一种基于BP短LDPC码的改进级联算法

对短LDPC码的分阶统计译码(OSD)算法进行了分析,研究了BP和OSD的级联算法及对数似然比累积算法,考虑到译码复杂度和性能的折中,提出了一种改进的级联算法,用最小和算法替代BP算法,然后与对数似然比累计算法进行级联.仿真结果表明,和原始的BP算法相比,译码性能有了很大的提升;和BP-OSD级联算法相比,译码复杂度降低,性能几乎一致.     

一种基于BP短LDPC码的改进级联算法

对短LDPC码的分阶统计译码(OSD)算法进行了分析,研究了BP和OSD的级联算法及对数似然比累积算法,考虑到译码复杂度和性能的折中,提出了一种改进的级联算法,用最小和算法替代BP算法,然后与对数似然比累计算法进行级联。仿真结果表明,和原始的BP算法相比,译码性能有了很大的提升;和BP-OSD级联算法相比,译码复杂度降低,性能几乎一致。     

基于子带保留似然比的鲁棒语音激活检测算法

为了进一步提高低信噪比下语音激活检测(VAD)的准确率,针对基于统计模型的似然比检验方法容易造成非语音信号误检的问题,提出了一种基于子带保留似然比的VAD算法.在似然比综合判决准则中引入保留因子,根据人耳对语音感知敏感度在频率上的差异,采用全局非均匀、局部均匀的方式划分子带,对似然比大于阈值的频率分量所对应的子带信号提取语音特征并根据特征强度设置保留因子,只使用保留的频分量似然比进行综合判决.实验结果表明:该算法在不同的低信噪比环境下检测性能均优于LRT(似然比检验)、MO-LRT(多观测似然比检验)等算法,其漏检率更低,同时有效减少了非语音信号似然比虚高而导致的误检,VAD判决准确率平均提高了2%~14%.     

响应变量缺失情形下非线性EV模型的估计

考虑了响应变量随机缺失情形下的非线性EV模型.通过利用核实数据,构造了响应变量均值θ的调整的经验对数似然比统计量.证明了所构造的经验对数似然比统计量渐近于标准χ2分布,所得结果可以用来构造未知参数的大样本置信区间.     

数据缺失下线性EV模型响应变量均值的经验似然置信区间

考虑了响应变量随机缺失情形下的线性EV模型,构造了响应变量均值的两种经验对数似然比统计量,即估计的经验对数似然比统计量和调整的经验对数似然比统计量,证明了所构造的经验似然比统计量渐近于χ2分布,所得结果可以用来构造置信区间.     

改进的低复杂度BP译码算法

基于对数似然比的BP译码算法与标准BP译码算法相比,降低了一定的运算量,但仍具有较高的计算复杂度,硬件实现时需要消耗较高的资源。针对此问题,提出了一种变量节点动态更新选择的对数似然比BP译码算法,根据每一次迭代后变量节点外信息的收敛情况及校验方程的满足情况,动态地选择置信度最低的部分节点参与更新,其他置信度较高的节点则不进行更新。仿真结果显示,该算法译码性能与对数似然比BP译码算法相比,在0.5码率,10-4误码率时,1 024码长有0.1dB的性能损失,2 048码长性能损失仅有0.07dB,但从第4次迭代开始归一化运算量至少降低了50%。     

单天线解空分复用算法的实现与仿真

为了在只有一根接收天线的长期演进(LTE)通信终端上,实现对双天线发射的空分复用数据进行解码,根据译码器输入的对数似然比(LLR)的计算原理,利用单天线数据生成参考星座图,计算了对数似然比,并推导出了该方法的公式,从而用一根接收天线成功实现了LTE协议规定的应该由两根接收天线完成LTE空分复用解码。通过在Matlab仿真软件中构造仿真数据进行解码验证和测试,结果表明笔者提出的单天线解码算法与正常的双天线解码相比,性能损失较小,且通过使用德州仪器的C6670数字处理芯片(DSP)测试解码速度,验证了该算法的解码速度达到了实时解码的要求。该算法在降低成本的同时,还降低了功耗,对诸如物联网设备、便携式专网设备有很大的应用价值。     

多元域LDPC码简化译码算法研究

多元域LDPC码具有优良的纠错性能,但译码的高复杂度成为制约其应用的关键因素.基于图模型理论,分 析多元域Tanner图结构,对比多元域与二元域的区别,分析了导致性能差异的原因.推导了基于对数似然比测度 的合积译码算法和EMS简化译码算法,分析了EMS算法中似然比消息的震荡特性,提出相应的抑制震荡的方法. 计算机仿真表明,修正型EMS算法能够提高消息收敛特性和纠错性能并降低译码迭代次数.     

2种简化的LDPC译码算法在OFDM系统应用中的改进

在未来的3G+高速无线通信中,最广泛运用的物理层技术OFDM必然采用频谱利用率较高的多电平调制,因此,如何把LDPC码用于多电平调制下的OFDM是一个关键。对目前较为简化的基于二进制调制的概率似然比LDPC译码算法和对数似然比LDPC译码算法进行了改进,使之能够应用到基于多进制调制的OFDM系统中。仿真结果验证了改进后的算法是有效的,并且使LDPC码在OFDM系统中的应用较Turbo码有更好的性能。     

响应变量缺失下基于协变量平衡下的变系数模型的经验似然推断

在实际问题中时常会遇到缺失数据的问题,这时已有的处理完全观测数据的统计方法将不再适用.本文研究在响应变量随机缺失下的变系数模型的统计推断问题.主要分为以下几个方面:首先基于协变量平衡倾向得分下的广义矩方法得到了选择概率的估计并且给出了估计量的渐近性质;然后研究变系数模型的未知系数函数的经验似然推断,借助选择概率的估计和扩张的逆概率加权方法构造了系数函数的经验对数似然比统计量;最后证明在适当的条件下似然比统计量服从卡方分布,从而得到系数函数的逐点置信区间.     

一种非公平条件下的多SCP智能网过载控制算法

智能业务的螺旋形膨胀不但使智能网的结构向着多SCP的方向发展,更使得智能网SCP过载控制机制显得极其重要.首先给出了一套不依赖集中控制的完全分布式多SCP智能网组网方案,然后给出了在这种网络环境下的呼叫分发算法以及在非公平条件下的基于ACG算法的SCP过载控制算法.     

一种适合量子计算的素性检验方法

作为数论中的一个基本问题,素性检测,即检测给定的正整数是否为素数具有十分重要的理论和应用价值.给出了一种确定型严格素性检验方法.对这种方法采用量子运算,可在多项式时间内完成对一个任意给定的正整数的素性检验.     

一种迭代频偏估计算法

提出一种适于低信噪比条件下工作的数据辅助型(data-aided)频偏估计算法。计算接收信号自相关函数的辐角,基于最大似然策略合成频偏估计,并通过迭代消除估计模糊。仿真结果表明：迭代算法具有较大的频偏估计范围(估计范围达±40%符号速率),与M&M算法相比,迭代算法信噪比门限有接近3dB性能改善,其估计性能更接近FFT最大似然算法和克拉美-劳下界(CRLB),并且计算量有所降低;基于迭代算法的简化版本与迭代线性预测(ILP)算法相比信噪比门限更低,并且降低了计算复杂度。     

基于Web日志的高精度聚类算法

提出一种Web日志挖掘算法,该算法首先以Web站点的URL为行、以用户的UserID为列,建立URL- UserID关联矩阵,元素值为用户的访问次数;然后,对行向量进行相似性度量获得用户会话粗聚类,最后,利用层次结构对比聚类算法,对用户会话粗聚类进行进一步地处理得到更高精度的聚类,实验表明该算法在提高聚类精度方面卓有成效。     

差分进化算法在气动力参数辨识中的应用

差分进化算法是一种新兴的优化算法,与最小二乘法等梯度类算法相比,它能够进行全局寻优且对初值不敏感,具有广泛的应用前景.建立某型飞机刚体运动的6自由度非线性动力学模型,在叠加一定比例白噪声的情况下获得其仿真数据,使用差分进化算法辨识出该型飞机的纵向运动气动力参数,辨识结果与真实值较为吻合,证明该算法是可行的.多组试验表明:对于该型飞机的动力学模型和仿真数据,使用差分进化算法的辨识结果与使用最小二乘法、普通粒子群算法的辨识结果相比,具有更高的精度和更强的鲁棒性.     

基于高效多功能的聚类算法在Web挖掘中应用的研究

挖掘Web日志中有价值的信息,对于市场决策有着非同一般的意义;其中用户聚类能将潜在的用户划分出来,为商家提供有更有参考价值的信息.用户聚类算法,不仅克服了所需运算空问大、数据预处理复杂的弱点,而且能简洁准确的确定用户的类型,将其进一步改造还可以用于页面聚类中.对该算法给予理论阐述并加以具体的应用.     

改进的LZSS算法在电子邮件系统中的应用

在海上专用电子邮件系统中,对邮件进行压缩可以有效节省通信费用.采用预先加载字典,精简压缩代码对中每个分量的表示方法,以及减少算法复杂度等方法对LZSS算法进行了改进,并且将其应用于电子邮件系统.在实际环境下的测试结果证明,改进后的压缩程序是有效的,邮件大小相对于压缩前有了明显改变.根据文件类型的不同,压缩比相应不同:对于中英文混合的文档类型文件,压缩比一般为0.4～0.6;对于长文件的压缩,算法表现更好.与标准LZSS压缩算法相比,压缩比提高率在3%到20%不等.在邮件收发的过程中,比未压缩前节省通讯费用40%～60%,且缩短了收发时间.     

工作流技术在医学影像算法平台中的应用研究

将工作流技术引入算法开发平台,采用组件与多层体系结构建立了一个算法流程,可以动态管理的集成化医学影像算法平台,并给出了一个算法列表组件实例来分析工作流技术在算法平台中的应用.通过该平台研发出的肺癌计算机辅助诊断原型系统,算法流程定义灵活,基于多名临床肺癌患者CT影像测试,对于肺结节检测敏感性较高,基本满足医生临床诊断需求.     

对等网络中一种新的非集中式查找算法

提出了一种适用于对等网络环境的非集中式查找算法，它具有可扩展、自组织、高容错等特性，能够自动适应网络中节点的加入、退出和失效．该算法的时间复杂度和空间复杂度均为O(log N)．算法的基本思想是：将有限大小的线性空间平均划分为M等份，对每等份的子空间递归划分为M等份，直到每个子空间对应一个点；采用Hash算法将网络中的数据或节点映射为线性空间中的一点，每个节点本地存储一个路由表，其内容为其各个划分层次中的对应点所在位置信息；这样，一个节点可以在不超过O(log N)次转跳的情况下找到目的节点．仿真实验结果表明：当M增大时，算法的查找性能也会提高；当M=16，网络规模为10^4个节点时，算法的平均查找长度仅是Pastry、Tapestry算法的70％左右．     

基于数据挖掘的VaR测量算法研究

提出了将数据挖掘中分位数图的思想应用于VaR测量的新方法，为风险控制和投资决策探索了一种新思路．从设定时间区间内的证券组合对数收益率序列里，求出给定置信水平下不同时间段的分位数，得到分位数序列，由此建立回归方程，预测组合未来特定一段时间内收益率序列的分位数，然后再根据组合的市值大小，直接计算出VaR值．该算法能够有效地处理纽合收益非正态分布和非线性纽合的情况，在社保基金投资管理系统中得到应用，在国内证券市场数据上进行实验，并采用失败频率检验法来验证算法的精确性，结果表明，该算法是可靠的，有较好的鲁棒性、