空间相关信道下空时分组码的子空间修正解码

针对空时分组码子空间盲解码算法在空间相关信道下性能下降的问题，提出了一种修正解码算法．在分析空间相关性破坏信号子空间和统计噪声子空间正交性的基础上，利用接收端已知的信道相关矩阵，修正接收端用于搜索的码字矩阵集合，使相关信道下分解得到的统计噪声子空间正交于修正的发送信号子空间，提高了解码性能．与传统解码的算法不同，该算法无需在发送端进行信道相关矩阵的估计和预编码，降低了发送端的编码复杂度．Monte-Carlo仿真实验表明，空间强相关信道下空时分组码子空间盲解码性能下降比较剧烈，采用新算法修正后的解码性能明显改善，在误比特率为10^-2、相关系数为0．8时，修正性能提高约2dB．     

一种基于直扩码分多址系统的复信号空时扩频算法

基于直扩码分多址系统下行链路，提出了一种针对复信号的空时扩频算法．该算法采用发射分集技术，将空时分组编码与直接序列扩频相结合，依靠空时分组码和扩频码的双重正交特性以及复信号自身的特性，充分利用了空域和时域资源设计出新的收、发和解码算法，解决了复信号空时分组编码非正交所导致的解码复杂度过高的问题，将最大似然检测简化为一个线性过程．在独立瑞利衰落信道和给定收、发天线数的条件下，能够实现系统所能达到的最大的分集增益．理论分析及仿真结果表明，与未加扩频的发射分集系统及现有的空时扩频算法相比，该算法不仅能够显著提高数据传输速率，增大系统容量，还具有误码性能好，解码复杂度低、接收机结构简单等优点．     

MIMO系统中基于LMS处理的自适应时变信道跟踪算法

在无线时变衰落信道环境下，提出一种用于多输入、多输出（MIMO）天线系统的自适应信道跟踪方法．在空时分组码（space-time block code，STBC）的MIMO系统中，用导频进行信道估计后，采用基于最小均方（least mean square，LMS）的改进自适应算法对时变信道进行跟踪．该方法分别跟踪信道矩阵经正交分解（QR）后的参数，定义了度量时变衰落大小的信道矩阵“对角非零因子（diagonal nonzero factor，DNF）”，并利用它来调整LMS的步长以提高对信道的跟踪能力．仿真结果表明，该方法在相同的导频开销下，与传统的用LMS算法直接跟踪信道相比，性能有所提高．     

一种基于自适应模糊滤波的语音增强方法

在语音识别和语者识别中，通常需要先将输入的语音信号进行去噪处理，这样可使识别的正确率大大提高，通常采用基于LMS算法和RLS算法的自适应线性滤波器来进行去噪。提出了一种基于自适应模糊滤波器的语音增强方法，该模糊滤波器是一种非线性滤波器，它在语音信号的特征域空间采用参数映射的方式来滤除噪声，并能够进行自适应结构调整和参数更新。实验结果表明，采用自适应模糊滤波器来滤除噪声比线性滤波器具有更好的效果。     

频率选择性信道下空时分组码直接盲信号检测算法

针对空时分组码系统中训练序列的引入会降低系统传输效率的问题,提出了一种在频率选择性衰落信道下无需信道估计直接对空时分组码进行盲信号检测的算法.该算法在发射端采用线性预编码并且在接收端采用子空间方法进行解码.和已提出的其他盲信号检测算法不同,它可以在未知信道信息的情况下以满速率发送和接收信号并获得满的分集增益.该算法可以被推广到有任意发射天线数的空时编码结构.Monte Carlo仿真实验表明,该算法和使用准确信道信息的解码算法性能相近.     

STBC-OFDM发送分集技术

基于正交设计的空时分组编码技术，在瑞利衰落信道中用多个发送天线，其正交结构及最大似然解码算法降低了接收机的复杂度，提高了分集增益，改善了系统性能。讨论了STBC－OFDM发送分集的技术和性能。     

基于LMS自适应噪声对消法的激光液位测量信号波动抑制研究

针对激光液位检测中的信号波动问题,提出了一种采用LMS自适应噪声对消法抑制噪声的信号滤波方法,该方法采用数字高通滤波器获取自适应噪声对消器参考通道的信号。论述了自适应滤波器噪声对消的工作原理、LMS算法以及Butterworth数字高通IIR滤波器的设计方法,给出了整个噪声对消系统的原理图。仿真和实验结果表明,该噪声对消法在保证实际测量信号相位不变的情况下对液位测量信号的波动影响具有明显的消除和抑制作用。     

多径CDMA信道中一种改进的MMSE空时多用户检测算法

分析在多径CDMA信道中空时多用户检测的信道模型，从理论上推导出信道脉冲响应矩阵必须满足的条件．重新定义多个用户的均方误差，利用最陡下降方法求解空时多用户检测的最优权因子，并通过估计迭代表达式中的相关系数，提出一种在多径CDMA信道下低复杂度的空日寸多用户检测算法．该算法不需要求解矩阵的逆，只需求解复杂度较低的迭代系数，与经典的线性最小均方误差(MMSE)算法相比，显著降低了计算复杂度．仿真结果表明，该算法具有稳定的收敛性和良好的检测性能．     

均方偏差分析的多态可变步长LMS算法

最小均方（least mean square,LMS）算法在时变信道的最小稳态均方偏差（mean square deviation,MSD）由输入功率、噪声功率、随机扰动信号功率以及滤波器长度共同决定。为达到系统中最小的MSD值,传统的LMS算法存在有迭代次数较多和收敛速度慢等问题,提出了一种多态可变步长最小均方（multi-state variable step size least mean square,MVSS-LMS）算法。该算法通过添加暂态递减步长作为过渡,实现以更快的收敛速度达到系统中最小的MSD值。理论分析与仿真结果表明,与目前最新的Prob-LMS算法相比,所提算法在时变信道以及突变信道都具有更快的收敛速度和更低的MSD值,且算法的复杂度更低。     

基于导频辅助的单载波空时分组编码传输技术

研究了频率选择性衰落信道中采用2个发送天线1个接收天线的单载波Alamouti空时分组编码数据块传输技术．在传输系统发射端利用导频符号辅助的思想设计出伪噪声PN导频序列和信息数据的排布结构;接收端一方面利用导频PN序列循环相关的信道估计算法获得信道冲激响应估值,另一方面采用干扰抵消技术消除导频序列对接收信息数据的影响,之后引入单载波频域均衡技术对接收数据进行处理以克服信道的频率选择性衰落．仿真结果表明,这种基于导频辅助的单载波空时分组编码传输系统相对于单天线传输系统获得了空时结构所带来的全速率下的最大分集增益,具有比Alamouti空时分组编码与OFDM相结合的传输系统更高的数据传输效率和更好的系统性能．     

RLS算法的改进性能分析

讨论了递归最小均方误差算法（RLS）的性能分析。对该算法误差的均值及方差都进行了研究,在平均原理基础上使用了更精确的算是方法,得到一种改进的性能分析方法,新的分析方法得到的理论值更接近模拟的结果,优于通常方法的结果,还利用新的分析方法讨论了基于RLS算法的稳定性。     

一种可变步长LMS算法及其性能分析

提出了一种自适应可变步长最小方差算法（ANVSS），以解决基本最小方差算法LMS中收敛速度和稳态误差之间的矛盾．该算法利用当前和过去共m（滤波器阶数）个误差信息，并通过引入修正系数ρ和遗忘因子λ（i），来确定下一步的迭代步长．文中对这种算法进行了分析和仿真验算．对比一般的变步长算法，ANVSS算法对于平稳过程中的滤波器能获得更快的收敛速度和更小的稳态误差，同时还具有较好的跟踪跃变系统的能力．     

线性等式约束的奇异线性模型的Liu型估计

考虑带等式约束的奇异线性模型的参数估计,为了克服复共线性问题,提出一个新的Liu型估计;同时给出这个估计的一些性质,并且得到了这个新的Liu型估计在均方误差矩阵准则(MSEM)下优于约束最小二乘估计的充要条件;得到在均方误差(MSE)准则下新估计优于约束最小二乘估计的充分条件.     

一种基于交互投影原理的快速自适应横向传播建模算法

针对最小均方建模算法用于长记忆有限脉冲响应滤波器模型时收敛速度慢的问题,提出了基于交互投影原理的横向传播建模算法(简称为TPLMS算法).该算法将滤波器按质因数分解为多组滤波器组合,从最短的子滤波器分组开始迭代,逐步过渡到原滤波器,在每一时刻,采用最小均方算法顺序求解分组内各子滤波器的权系数.在迭代过程中,由于滤波器的长度缩短,从而可采用更大的步长,使权系数以更快的速度收敛.随着子滤波器长度的逐步增加,可以逐步减小迭代步长,从而得到较低的失调误差.仿真结果表明,TPLMS算法的收敛速度优于传统的最小均方算法和变步长最小均方算法.该算法收敛速度快,特别适用于长记忆有限脉冲响应滤波器模型的自适应建模.     

多元线性模型回归系数的Stein型估计

本文对多元线性模型的回归系数提出了Stein型估计,可使其MSE小于LS估计。分析了选取参数矩阵K的MSE准则存在的缺陷,于是应用Q(C)准则克服这些缺陷。从理论上证明了Q(C)准则的优良性,并给出了确定C的方法。     

非齐次等式约束下奇异型线性回归模型的广义条件岭估计

文章对线性回归模型参数有偏估计做进一步研究,提出了在非齐次等式约束下奇异型线性回归模型参数的广义条件岭估计,并给出它的一些性质,而且证明了在一定条件下,在均方误差阵和广义均方误差意义下,广义条件岭估计都优于约束最小二乘估计.最后,通过实际数据进行实证分析,得到了取不同岭参数矩阵时对应的广义条件岭估计及其MSE,验证了广义条件岭估计优于约束最小二乘估计的充分条件的正确性.     

关于岭估计改进的研究

在奇异线性模型下,基于广义岭估计基础上提出新估计改进,对参数范围扩大化进行了处理,重点验证了新估计的一些重要性质及其优良性.     

多元线性模型回归参数的一种广义估计

采用广义估计 β (K)估计多元线性模型中回归参数 β ,通过K值的选取 ,可使 β (K)的均方误差小于最小二乘估计 β 的均方误差 ,且在一定条件下 ,β (K)为 β的可容许估计 ;还讨论了 β (K)的均方残差的性质 .     

混合系数线性模型参数的新估计与LS估计的比较

混合系数线性模型在连续测量数据的情况下，给出了固定系数a和随机系数期望b的一种新估计．在均方误差的意义下，证明了混合系数线性模型参数的新估计优于最小二乘估计（LS估计），并给予了应用举例．     

序列最小二乘技术在联想记忆网络训练中的应用

本文把联想记忆网络中要全部记住一组训练样本的充要条件的求解等价地转化为一组混合不等式方程组的求解问题，并采用序列最小二乘技术求解，所得到的网络具有记忆稳定状态能力高的特点