移动通信中继系统中减少反馈调度的算法研究

对于多用户中继系统中上行反馈量过大的问题,研究提出了一种基于多门限减少反馈的半分布式调度算法.该算法在基站与中继分别设置反馈门限,依据在多门限假设下可以得到总反馈用户数表达式,进而算出多个门限值;又根据中断概率算得一个门限,将该门限值作为多门限的下限.将两种门限值相结合以限制用户反馈量.对AF(Amplify and Forward)协议下采用该算法的反馈用户数及系统容量等性能指标给出了理论推导.仿真结果表明,该算法可较单门限算法进一步地减少反馈量,并降低系统的反馈中断概率,增大了系统容量.     

粒子滤波算法重采样门限值研究

目标跟踪算法的目的是对目标进行跟踪,跟踪滤波算法的好坏直接决定了能否及时地跟踪上目标。在粒子滤波算法中,重采样是很重要的一步,很多介绍粒子滤波的文献都提到了在重采样前设置一个采样门限,以此来判断在粒子滤波算法中是否进行重采样。采用实际仿真的方法研究了采样门限取值对跟踪效果包括跟踪时间以及跟踪精度的影响,采用了最经典常用的跟踪模型进行了仿真研究。     

隐蔽通信中变换域通信系统双门限基函数设计

针对变换域通信系统中传统基函数二进制门限设计单一固定,且未考虑系统隐蔽性的缺点,提出了一种双门限基函数设计方法.通过理论分析推导,验证了基于高阶累积量进行系统隐蔽性评价的合理性.并通过高、低门限的合理设定,确立基函数幅度谱与干扰幅度谱的动态关系式.建立了以降低系统误码率为准则的优化模型,采用遍历法进行最终优化搜索.仿真结果表明:与传统的二进制门限设计相比,所设计双门限优化算法在隐蔽性上与传统二进制门限相当,且能够实现误码率性能的提升.此外,所设计的双门限结构与传统二进制门限能有效兼容.     

自适应双门限频谱感知算法

针对传统的能量检测算法门限固定设置存在的不足,以及循环平稳特征检测算法计算复杂度高的缺点,以双门限能量检测算法为基础,提出一种联合循环平稳特征检测的双门限能量检测算法.本算法在双门限区域内实施循环平稳特征检测,双门限之外的区域采用能量检测,同时根据信道状态自适应调整双门限值.当信道状态好时,减小两个门限之间的距离,即减小实施循环平稳特征检测的概率,降低运算复杂度;当信道状态差时,增大两个门限之间的距离,即增大循环平稳特征检测的概率来保证良好的检测性能.仿真结果表明,在一定条件下,该算法能有效提高频谱检测性能,降低运算复杂度.     

基于TD-SCDMA的下行同步跟踪算法的建立

首先描述了一种TD-SCDMA系统中的下行同步跟踪算法,用SYNC-DL码前的16chipGP、SYNC-DL码部分64chip、SYNC-DL码后的16chipGP共96chip长度的数据段,和本地的SYNC-DL码做滑动相关,计算噪声门限,将超过噪声门限的第一条有效径的位置作为系统的定时位置。仿真分析表明,该方法可以大幅提高多径衰落信道、生灭信道等场景下的接收机BER性能。     

基于 TD-SCDMA 的下行同步跟踪算法的建立

首先描述了一种 TD-SCDMA 系统中的下行同步跟踪算法,用 SYNC-DL 码前的16chip GP、SYNC-DL码部分64chip、 SYNC-DL 码后的16chip GP 共96chip 长度的数据段,和本地的 SYNC-DL 码做滑动相关,计算噪声门限,将超过噪声门限的第一条有效径的位置作为系统的定时位置.仿真分析表明,该方法可以大幅提高多径衰落信道、生灭信道等场景下的接收机 BER 性能.     

容量有限逻辑环网的两种服务方式及其比较

讨论了容量有限逻辑环通信网中的门限服务方式和非门限服务方式。文章阐明两种服务方式的运行特点并建立数字模型、通过计算机编程,在相同条件下比较两种方式的系统和队列的各种工作特性参数。文中还针对典例描绘出特性曲线并由此得出结论：非门限服务方式的系统性能略优于门了限服务方式的系统性能。     

基于Kalman滤波算法的视频跟踪技术在交通道路中的应用

Kalman滤波是目标跟踪系统中比较常用的一种跟踪算法,本文将自适应波门跟踪与Kalman滤波跟踪算法相结合,克服了以往跟踪算法计算量大,目标识别错误,目标丢失等问题。并利用了MATLAB对Kalman滤波算法建模仿真,验证滤波跟踪效果明显,能够满足系统的实时准确跟踪的要求。     

变换域通信系统中的一种分段迭代门限算法

变换域通信系统通过信道估计在变换域设计信号波形避开干扰,它没有采用载波调制,而是用一个类似噪声的基函数进行信息调制。针对采用小波分析的文献中均采用固定门限值剔除干扰,提出了一种分段迭代门限算法。经仿真验证,采用该门限算法的系统比采用1-2倍的噪声功率谱密度门限值的系统有更好的误码率性能：在10％、70％部分带宽干扰下,当J／E低于3dB时系统误码率性能改进约2dB,其他J／E下改进约1dB;在线性调频干扰下,当J/E低于7．5dB时系统误码率性能改进约1．5dB,其他J／E下改进约O．5dB。     

功率谱估计与自适应门限在扩频同步中的应用

提出了一种改进的扩频同步算法.该算法利用带通滤波器通带内外信号功率谱密度差在扩频码同步前后的变化情况对捕获支路进行改进,使得门限比较器的输入值在同步前后区别较大,提高了捕获判决的准确率.此外,该算法还通过估算接收信号功率真值,提出自适应门限算法,使得捕获门限能根据接收信号功率做适当的调整,降低了系统虚警概率,进一步改进系统捕获性能.改进后的系统能在通信环境恶劣的信道中使用.最后给出了仿真结果,系统捕获性能良好.     

基于数据关联性能的跟踪门算法

提出一种基于数据关联性能评价的优化跟踪门算法，并通过它来减少跟踪门内来自非本目标的回波，最终达到提高多目标多传感器跟踪系统性能的目的，理论分析表明，与基于假设树最大似然函数的跟踪门算法相比，本算法有效地改善了系统的性能，尤其在强干扰、高虚警的情况下更为明显。     

基于软件接收机的标量与矢量跟踪算法设计与分析

以Matlab软件接收机为平台,研究对比了标量与矢量跟踪算法结构原理及算法设计,并分析了两种不同算法在信号短暂遮挡环境下的接收机跟踪性能. 建立了基于扩展卡尔曼滤波的矢量延迟/频率锁定跟踪算法模型,分析了矢量跟踪算法控制过程及时间同步问题,分析了标量与矢量跟踪算法在信号短暂遮挡环境下快速重跟性能及其对定位的影响,并进行了半实物仿真. 仿真结果表明,矢量跟踪算法不仅具有更好的快速重跟性能,而且接收机的位置检测精度和位置检测平滑度都优于标量跟踪算法.      

基于残差三阶累积量的跟踪门新方法

针对在有高斯量测噪声和杂波环境下的数据关联问题,提出了一种基于残差三阶累积量的跟踪门算法,通过对残差数据累计序列的三阶累积量的计算,抑制了高斯噪声对跟踪门的影响,且有效地排除了杂波的干扰,从根本上提高了跟踪门的性能.仿真实验结果验证了该算法的有效性和稳健性.     

一种新的多机动目标跟踪的GMPHD滤波算法

针对多机动目标跟踪的传统数据关联算法约束条件苛刻、估计精度低、计算量大等问题,提出了一种基于随机集理论的非数据关联的多机动目标跟踪算法.该算法将高斯混合概率假设密度(GMPHD)滤波与"当前"统计模型的优点相结合,绕过了棘手的数据关联问题,能高效处理目标数较大的机动跟踪问题.在漏检、虚警、多机动目标交叉杂波复杂环境下进行了仿真实验,结果表明,该算法具有较高的跟踪精度和稳健的跟踪性能.     

基于HOG-SVM的改进跟踪-学习-检测算法目标跟踪方法

对于经典TLD(跟踪-学习-检测)跟踪算法,在目标受到遮挡、光照、干扰、旋转和尺度变化等问题时,会导致算法的跟踪精度和速度降低,计算的复杂度较高,实时性差。针对以上问题,本文提出了一种改进的TLD目标跟踪算法。首先针对检测模块中计算复杂度高的问题,将HOG-SVM结合替换原TLD算法中的2bitBP特征和集成分类器;再针对原算法中跟踪精度低的问题,将KCF跟踪算法替换中值光流法;在HOG-SVM+KCF跟踪算法的基础上,对滑动窗口法进行改进,解决原算法中实时性差的问题。实验表明,改进后的跟踪算法,在背景环境变化的情况下,跟踪精度和速度都有提高,实时性加强。     

多目标跟踪动态规划法的算法实现

本文提出了在密集环境下多目标跟踪动态规划法的算法实现问题,给出了航迹质量的评价方法和起始跟踪的方法。     

分布式粒子滤波算法在面向跟踪的无线传感器网络中的应用

无线传感器网络在目标跟踪应用中的优势主要体现在跟踪更精细可靠且及时隐蔽,但是由于传感器网络中没有中心控制机制,无线通信的带宽有限,这就要求采用合理的跟踪策略,高效的分布式信息处理算法.将"ad hoc跟踪群"的概念移植到面向跟踪的无线传感器网络中作为传感器的组织策略,并和适用范围较大的粒子滤波相结合实现跟踪任务.仿真实验证明,在不影响跟踪精度要求的情况下,此方案能够降低通信能量开销.     

一种基于意图跟踪和强化学习的agent模型

针对动态对抗的多agent系统(MAS)环境中agent行为前摄性较差的问题,提出了一种将意图跟踪和强化学习相结合的agent模型.该模型将对手信息和环境信息分开处理,在agent的BDI心智模型中引入了Q-学习机制应对环境变化;在强化学习的基础上注重对对手和对手团队的意图跟踪,改进Tambe的意图跟踪理论,针对特定对抗环境中的对手行为建立对手模型,跟踪对手和对手团队的意图,预测对手目标,以调整自身行为.实验证明,所提出的agent模型具有更强的自主性和适应性,在动态对抗系统中具有更强的生存能力.     

多特征博弈的目标跟踪算法

针对视觉目标跟踪领域中,采用单一特征的跟踪算法鲁棒性较差的问题,提出一种基于博弈论思想的多特征融合目标跟踪算法。在Mean Shift视觉跟踪框架下,将目标的颜色特征和运动特征作为两个博弈者,通过寻求二者博弈的纳什均衡,使不同特征对跟踪结果的贡献达到最佳平衡,进而更好地体现特征融合的优势。实验结果表明,该算法对目标剧烈运动、遮挡和背景多运动物干扰有较强的鲁棒性。通过基于博弈论的多特征融合方式在传统Mean Shift算法的基础上提出新算法,算法具有较好的跟踪性能。     

一种基于算法融合的运动目标跟踪算法

为了提高目标跟踪算法在复杂环境下的稳健性,提出了一种将基于颜色特征的均值漂移算法和SURF(Speeded UpRobust Features)特征匹配算法相融合的目标跟踪方法。该算法首先采用颜色特征和SURF特征分别描述目标模板,利用均值漂移算法快速估计目标局部最优解。但仅采用单一颜色特征来估计目标位置,跟踪误差逐渐累积;采用SURF算法精确估算目标位置和尺度,及时修正累积误差。最后根据相似性度量Bhattacharyya系数选择较优的结果作为当前帧跟踪结果,且更新目标模板。实验结果表明,算法在目标发生较大形变、尺度变化、周边具有表观相似目标时具有很强的稳健性,且满足跟踪实时性要求。