利用ABEEM/MM模型对气态丝氨酸和苏氨酸残基二肽分子构象的研究

应用ABEEM／MM浮动电荷模型（原子一键电负性均衡方法融合进分子力场）对气态丝氨酸和苏氨酸残基二肽分子构象进行了初步的研究，与经典的力场模型相比，该方法中的静电势包含了分子内和分子间的静电极化作用，以及分子内电荷转移影响，同时加入了化学键等非原子中心电荷位点，合理的体现了分子中的电荷分布。相对其他极化力场模型，该模型具有计算量较小的特点。结果表明：我们模型计算的两种二肽分子的构象能和关键二面角结构与从头计算结果符合得很好，优于其他力场模型。     

组合卡尔曼均衡新算法的研究

在分析卡尔曼算法收敛性能基础上，提出了组合卡尔曼均衡算法，并在时变信道上以线性均衡器（ＬＥ）及判决反馈均衡器（ＤＦＥ）研究了其性能。组合卡尔曼算法与Ｋａｌｍａｎ算法收敛速度相同，稳态误差相近，但克服了Ｋａｌｍａｎ算法因计算误差阵ＰＫ产生会入误差累积而使算法发散的缺陷．     

线性均衡器与判决反馈均衡器性能的比较

利用Matlab仿真软件，对数字通信系统中由信道失真引起的严重的ISI情况使用线性均衡器和判决反馈均衡器进行均衡．并且根据结果分析比较利用两者均衡后的性能差异。     

基于遗传算法的直接盲信号检测

针对现有的盲均衡遗传算法收敛速度慢,难以准确地收敛到最优解的问题,借助接收数据阵补投影算子对待测发送序列向量的零化作用,把信号盲检测问题转化为整数约束下的二次优化问题,提出了一种基于遗传算法的直接盲信号检测的方法.所用遗传算法的特点是,适应度函数是直接针对被检测序列构造的,编码空间与遗传空间一致,搜索空间是离散、有限的.仿真结果表明,该算法收敛速度快、性能好.     

基于修正超指数迭代算法的双模式盲均衡算法仿真研究

收敛速度和剩余均方误差是评价盲均衡算法性能优劣的主要参数之一。超指数迭代盲均衡算法收敛速度快，但是，该算法对高阶QAM信号具有较大的剩余均方误差。针对数字无线电信道的盲均衡问题，提出了一种修正的超指数迭代盲均衡算法，该算法可校正无线电信道引入的载波相位旋转，并具有较快的收敛速度。在此基础上又提出了一种双模式盲均衡算法，该算法在收敛阶段采用修正的超指数迭代算法，之后根据某一切换准则，切换到判决导引算法，可有效减小超指数迭代算法对高阶信号的剩余均方误差。通过仿真证明了本算法的有效性。     

水声信道混合型常数模盲均衡新算法

为了克服常数模算法(constantmodulusalgorithm,CMA)收敛速度慢、符号误差常数模算法(signerrorcon stantmodulusalgorithm,SECMA)收敛后剩余干扰大的缺点,利用常数模代价函数和符号误差常数模代价函数定义了一个混合常数模新代价函数,并从理论上分析了该代价函数的特性,构造了具有常数模代价函数梯度矢量与符号误差常数模代价函数梯度矢量联合更新的混合常数模新算法(mixedconstantmodulusalgorithm,MCMA)。调整该算法中两个梯度矢量的比例系数,可提高该算法收敛速度、减少收敛后的均方误差。通过对水声信道均衡的计算机仿真,证明了该算法的有效性。     

概率密度函数的并行软方向判决盲均衡算法

基于Parzen窗方法概率密度函数盲均衡算法比恒模算法具有更好的性能,但一样会出现随机相位旋转现象.利用最大后验概率准则中的相位信息,讨论一种基于Parzen窗方法概率密度函数的并行软方向判决盲均衡算法.高阶QAM调制信号仿真结果表明,算法克服了输出信号出现的随机相位旋转现象,并且算法的收敛速度较PPDF算法快,收敛后均衡器输出的稳态码间干扰也较小.     

用小波变换谱均衡法提高地震资料的分辨率

谱均衡方法是提高地震资料分辨率的一种有效方法.通常,谱均衡方法是通过傅立叶正变换在频率域实现的,但是,傅立叶变换存在着先天不足的缺陷,即时-频局域性差,它不能分析信号的局部频率特性.小波变换方法的时-频局部性要优于傅立叶变换,它克服了傅立叶变换的不足,既能保证变换是可逆的,又可以分析信号的局部频率特性.文中充分利用小波变换与谱均衡的优点,利用小波变换与谱均衡相结合的方法,对不同尺度的分解结果进行谱均衡处理,以达到提高分辨率的目的.     

基于二阶循环统计量的直接盲MMSE均衡算法

提出了一种基于二阶循环统计量的直接盲MMSE均衡算法。该算法利用接收信号的二阶循环平稳性,依据MMSE准则,不经过辨识直接均衡信道。由于利用了信号的周期循环平稳性,该算法可以实现非最小相位系统的盲均衡。仿真实验表明,与基于子空间的盲均衡算法和基于CMA的盲均衡算法相比较,该算法运算复杂度低、收敛速度快、且不会陷入局部最优点。此外,由于该算法不经过辨识直接均衡信道,所以受信道阶数误差的影响较小。     

主成分分析法中数据处理方法的改进

由于原有的主成分分析法受到评价指标量纲和数量级的影响，因而主成分也会因评价指标量纲和数量级的改变而不同，并且使得部分信息丢失。用均值化方法借助DPS数据处理软件，对原始数据进行无量纲化处理，不仅有效消除了量纲与数量级的影响，而且使得处理后的数据包含了原始数据的全部信息。