代 数 流 形 上 的 插 值 问 题

运用构造性代数几何方法, 研究插值节点取在一个代数流形上时的多元多项式插值问题, 提出构造极小次数插值基的相关理论和算法, 并给出了极小次数插值多项式的次数估计.     

基性质与逼近

阐述了基、Riesz基及框架的简要关系,讨论了利用多项式重构性质进行小波尺度算子的逼近阶估计问题.     

MIMO系统中的迭代时变信道估计

为了提高时变信道环境中MIMO信道估计的性能,利用Karhunen-Loeve基扩展模型(KL-BEM)建立MIMO系统中符合期望最大化(EM)算法框架的信号模型,从而得到MIMO时变信道的迭代估计方法.将EM算法应用于MIMO系统中进行迭代信道估计,一方面利用了EM迭代来提高信道估计的性能,另一方面利用了KL-BEM基函数的正交性来降低信道估计的运算复杂度.在2×2 MIMO系统下的仿真结果表明:算法经5次迭代即可收敛,而且迭代估计的信道脉冲响应与实际响应几乎重合;此外,迭代估计后系统的BER性能接近理想信道时的BER性能,在高信噪比区域,两者之间的差别在1 dB以内,比最小二乘信道估计有约2 dB的性能增益,可见迭代估计方法在时变信道条件下具有良好的估计性能.     

斯鲁茨基定理在判别参数估计优良性上的应用

给出了斯鲁茨基定理在判别参数一致估计上的应用.     

基于DDST的MIMO时频双选信道的信道估计

针对多输入多输出时频双选择性信道,提出了一种基于信息叠加训练序列和最小二乘相结合的信道估计方法.基于基扩展模型构建MIMO时频双衰落系统,采用DDST算法估计信道矩阵,对误码率进行分析.训练序列采用等幅度的周期指数序列,同时在基于叠加训练序列估计的基础上叠加一个基于信息的周期序列.实验表明,基于DDST的MIMO时频双选信道估计方法比传统的估计方法显著降低了信道估计的均方误差和误码率,并能保持较高的频带利用率.     

时变信道下一种低计算复杂度的信道估计算法

在时变信道中正交频分复用(OFDM)系统下传统信道估计方法存在估计性能差、计算复杂度高的问题.为此,文中提出了一种双对角线性最小均方误差(DD-LMMSE)的信道估计方法.首先建立基于基扩展模型(BEM)的系统模型,然后进行两次对角线性最小均方误差估计得到BEM系数,从而估计出信道的时域冲击响应.仿真实验结果表明,该方法不管在慢时变信道下还是在快时变信道下均具有良好的估计性能,且计算复杂度低.     

OFDM系统中一种双选择性稀疏信道压缩感知方法

针对OFDM系统,提出了一种基于压缩感知（CS）的双选择性稀疏信道估计新方法.为解决传统二维插值算法无法准确估计双选择性稀疏信道的问题,通过利用信道在时频域的稀疏特性,将OFDM系统下的双选择性信道模型转化为CS可解的BPIC数学模型,并最终利用基追踪算法对稀疏信道的脉冲冲激响应实现估计.仿真结果显示,新方法能有效减少导频数,提高频谱利用率;在传统的FFT-Linear和FFT-FFT二维联合插值算法无法正确估计出信道响应时,基追踪算法仍能实现对稀疏信道的精确估计.     

Bernstein-Bezier-Kantorovich算子列的逼近阶估计

文章研究了Bernstein-Bezier-Kantorovich算子列关于一般有界函数的逼近阶估计,得到一个其收敛阶的精确估计公式.有界变差函数的逼近情况成为本文结果的特例.文章的研究拓展了文献[J.Approx.Theory95(1998),369-387]的工作.     

快速时变信道下的基扩展模型信道估计性能分析

针对快速时变信道,提出了一种基于复指数基扩展模型(CE-BEM)的线性最小均方误差(LMMSE)信道估计方法,对信道估计的结果使用离散长椭球序列(DPSS)进行平滑处理,并相应提出了基于迭代的载波间干扰(ICI)消除信道均衡方法.仿真结果表明:在高多普勒信道场景下,该方法系统误码性能较传统信道估计方法有一定程度的提升.     

船舶直线控制反步自适应神经网络算法

为了解决控制模型完全未知情况下非线性系统的控制问题,该文以船舶航向为控制对象,研究了径向基神经网络(RBFNN)方法.建立参数不确定的船舶运动的三阶非线性模型,针对系统的参数的不确定问题,提出了基于RBFNN估计的控制设计策略.利用神经网络对非线性参数不确定性进行了在线估计,然后利用反步法进行了控制器设计.RBFNN方法对于非线性系统提供了一种有效的解决方法,仿真结果证明了该方法的有效性.     

非参数技术理论及应用综述

非参数技术中一个最重要的内容是估计方法，常见的非参数估计方法有核估计、局部多项式估计、近邻估计等。光滑参数的选取、“维数灾难”与边界点问题也是与非参数技术有关的重要内容。非参数技术的一个重要的应用是应用在时间序列模型中。     

数值求解一类高阶线性Volterra积分微分方程的Tau方法

Tau方法是一种数值求解偏微分方程的多项式近似解法．运用Tau方法数值求解Volterra积分微分方程，给出误差估计和几个数值算例说明算法的有效性．     

延时估计偏差对多项式预失真的影响

延时估计偏差通常会严重影响射频(RF)功率放大器预失真技术的性能.通过对预失真技术中延时估计偏差的理论分析,发现若要保证存在延时估计偏差时预失真器仍能实现放大器的线性化,则设计的预失真器应是理论上理想预失真器的一个延时版本;并提出一种记忆多项式模型用于放大器的预失真.仿真结果表明,采用记忆多项式模型比一般多项式模型对延时估计偏差有更强的鲁棒性.     

基于基样条插值的Smolyak算法

研究了具有控制混合光滑性的d维周期Sobolev空间的样条插值逼近.考虑基于基样条插值的Smolyak算法.相应于基于等距节点多项式样条插值的Smolyak算法,得到了一个误差估计.     

多项式根的定位与估计

将多项式的根的估计与定位和矩阵特征值的估计与定位联系起来,讨论数论命题中几类特殊的多项式特征根的估计方法,得到一般多项式的特征根的估计方法。     

快速提取正弦信号频率

本文在正弦信号频率估计的线性预测方法基础上,充分利用正弦信号的特殊性信息,给出了一种正弦信号频率估计的快速算法。文中首先利用线性预测参数的对称性将原线性预测方程的阶数降低一半求解,使其计算量减少到原来的八分之一。提取正弦信号的频率,还要求解一高次特征多项式方程,利用其系数的对称性,经过巧妙的根的变换,还可把该高次复根多项式方程的求解转化为次数减半的实根多项式方程的求解。该实根多项式方程的求解可此原复根多项式方程求解的速度提高八倍。文中最后给出计算机模拟结果,并与原线性预测方法和前后向线性预测方法加以此较。     

增长曲线模型的局部多项式估计的性质

Wishart于1938年首次引入增长曲线模型,这是一种应用广泛的广义多元方差分析模型.文章首先介绍了增长曲线模型,非参数增长曲线模型及其局部多项式估计,接着讨论了非参数增长曲线模型的局部多项式估计的一些基本性质.     

采用多项式逼近非线性系统的指定精度参数估计法

提出了一种采用多项式逼近非线性系统的指定精度参数估计法。此方法避免了传统方法对多项式阶数的经验估计，可以根据实际需要的精度确定多项式的阶数，同时获存多项式的参数估计。仿真结果说明了该方法的有效性。     

多项式相位信号的参数估计

研究了多项式相位信号的参数估计问题.首先通过离散伪魏格纳-威利变换得到调频信号的瞬时频率,再利用多项式拟合法来实现对多项式相位信号参数的估计.仿真实验证实了所提出的算法的有效性.