一种串/并混合的多输入多输出信号检测算法

为了提高多输入多输出(MIMO)系统中并行干扰消除(PIC)算法的检测性能并降低其计算复杂度,本文通过融入串行干扰消除(SIC)思想提出了一种串/并混合(HIC)的信号检测算法。该算法首先通过优化PIC中不同子检测过程的共同成分来降低计算复杂度,然后将子检测的估计结果代入后续子检测中实现串/并混合来提升检测性能。仿真结果表明,所提算法在4-QAM调制的 MIMO系统中,误比特率为 时较传统PIC算法有大约1.2 dB的性能提升,而复数乘法次数大约为传统PIC算法的28%。     

衰落信道下自适应卡尔曼异步IC多用户检测器

针对单一串行干扰消除(SIC)算法与并行干扰消除(PIC)算法在进行多用户检测(MUD)时的判决误差扩散问题,研究了强多址干扰(MAI)情况下直接序列扩频码分多址(directsequencespreadspectrumcodedivisionmultipleaccess,DS-CDMA)系统中的干扰消除多用户检测算法.结合自适应卡尔曼算法提出了一种适于衰落信道的级联结构K AIC多用户检测算法.所提算法实现了对时变多径衰落信道的全面跟踪,能够在干扰消除检测过程中避免判决误差扩散,达到抑制MAI的目的.仿真结果表明,所提算法具有更好的收敛性、动态跟踪能力及算法精度,是一种有效的干扰消除多用户检测算法.     

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。     

基于LTE-Advanced上行链路的多级迭代干扰消除检测算法

针对先进的长期演进(long term evolution advanced,LTE-Advanced)上行链路多输入多输出(multiple-input multiple-output,MIMO)单载波频分多址(single carrier frequency division multiple access,SC-FDMA)系统载波频率偏移(carrier frequency offset,CFO)的影响,提出了基于多级迭代干扰消除检测算法.将传统的单级串行干扰消除(successive interference cancellation,SIC)和并行干扰消除(parallel interference cancellation,PIC)进行混合迭代形成多级的迭代干扰消除检测算法以降低MIMO SC-FDMA系统的误比特率.理论分析和仿真结果表明两级PIC迭代检测算法和SIC+ PIC混合迭代检测算法都能实现MIMO SC-FDMA系统CFO干扰消除的目的,降低了MIMO SC-FDMA系统的误比特率,提高了系统的性能.     

基于CRPF的MIMO雷达目标检测前跟踪算法

在对机动弱目标进行检测过程中,由于回波信号含有杂波、干扰等噪声,其统计特性未知,难以对回波信号进行数学建模,无法得到后验概率密度函数,传统的粒子滤波算法性能大幅下降.针对此问题,提出了基于代价参考粒子滤波的MIMO雷达目标检测前跟踪算法.该算法无需背景噪声的统计特性,只需利用目标状态的估计值与真实值之间的差值计算各粒子的代价和权值,避免了通过对噪声进行建模来求得后验概率密度的问题.实验仿真证明,当噪声统计特性未知时,所提算法检测跟踪性能明显优于传统粒子滤波算法.     

一种改进的排序QR分解V-BLAST检测算法

垂直分层空时编码(V-BLAST)是贝尔实验室提出的一种MIMO系统.在基于QR分解算法的基础上,结合最大似然算法,提出了一种改进算法,称为排序ML-QR算法.该算法先对信道矩阵按列范数从小到大进行列置换,再进行QR分解,对最先检测的两层信号采取最大似然检测,提高最先检测级的性能,剩下层的信号采用QR分解算法检测.理论分析及仿真实验结果表明,提出的排序ML-QR算法优于传统的分层空时检测算法,在高信噪比的情况下性能改善更加明显.     

一种改进的MIMOOFDM信号迭代反馈检测算法

传统串行干扰消除(SIC)算法进行信号检测时,前期的错误判决,会对后期的检测造成巨大的影响、为了降低这种差错传播的概率,提出一种新型的反馈串行干扰消除算法,利用反馈信息,通过选取候选点,构造候选向量,从构成的向量集合中,利用ML准则选取最接近接收信号一个向量,以此达到降低因前期错误判决而引起的差错传播的概率,提升系统的检测性能。仿真结果表明,在天线数量N_t=N_r=6,阈值d_(th)=0.5的情况下,误码率达到10~(-4)时,本文检测算法的检测性能比OSIC检测算法的检测性能提升了约3 d B。     

基于卷积神经网络的多车桥梁动态称重算法

为识别多车工况下车辆过桥时的车辆重量,采用卷积神经网络技术开发出可用于多车轴重识别的桥梁动态称重(BWIM)算法.首先,利用车桥耦合系统采集不同车辆过桥时梁底的应变信号;之后,基于深度学习开源框架KERAS搭建了包含9层卷积层、2层全连接层的卷积神经网络(CNN)模型,利用Adam优化器训练CNN模型以拟合所获得的应变信号与车辆轴重在不同工况下的变化规律,并最小化拟合误差;最后,对所开发的算法在单车和多车加载工况下的轴重识别精度进行了对比分析.结果 表明:所提出的算法在单车和多车工况下的轴重识别误差均值基本低于5％,并且识别精度对车辆速度和横向位置的变化不敏感,说明算法的轴重识别效果良好且稳定.该多车BWIM算法摆脱了对桥梁影响线的依赖,为不适用于利用影响线方法进行动态称重的桥梁提供了可替代的称重技术.     

一种非正交多址接入下行链路信号检测方法

非正交多址接入（non-orthogonal multiple access,NOMA）下行链路存在严重的多址干扰。软解调-串行干扰消除（successive interference cancellation,SIC）检测方法是一种性能较好的信号检测方法,但是接收机的复杂度比较高。考虑到软解调算法对其他用户信号的信号特征信息并未充分利用,提出一种基于软解调算法改进的联合检测算法,该算法直接利用多用户叠加信号的联合星座图计算用户信号信息比特的软信息,不需要对干扰信号进行检测和重构,可以降低接收机的复杂度。仿真分析表明,与软解调-SIC检测方法相比,联合检测方法在性能损失不超过1．5 dB的情况下,可以将接收机的复杂度降低一半。     

一种基于小波包熵的频谱检测算法

为了解决能量检测算法在低信噪比条件下频谱检测性能差的问题,提出了一种基于小波包熵的频谱检测算法.首先采用小波包变换对接收信号进行多层分解,并计算最后一层各节点的重构信号;然后计算各个节点重构信号的小波包熵值;最后选取熵值最小的重构信号作为检测信号进行能量检测.理论分析及仿真结果表明,在低信噪比情况下,该算法可以有效地抑制噪声影响,提高频谱检测性能.     

一种多址移动通信系统异步Schwarz串行干扰消除算法

针对多址通信系统中的串行干扰消除(SIC)多用户检测算法检测过程因用户功率排序错误导致判决误差扩散进而算法检测精度下降、收敛性不足及移动通信系统整体性能下降的问题,结合Schwarz算法对强多址干扰和码间干扰情况下直接序列扩频码分多址(DS-CDMA)系统中的SIC算法进行了研究,提出了一种Schwarz-SIC多用户检测算法(S-SIC)。新算法通过Schwarz约束条件实现对各用户功率子域边值的精确控制,减少用户排序出错,可全面跟踪时变信道,且在干扰消除检测过程中有效避免判决误差的扩散,抑制MAI及ISI的影响。在误码性能、收敛性,动态跟踪能力及算法精度方面较原有SIC算法有较大提高。仿真结果验证了新算法是一种有效的多址通信系统干扰消除算法。     

海面小型快速运动目标的探测方法

常规扫描相关积累(SIC)算法在探测快速运动目标时易失效，提出了一种与海杂波抑制技术相结合的新型SIC算法．新算法由两分支组成：一个分支通过扫描加权对杂波进行衰减；另一分支确保快速目标的探测。应用海杂波抑制技术可以进一步提高信杂比，降低雷达检测门限，增大小目标的检测概率．仿真结果表明，本方法显著提高了舰载雷达探测小型快速运动目标的能力．     

应用子空间信息准则选择模型参数

指出子空间信息准则是模型选择的一种新准则,它在一些假设条件下,给出推广误差的一种无偏估计.研究再生核Hilbert空间中,应用子空间信息准则于模型参数选择问题,证明子空间信息准则是推广误差的一种无偏估计,同时说明学习算法有较好的推广能力.     

非平稳噪声环境下LFMCW信号恒虚警检测算法研究

为了提高电子侦查系统中对非平稳噪声环境下线性调频连续波信号的实时检测能力,提出了一种对信号进行分段检测的低复杂度算法.根据假定最大调频斜率设定窗函数宽度,将截获信号均匀分割为多个序列,在每个时间序列内建立短时谐波模型,并采用多个正交窗函数对信号进行加权离散傅里叶变换.在此基础上,推导出符合F分布的检测模型.该模型与噪声功率无关,因此检测前无需统计噪声功率,可对非平稳噪声环境下的信号进行恒虚警率检测.仿真分析了影响该算法性能的参数,通过与单窗口检测算法对比,验证了该算法在非平稳噪声环境下优良的检测性能.      

多尺度的图像显著性检测方法

为了提高显著性检测算法的准确性与鲁棒性,提出了一种基于多尺度融合的对象显著性检测方法.首先对图像进行平滑处理,过滤掉图像中的高频噪声特征,然后对图像进行尺度划分并分别采用不同的方法对不同尺度上的图像检测其显著性,最后根据条件随机场理论对不同尺度上的显著性检测结果进行加权融合,得到最终的显著性检测结果.在两种公共数据集上与多种经典算法进行定性、量化比较,结果表明该算法具有更好的表现.     

采用高阶累积量的环网柜局部放电在线检测

根据环网柜的绝缘缺陷,设计3种典型的局部放电模型,搭建局部放电试验平台.借助射频电流传感器获取局部放电混合信号,经过放大和高速A/D采样后,将信号送入微型计算机进行处理.采用四阶累积量作为局部放电特征量,抑制随机噪声干扰,提高信噪比.通过Otsu算法确定检测判据,实现局部放电的在线检测.将检测算法移植到现场可编程门阵列(FPGA)上,研发环网柜局部放电在线检测装置.试验结果表明:该装置能够适应较强的噪声环境,且具有良好的实时检测效果.