高充电效率的恒流太阳能路灯控制器

针对传统太阳能路灯控制器主要存在充电效率低、恒流精度低的问题,提出基于多路脉冲宽度调制(PWM)恒流技术的新型太阳能路灯控制器的设计方案。该控制器采用复合式DC-DC变换器,通过控制多路PWM信号,实现高效地充放电功能。充电过程以改进的扰动观察法实现最大功率点跟踪(MPPT),提高充电效率;放电过程通过实时检测LED路灯的实际电流,动态调整相应PWM信号的占空比实现高精度恒流驱动LED路灯。实物测试结果表明该控制器能有效地改善充电效率和恒流源精度,充电速度提高了4%~7%,恒流源精度高达2.5%。     

协作网络中基于可信与不可信中继节点的物理层安全性能优化（英文）

为了获得最优物理层安全性能,在无线协作网络中提出了新的功率分配算法.提出了存在外部窃听节点时,可信中继节点采用放大转发和解码转发两种协作机制下的最优功率分配算法.此外,还提出了不可信中继节点采用转发放大协作机制下的最优功率分配算法,仿真结果表明在总功率一定时,对于可信中继与不可信中继的两种情况,所提出的新算法相较于传统的均等功率分配算法都获得了更高的安全容量.     

基于统计信道模型的MIMO多天线系统性能研究

由于多径效应的存在,MIMO无线传输系统的性能很大程度上取决于衰落信号空间相关性.研究基于统计的传输信道模型,及在此模型下MIMO多天线系统的接收性能.在理想基站天线结构下,用户终端(UT)的波达信号方位功率谱(APS)模型可应用到Kronecker MIMO信道模型中.研究在Kronecker MIMO信道模型中方位功率谱对MIMO分集和多天线系统性能的影响.数值仿真结果表明:此统计信道模型下的参数估计符合理论和经验;提出的统计信道模型及分析法扩展了以前的MIMO信道模型建模,降低了计算和分析的复杂度.     

含预测和容错的自适应Kalman目标跟踪

针对模型不准确时,传统Kalman滤波目标跟踪算法精度有限甚至发散的问题,研究了基于新息协方差在线匹配技术的自适应Kalman滤波算法,提高跟踪精度;并以Kalman滤波估计的目标位置为基础,利用一步Kalman预测得到下一时刻目标可能的位置范围,避免对整幅后帧图像进行遍历搜索,减小了计算量;为了避免存在干扰时异常量测对目标跟踪的影响,研究了量测信息异常检测算法,以Kalman预测的量测代替异常量测,增强抗干扰能力。实验证明,所提算法能够有效提高目标跟踪的精度和鲁棒性。     

MIMO阵元方向性对系统性能影响研究

在考虑空间衰落相关性(SFC)的同时引入天线单元方向性,研究基于统计信道模型的终端MIMO多天线模型及性能评估方法.在Kronecker的MIMO信道建模中应用终端波达信号方位角功率谱(APS)模型.利用此MIMO信道模型概念,分析在统计衰落信道中MIMO阵元方向性对系统性能影响,包括对空间衰落相关系数、MIMO多径信道容量和误码率(BER)的影响.仿真和优化结果表明:终端MIMO多天线模型中阵元方向性对系统性能影响显著,合理安排阵元波束方向可增加约10%多径信道容量并明显减小误码率.     

基于模板匹配与线性预测的目标跟踪算法

为解决复杂场景中目标遮挡、算法鲁棒性差的问题, 提出基于模板匹配与线性预测的算法。该算法分为模板匹配和线性预测两部分。场景中无遮挡物时, 执行模板匹配算法, 获取目标跟踪信息; 否则, 通过预测算法估计目标的状态, 进而实现目标跟踪。实验结果表明, 在目标有遮挡干扰的情况下, 采用该算法能稳定、准确地实现目标跟踪, 与传统的模板匹配算法相比具有较强的鲁棒性。     

基于布谷鸟搜索算法的最大似然DOA估计

为解决最大似然DOA(Direction of Arrival)估计多维非线性搜索计算量大的问题, 将布谷鸟搜索算法与最大似然算法相结合, 利用布谷鸟搜索算法优化多维非线性的最大似然DOA估计谱函数。在保留布谷鸟搜索算法的主体思想的同时, 改进了算法的位置迭代方式, 加快了收敛速度。仿真结果表明, 改进的布谷鸟搜索算法在DOA估计中具有较好的收敛性, 估计性能较好。     

基于轮廓跟踪的摔倒检测算法

针对传统摔倒检测算法误判率高和算法复杂等缺点,提出一种基于轮廓跟踪的摔倒检测算法。该算法主要通过背景减除法提取监控视频中的运动目标老人,运用中值滤波和形态学处理获取完整的老人身体形状,根据轮廓跟踪算法生成边界链码,然后利用实际边界链码与摔倒模板链码的欧氏空间距离判断老人是否摔倒。实验结果表明,该算法计算复杂度低,准确率得到明显提高。     

最大度为3或4的图的邻和可区别全染色

图 G 的一个正常[k]-全染色是一个映射：V∪E→｛1,2,…,k｝,使得 V∪E 中任意一对相邻或者相关联元素染不同颜色。用 f（v）表示点 v 及所有与其关联的边的颜色的加和,若对任意 uv∈E（G）,有 f（u）≠f（v）,则称该染色为图 G 的[k]-邻和可区别全染色。k 的最小值称作图 G 的邻和可区别全色数,记为 tndiΣ（G）。Pils＇niak 和Woz＇niak 提出猜想：对任意简单图 G,有 tndiΣ（G）≤Δ（G）＋3,其中Δ（G）为图 G 的最大度。图 G 的最大平均度,记为 mad（G）,是 G 的所有非空子图的平均度的最大值。运用组合零点定理和权转移方法,证明了若Δ（G）＝3且mad（G）＜125,或Δ（G）＝4且 mad（G）＜52,则 tndiΣ（G）≤Δ（G）＋2。     

广东省前兆测项观测背景总结

广东省前兆台网包括形变,电磁、流体三大学科,前兆台网中心从2014年开始开展数据跟踪分析工作,该文介绍分析了各学科测项的正常观测背景和基本变化态势背景,分析了各测项的背景噪声水平,对于进一步开展异常的识别与跟踪具有重要意义。