统矩阵,故其简单性为工程应用提供方便。地震作用下对三层剪切结构建筑模型进行仿真分析,结果表明所提结构主动控制方法的有效性。     

一类分布式控制系统的容错优化调度算法

在分析同步采样分布式控制系统基础上,给出了一种新的容错调度算法。该算法首先在一个周期内形成一个任务调度序列(包括基版本和副版本),然后采用启发式算法将任务分配倒各个处理器上,且同一任务的基版本和副版本分配到不同的处理器上。同一处理器上的任务按照其在调度序列中的先后次序执行。由于控制系统的性能与任务的采样周期和控制延迟有关系,因而采用以整数编码为基础遗传算法对调度序列进行优化。仿真实验表明,这种调度算法在保证实时任务容错可调度的情况下,可以极大地提高控制系统地的性能。     

基于级联MUSIC的面阵中的二维DOA估计算法

提出了适用于面阵中的基于级联多重信号分类(multiple signal classification,MUSIC)方法的二维波达方向(direction of arrival,DOA) 估计算法。该算法仅采用级联的一维搜索即可实现二维DOA的联合估计,避免了经典二维MUSIC算法的复杂计算量,复杂度大大降低,同时角度估计性能非常接近经典二维MUSIC算法。此算法可以实现二维角度的自动配对,角度估计性能优于传播算子算法(propagator method,PM)以及借助于旋转不变技术的信号参数估计算法。同时,该算法可以很好地估计出相同方位角(或仰角)的信源。结合算法的高性能及低复杂度,该算法拥有更广泛的适用范围,其优越性得到验证。     

利用时域相关的MIMO-OFDM信道估计算法

提出了一种适用于多入多出正交频分复用(MIMO-OFDM)系统的信道估计算法,详细说明了导频符号的特殊设计算法以及信道估计算法的原理,并对该算法的均方误差性能以及复杂度进行分析;该算法能够在信道多径时延信息准确已知或不准确时带来良好的估计精度,从而保证系统性能。将该算法应用于超三代-时分双工(B3G-TDD)系统中并在室外和室内环境下仿真,均方误差和系统误码率性能结果说明了该算法的有效性;该算法能够大大增强系统的鲁棒性。     

基于子空间方法的自适应半盲多用户检测

提出MC-CDMA系统下一种基于子空间方法的自适应半盲多用户检测算法。该算法通过利用小区内所有用户的扩频码设计了一种基于MOE准则的半盲检测器。针对Chebyshev逼近算法受到来自噪声子空间分量的影响导致性能下降的问题,提出一种子空间约束Chebyshev逼近算法,并使用该算法自适应得到权向量。为了减少计算复杂度,采用修正的PASTd算法自适应跟踪信号子空间。仿真实验验证了该算法的有效性和可行性。     

固定站无源目标跟踪简化UKF算法仿真研究

与EKF类算法相比,基于不敏变换(UT)的不敏卡尔曼滤波(UKF)算法因为不存在线性化误差从而具有更好的性能,不过存在运算量较大的问题。建立了具有线性状态方程的固定单站无源目标跟踪模型,以此为研究背景在满足L+λa=nx+λ=常数的情况下由扩维UKF算法推导出了简化UKF算法并进行了仿真分析。仿真结果表明在满足推导条件时简化UKF算法可以在降低运算量的同时保持和扩维UKF同样的定位性能,具有较强的实用性。