基于共轭数据重排的信道预测算法

为提高预测的精确度,在分析基本ESPRIT(Estimation Signal Parameters via Rotational Invariance Techniques)缺点的基础上,提出了一种共轭数据重排的ESPRIT信道预测算法.针对实际中平坦快速衰落信道系数为复数的特点,通过对采样数据的共轭重排,使被利用的数据长度等效于增加了1倍.仿真实验表明,该算法在运算量基本保持不变的情况下与基本ESPRIT相比,提高了信道预测的精确度.     

基于因子图的迭代信道估计与译码算法

针对频率平坦-时间选择性瑞利衰落信道下的数据检测问题,提出一种基于因子图与消息传递的联合迭代信道估计、符号检测与译码算法.对信息符号与信道系数的联合后验概率分布建立因子图模型,应用和积算法进行迭代消息传递,计算信息符号与信道系数的边缘概率分布.其中利用高斯参数化近似信道系数的连续概率密度函数,并结合前向-后向递归算法对信道系数进行迭代估计.仿真结果表明,在归一化多普勒频移分别为0.005和0.020的衰落信道下,该算法的误码性能与信道估计精度均优于传统的信道估计与译码算法.      

基于ESPRIT法的UWB系统同步与信道联合估计

提出基于ESPRIT算法的超宽带系统同步-信道联合估计算法.首先对接收信号进行傅立叶变换,由傅立叶变换结果计算自相关函数,基于自相关函数的信号子空间构造矩阵束,把同步、多径时延估计转化成矩阵束的特征值求解问题.求解出时延后再进一步求解信道参数.     

基于ESPRIT的ULA波达方向估计改进算法

针对MUSIC(Multiple Signal Classification)算法和ESPRIT(Estimated Signal Parameters via Rotational -Invariance- Technique)算法不能有效估计相干信源波达方向的问题, 在修正MUSIC算法（Modified MUSIC）基础上, 通过引用变换矩阵, 在考虑阵列接收数据及其相应变换矩阵的自相关和互相关信息后, 结合总体最小二乘算法TLS-ESPRITS（Total Least-Squares ESPRIT）提出了能同时适应相干和非相干信号情况的波达方向估计的改进ESPRIT算法（IM-ESPRIT: Improved ESPRIT), 并在相干信号源来波角度间隔较小和低信噪比条件下, 同常规CC-ESPRIT(Cross ESPRIT)算法进行比较。结果表明, 当相干信源角度间隔为3°且信噪比为0时, 实现波达方向估计具有较好的估计精度和分辨率。     

循环迭代信道补偿算法

在移动通信系统中,由于信道的时变特性,从训练序列得到的信道估计直接应用于数据解扩上,会带来较大的误差.为了降低这种误差,提出了循环迭代的算法,通过对数据域信道估计进行补偿,提高了单个时隙信道估计精度.仿真结果表明:该算法性能良好,特别是在单时隙业务下,由于每个时隙的信道估计独立计算和修正,可以提供准确的信道估计,对数据解扩性能有较大的提高;当用户在高速运动情况下,由于不受用户运动速度和信道衰落的限制,该算法性能明显优于其他方法.     

改进的自适应最优低秩信道估计算法

针对正交频分复用系统中线性最小均方误差(LMMSE)信道估计算法计算复杂度高,且存在当信道的统计特性与先验知识不匹配时估计性能恶化的问题,利用信道频域冲激响应的移动平均自相关函数,结合子空间分解、跟踪和序列正交原理,提出一种改进的自适应最优低秩信道估计算法.对比文中算法和LMMSE算法、LS算法和联合AIC(akaike criterion)秩估计准则的自适应低秩信道估计算法,结果表明:文中算法的秩估计更为精确;在插入导频数量较少的情况下,改进的信道估计算法能获得更高的信噪比性能增益.     

基于传播算子的二维波达方向估计新算法

针对目前用旋转不变空间技术(ESPRIT)估计2-D DOA时存在计算量大和需要二维参数配对的问题,提出了把传播算子原理引入ESPRIT算法的新方法,用线性变换代替特征分解求取旋转不变关系矩阵,并且利用估计出的方位角估计俯仰角,大大提高了计算速度,实现了方位角和俯仰角的自动配对.阵列结构设计采用三平行线立体阵,使得阵列对任意方向入射信号都可以正确估计.计算机仿真结果表明,该方法运算速度快,精度高.     

采用导频子载波的OFDM系统频偏跟踪算法

为了进一步提高多径快衰落环境下,正交频分复用(orthogonal frequency-division multiplexing,OFDM)系统的载波频偏估计精度,研究了利用在OFDM符号中插入的导频子载波进行小数倍频偏跟踪的算法在多径快衰落信道下的频偏跟踪性能.通过与常规的基于循环前缀的跟踪算法进行比较,采用导频子载波的频偏跟踪算法,不仅在高斯白噪声信道下能达到很好的频偏跟踪性能,而且在多径快衰落信道下也能实现更准确的频偏估计,因此采用导频子载波的算法更适合用于多径快衰落信道下的频偏跟踪.     

多径衰落信道下的正交频分复用符号同步算法

传统的基于循环前缀的正交频分复用同步最大似然算法,在多径衰落信道下,由于多径时延和多普勒频移的缘故,部分循环前缀受到码间干扰,相关运算的峰值不明显,而且具有峰值平顶效应,在不加优化的条件下,几乎不可以使用.现提出了一套改进方案,根据信噪比的高低和多径时延的大小,动态调整参与相关运算的循环前缀长度,并采用多点相关求均值的方法.仿真结果表明,该方案在信噪比低的高斯白噪声信道和多径衰落信道下,均可以得到尖锐的相关峰值,显著减少多径衰落信道下的峰值平顶效应,并且提高符号同步精度.     

OFDM系统中简单高效的时间同步算法

提出一种新的正交频分复用（OFDM）系统中的最大似然时偏估计算法．该算法在高斯加白噪声（AWGN）信道和多径衰落信道2种环境下与H．Minn的算法基于估计的均方误差进行了性能比较．提出的算法由于在高信噪比的情况下不存在性能下限，因而即便是在多径衰落环境下仍能保证较高的估计精度和较低的运算复杂度．     

基于老化算法的分布式文件缓存算法

为提升数据检索读的性能, 基于老化算法采取Cache方法, 通过设计合理的缓存结构, 给出一种新的分布式文件缓存算法. 该算法在缓存实现部分, 使用了LRU算法中常用的老化算法, 并将其由一个页面置换算法改进为一个文件缓存替换算法, 且在该过程中完好地继承了老化算法的优点. 评测结果显示了改进方法的有效性.     

基于遗传算法和BP算法的混合算法

本文就函数优化问题,结合遗传算法和 BP 算法的优点,提出一种新的混合算法。该算法既有较快的收敛速度又能以较大概率收敛到全局最优解,数值实验结果表明该算法显著优于遗传算法和 BP 算法。     

基于遗传算法和BP算法的混合算法

结合神经网络的优化问题,提出一种新的混合算法.该算法是在遗传操作中嵌入BP算子,有效地结合了遗传算法全局寻优与BP算法快速收敛的特点,同时采用二进制编码和实数编码将神经网络的结构与权值混合编码到串中,实现了结构与权值的同步优化.仿真结果表明,新算法既能够快速地收敛到全局最优解,又能够在简化网络结构复杂度的同时得到网络权值的最佳逼近.     

基于遗传和蚁群算法融合的聚类新方法

遗传算法具有快速良好的全局搜索能力,而蚁群聚类算法具有良好的分布式并行性和正反馈能力。将两种算法进行融合,充分利用算法各自的优势和特点,能更有效地进行聚类分析。实验证明这种新组合算法在优化能力和时间性能上比常用的聚类算法有比较明显的优势。     

一种基于遗传算法和LM算法的混合学习算法

针对遗传算法与神经网络结合方式中存在的早熟收敛、泛化能力弱等问题, 提出一种交替使用遗传算法和Levenberg Marquardt算法优化神经网络的混合学习算法（GALM算法）. 该算法先通过遗传算法粗调得到一组全局最优近似解, 再以该近似解为初值, 交替使用遗传算法和LM算法优化神经网络训练, 直至发现满意的网络参数. 实验结果表明, 新算法提高了网络的学习能力和收敛速度.     

融合粒子群优化算法与蚁群算法的随机搜索算法

针对PSO算法与蚁群算法的优缺点,提出一种融合PSO算法与蚁群算法的混合随机搜索算法.该算法充分利用PSO算法的快速、全局收敛性和蚁群算法的信息素正反馈机制,达到优势互补,将这种优化方法拓展到求解连续空间问题,并通过实例来验证该算法对于单峰、多峰函数都能取得较好的优化效果.     

基于遗传算法和蚂蚁算法的图象分割

遗传算法对系统中的反馈信息利用不够,当求解到一定范围时往往做大量无谓的冗余迭代,求精确解的效率低下;蚂蚁算法初期信息素匮乏,求解速度慢．作者取长补短综合采用这两种方法来分割图象．首先采用遗传算法搜索隶属度曲面及其对应的欧氏距离,接着采用蚂蚁算法分割图象,取得了较好的分割效果．     

递归算法非递归化的一般规律

尽管递归算法具有结构简练、清晰、可读性强、正确性容易得到证明等优点，但递归算法在执行过程中会耗费太多时间和空间。为了追求算法的时空效率，特别是使用不支持递归的程序语言的情况下，必须将递归算法转化为非递归算法，问题才能得到有效解决。为此，给出了递归算法转化为非递归算法的一般方法，并以Hanoi塔问题、二叉树的中序遍历问题为例进行了详细地分析。     

聚类算法综述

聚类分析是一种基本的数据分析方法,它在数据挖掘,统计学,空间数据库技术,人工智能,生物学研究,机器学习,模式识别等领域都得到了广泛的应用.论文介绍了各类主要的聚类算法,并概述了其主要应用领域.     

EM算法理论及其应用

EM算法是一种迭代算法,主要用来计算后验分布的众数或极大似然估计,广泛地应用于缺损数据、截尾数据、成群数据、带有讨厌参数的数据等所谓的不完全数据的统计推断问题。在介绍EM算法的基础上,针对EM算法收敛速度慢的缺陷,具体讨论了加速EM算法：EMB算法和MEMB算法;针对EM算法计算的局限性,给出了EM算法的推广：GEM和MCEM算法。最后给出了EM的实值实例,结果精确。