基于V-BLAST的多载波直接序列扩频CDMA系统上行链路性能分析

提出了一种应用多输入多输出（MIMO）的垂直分层空时（V-BLAST）检测算法的多载波直接序列扩频CDMA（MC-DS-CDMA）的系统结构,对系统上行链路的误码率性能进行了理论分析,推导出了接收天线数大于发射天线数条件下系统误码率的理论表达式,并通过计算机仿真进行了验证,数值结果表明,收发天线数对系统性能具有较大的影响,相对于传统MC-DS-CDMA系统,减少发射天线数或增加接收天线数均可使基于V—BLAST算法的MC-DS-CDMA系统的性能和容量有不同程度的改善．     

垂直分层空时码的迭代检测算法

为解决垂直分层空时码的最优最大似然（ML）检测难以实现，而常用检测算法的性能受到错误传播影响的问题，提出了一种垂直分层空时码的迭代检测（ID）算法．该算法利用多天线接收信号的软信息进行迭代并行消除干扰，有效地降低了错误传播的影响．仿真结果表明，ID算法的收敛速度快，其检测性能比常用的ZF—DFE算法有明显的提高；在低信噪比区域，ID算法的检测性能与ML算法相当．     

一种新的排序最小均方误差串行干扰消除检测算法

针对分组空时块码（G-STBC）多发多收（MIMO）系统中的信号检测问题，提出了一种新的排序最小均方误差（MMSE）串行干扰消除（SIC）检测算法，新算法基于“G-STBC等效信道模型”，并采用一个新的低复杂度的排序标准——“等效检测后信干噪比（POST-SINR）”，可用于存在较多组的G-STBC系统中，通过仿真比较，验证了该算法有效挖掘G-STBC系统提供分集增益的能力，反映了算法采用IC和排序引入的性能优势，并证实了“等效POST-SINR”的有效性。     

低复杂度的多符号差分空时分组编码在快速瑞利衰落信道中的研究

为了降低多符号差分检测(MSDD)算法的高计算复杂度,提出了2个低复杂度的算法,分别是简单化的M算法(SMA)和改进的多符号反馈检测(IMDFD)算法.SMA是在M算法的基础上,通过删除对后续搜索过程不起作用的路径数,来达到和M算法性能相同,但复杂度降低的目的;而IMDFD算法结合了SMA和MDFD算法的思想,通过联合估计最大化值和设置序列长度值的方法,不仅达到低复杂度,而且还克服了MDFD算法的错误传播和低信噪比下低性能的问题.仿真结果显示,这2种算法通过增加观察间隔,都能很好的填补差分检测和相关检测之间的间距,并且随着星座点数的增加,SMA算法和IMDFD算法之间的性能间距在逐渐拉大,相对来说SMA算法具有稍高的复杂度但却有更好的性能.     

多用户空时编码SDMA OFDM系统MBER检测算法

分析了将最小误比特率(MBER)的多用户检测算法应用于上行空时编码SDMA OFDM系统。对其性能进行了仿真分析。分析结果表明,与最小化MSE的MMSE检测算法相比,直接最小化BER的MBER检测算法在保持复杂度相近的情况下获得较好的性能。     

智能天线MC-CDMA系统中空频联合盲多用户检测算法

提出了智能天线多载波CDMA系统中一种空域和频域联合的盲多用户自适应检测算法，它是将空域波束形成和频域合并检测合二为一，使得检测器在空域和频域两维上同时优化，从而提高了系统的检测性能。对这种空频联合检测算法的误码性能进行了分析,并与先自适应波束形成然后再进行频域合并的分步算法进行了仿真比较，仿真结果表明，提出的空频联合盲多用户自适应检测算法的检测性能优于分步检测算法。     

多径MIMO CDMA系统中改进的盲空时多用户检测算法

针对多径衰落信道下发射分集采用Alamouti空时分组码的MIMO CDMA系统,提出了一种改进的基于子空间的盲MMSE空时多用户检测算法.结合目标用户特征波形先验知识和多径信道信息对信号子空间进行预处理,然后使用正交性能和稳态性能较好的NOOja算法跟踪信号子空间,并在跟踪初期对信号特征值矩阵进行处理,去除迭代带来的噪声.仿真结果表明这种算法能有效地抑制多径干扰和多址干扰,尤其在低信噪比、远近效应明显的恶劣环境下,有稳定良好的性能表现.     

一种新的Zero-Forcing BLAST 联合检测算法

在有效利用双向迫零(BID-ZF)检测算法和并行干扰消除(PIC)检测算法的基础上,提出了一种ZF-BLAST的联合检测算法:BID-PIC.仿真结果表明,这种新的算法在低复杂度的情况下可以获得比单纯使用BID-ZF或者ZF-PIC的性能好.     

发送天线选择对MIMO系统性能的影响

提出一种在接收端结合最大比合并的发送天线选择新算法。该算法中，发送端从N个可用天线中选择信道增益最佳的L个天线，而接收端不进行天线选择并进行最大比合并。并对该算法在准静态瑞利衰落信道的成对差错性能进行了深入地分析。理论分析和仿真试验证明了尽管发送端天线选择对MIMO系统的分级阶数会造成一定程度的损伤，但同不进行天线选择(L；M)相比，应用该算法仍能获得较大的分级增益，明显提高了相同频谱效率和相同分集阶数条件下空时码的性能。     

直接序列码分多址的多输入多输出系统中的空时多用户检测

针对直接序列码分多址(DS—CDMA)的多输入多输出(MIMO)系统，设计了几种天线结构，提出利用空时分组码分别进行空时线性多用户检测和空时串行干扰对消多用户检测．通过分析误码率和算法的复杂性，比较了这两种方法的性能．仿真结果表明，空时线性多用户检测方法优于空时串行干扰对消多用户检测方法．     

基于神经网络的程序异常监测

针对传统入侵检测系统的不足,研究了基于反向传播神经网络的程序异常检测方法,提出了一个改进的利用多层前馈网络的预测功能和异常区域判定方法检测系统异常的算法.详细讨论了算法的基本原理、数学基础、设计和实现方法.通过实验,分析算法的优缺点,验证了算法的可行性和有效性.     

基于嵌入式系统和红外图像的火焰检测算法

随着嵌入式技术的发展,把机器视觉应用于嵌入式系统是一个发展方向.目前火焰算法相对比较成熟,具有较高的准确率和抗干扰力.但算法复杂度普遍较高,主要应用于PC机系统,不能适应嵌入式系统的要求.结合已有的研究成果,提出了基于统计背景模型和火焰动态特征的火焰检测算法,成功移植到嵌入式系统上.试验证明算法抗干扰性强、检测率高,速度快.     

一种快速运动目标检测算法

运动目标检测是智能视觉监控系统的重要组成部分,其主要功能是检测监控场景中的运动目标,为高层运动分析提供必要的信息。文章提出一种快速运动目标检测算法,以帧差法和背景减法为基础,快速实现背景提取、背景更新、运动目标检测的功能。实验结果表明,该算法计算量小,检测目标完整,能够满足实时监控系统的要求。     

基于背景更新的运动车辆检测算法研究

在基于视觉的智能交通系统中,运动车辆的检测是最基础也是最关键的步骤。目前运动车辆检测中最常用的方法是背景差分法。该算法的关键在于背景图像的获取,由于背景图像的动态变化,为了有效的对车辆进行检测,需要对背景进行实时更新。因此,提出了一种新的基于像素点灰度值变化的自适应更新背景的算法,该算法在背景变化的情况下,能实时地修正或更新当前背景图像,再结合差分法与阈值化分割出完整的运动目标。通过实验证明了算法的有效性和实时性。     

一种组合导航系统故障检测算法

在研究组合导航系统常用故障检测方法的基础上,将两种χ2故障检验法的检验量相结合,提出了一种针对组合导航系统的二叉树模糊支持向量机故障检测算法.该算法综合应用了Kalman滤波器、二叉树支持向量机等理论,采用模糊因子有效地减弱了噪声样本数据对支持向量机训练结果的影响,采用二叉树支持向量机的多个支持向量机实现对组合导航系统的多级故障进行多级分类和故障检测.最后,针对MINS/GPS组合导航系统,进行了相关仿真研究,仿真结果证明了该方法的有效性.     

IDS中一种快速模式匹配算法

网络入侵检测系统的效率取决于模式匹配算法选择.分析了目前网络上最常用的BM算法及其不足,在此基础上提出了一种更高效的改进算法.该算法利用已匹配字符的信息,增加了坏字符方法的右移量,提高了匹配的效率.实验测试结果表明该算法能够有效提高网络入侵检测系统的检测速度.     

高速在线机器视觉检测系统边缘检测算法研究

随着工业自动化生产的发展,产品质量检测成为生产过程的一个关键环节,高速在线机器视觉检测系统是解决这个问题的首选方案.本文主要研究了基于该系统的边缘检测算法,分析了被检对象的特性,总结了常用算法的特点,提出了适于该系统的高速实时在线检测算法.并且有效的保证了图像质量,为该系统后续检测环节的实现提供了良好的保障.     

基于四元数的彩色人脸检测

针对彩色图像提出基于四元数的人脸检测算法,从数学上解决传统方法将肤色检测与人脸最后确定分开进行而导致检测率较低、程序复杂度高的弱点,将人脸肤色信息与反映轮廓形状的灰度信息进行融合同时作计算处理,提高了检测速度,且增强了算法的鲁棒性.首先简单概述作者提出的检测系统,然后按算法流程分块说明系统每部分的主要内容,其中包括:定义于实数域的广义瑞利商以及Fisher鉴别分析法在四元数体上的推广;基于四元数的Fisher鉴别分析法在人脸检测中的应用原理;彩色人脸样本集的收集与预处理;彩色非人脸样本的收集及其分类的原因和分类原理;多尺度检测中的融合问题;多组检测结果的综合判断问题.数学上严密的推导表明,基于四元数的检测算法合理可行,满足实时性要求.大量实验测试结果显示,此算法快速有效,具有较强的鲁棒性.     

一种基于视觉的车道线检测与跟踪算法

提出了一种新颖的适用于自主驾驶系统的车道线检测与跟踪算法.该算法采用了广义曲线的车道线参数模型,能同时适应弯道和直道的检测.该检测算法最突出的贡献在于,没有仅仅使用单一方法求解各个参数,而是根据各参数的不同精度要求,分别使用自适应随机霍夫变换(ARHT)方法和禁忌搜索算法计算车道线模型中的各个参数,这样既准确计算车道线模型中的参数,也兼顾了车载系统的实时性要求.此外,为了提高算法的实时性,引入了多解析度的策略,以降低整个流程的时耗.最后,为了满足自主驾驶系统对稳定性的需求,还提出了一种基于粒子滤波器的跟踪算法.通过不同场景下进行的实验,充分表明提出的车道线检测与跟踪算法具有良好的鲁棒性和实时性,同时对不同的光照条件也有较好的适应性.     

基于局部线性映射神经网络和亮度补偿的彩色人脸检测

人脸识别是一个具有广阔应用前景和极富挑战性的研究课题。作为自动人脸识别系统的第一步,快速有效的人脸检测至关重要。利用颜色信息进行人脸检测,具有直观、简单、快速的特点,非常适用于作为自动人脸识别系统的人脸粗定位环节。该文提出一种基于局部线性映射（ Ｌ Ｌ Ｍ）神经网络和亮度自适应补偿的人脸区域检测算法,根据待检测图像上每点的颜色值判断它属于人体区域还是背景区域,从而框出可能的人脸区域。实验表明,此算法对于实验室背景下的人脸检测取得了较好的效果。一方面可以较好地区分人脸区域和背景区域,甚至与人脸颜色比较相近的背景区域,同时对实验室环境下各种光照条件的变化具有很好的鲁棒性。