基于Homotopy算法的低复杂度多用户大规模MIMO信号检测方法

在上行多用户大规模多输入多输出(multiple input multiple output,MIMO)系统中,为了降低信号检测的计算复杂度,在传统的最小均方误差(minimum mean square error,MMSE)算法的基础上,提出一种基于Homotopy算法的低复杂度信号检测方法。在该方法中,通过对Homotopy方程的解向量采用逐级展开来逼近真实解向量,从而避免MMSE检测算法中的高阶矩阵的求逆运算,降低了信号检测的计算复杂度。仿真结果表明,最多需要对Homotopy方程的解向量进行4阶展开,就可获得与MMSE检测算法几乎同样的误比特率(bit error rate,BER)性能,同时,其计算复杂度仅为O(K2),其中,K为小区用户数。     

一种用于电力线通信系统的改进MIMO检测算法

目前多输入多输出(multiple-input multiple-output,MIMO)技术已经被电力线通信(power line communication,PLC)系统采用,但由于MIMO PLC系统噪声呈非高斯分布而且各端口噪声之间存在相关性,故不能直接采用无线系统中的MIMO检测算法。采用了二元Middleton class A分布对MIMO PLC系统中噪声进行建模,提出了基于该噪声分布的最大似然检测改进算法,由于改进最大似然检测算法实现复杂度高,为了便于实现,进一步提出了用近似函数降低复杂度的2种次优的检测算法,优化了算法复杂度。仿真结果表明,与传统的基于高斯噪声分布的最大似然检测算法相比,提出的基于二元Middleton class A类噪声分布的信号检测算法在MIMO PLC系统能获得更好的性能。在性能损失较小的情况下,次优算法的复杂度明显低于最大似然检测改进算法。     

基于变分模态分解参数优化的地震随机噪声去除方法

为解决变分模态分解在地震数据去噪中依赖人工经验,模态分解和去噪效果具有一定随机性和偶然性的问题,提出基于频域奇异值分解信噪比估计的参数优化方法。该方法在参数范围内以较高的估计信噪比为评价参数对模态分量数目与有效模态进行选取,自适应寻找去噪最有效的参数,从而避免主观选取参数的随机性,改善去噪效果。仿真模型实验表明：估计信噪比与真实信噪比的误差为正相关关系,能够有效反映地震数据中噪声程度,所估计信噪比可以作为去噪效果的评价参数。通过仿真模型和实际地震数据对方法进行验证,结果表明基于估计信噪比参数优化后的变分模态分解方法能够有效压制噪声、凸显同相轴信息。     

基于耦合电感低输入电流纹波高增益DC/DC变换器

针对如何提高增益和变换效率,并降低耦合电感型变换器的输入电流纹波问题,提出一种基于耦合电感 低输入电流纹波高增益DC/DC 变换器。通过引入无源零波纹电路,降低输入电流纹波,从而减小输入电流应 力; 同时,通过合理设计耦合电感变比,可实现变换器的高增益特性。通过理论分析和仿真实验结果表明, 该变换器的输入电流纹波大幅降低,并且所有开关管均实现了软开关,大大降低了开关损耗。同时,该变换器 各器件电压应力均远低于输出电压,有利于采用低耐压元件以降低导通损耗,提高变换器的性能。     

基于空间分数阶复扩散的地震勘探噪声压制

沙漠地震勘探数据信噪比低,随机噪声主要为非平稳、非高斯的低频色噪声,利用常规噪声压制方法很难有效辨识与表征地震勘探信号,导致弱纹理结构信号的损失。针对此问题,引入分数阶梯度算子,提出空间分数阶复扩散随机噪声压制算法。该算法利用空间分数阶梯度增强地震信号的弱纹理和细节,在复扩散框架下,根据同相轴结构控制扩散强度。实验采用合成地震勘探数据和实际沙漠地震勘探数据评估算法性能,结果表明,提出的空间分数阶复扩散滤波算法可压制沙漠勘探随机噪声并保留有效信号结构。     

煤矿井下R-OTDR光纤EEMDMAF去噪算法研究

针对煤矿井下管道存在的潜在瓦斯泄露、粉尘爆炸等问题,提出了基于Ｒ-OTDＲ( Ｒaman Optical Time Domain Ｒeflectometry) 分布式光纤温度传感器的管道安全监测方法,分析了Ｒ-OTDＲ 光纤的技术原理。对于采集过程中温度信号噪声干扰问题,分别采用滑动平均滤波和EEMD( Ensemble Empirical Mode Decomposition) 两种方法进行去噪。仿真结果表明,单独使用两种方法都不能得到最优的去噪结果。将融合滑动平均滤波及EEMD去噪算法,并采用3 个指标用于效果判定。实验结果表明: 先滑动平均再EEMD 能有效去除信号中的干扰噪声,极大地提高了信噪比和系统测量精度,相比传统算法而言,系统传感效率更高。     

Shearlet域深度残差CNN用于沙漠地震信号去噪

由于沙漠地震信号中含有较强的随机噪声,从而给沙漠地震数据的处理和解释带来了很大的困难。针对上述问题,提出了一种基于Shearlet 变换的深度残差卷积神经网络( ST-CNN: Deep Ｒesidual Convolutional NeuralNetwork for Shearlet Transform) 模型,实现沙漠地震信号的随机噪声压制。在训练阶段,将沙漠地震信号经Shearlet 分解后的系数作为输入,将随机噪声经Shearlet 分解后的系数作为标签,通过卷积神经网络( CNN: Convolutional Neural Network) 学习输入和标签之间的映射关系; 在测试阶段,利用此映射关系即可从沙漠地震信号系数中预测出噪声系数,并间接地获得有效信号系数,最后通过Shearlet 反变换获得有效信号。通过与传统的Shearlet 硬阈值去噪算法对比,发现该算法可把沙漠地震信号的信噪比从－ 4． 48 dB 提高到14． 15 dB,具有更好的去噪效果。     

融合SS、MFCC和PMC技术的语音去噪方法

为提高语音识别系统在噪音情况下的识别率,提出了一种融合信号级去噪、参数级去噪、模型级去噪的方法.首先用谱减法对带噪的语音信号进行去噪,再利用Mel倒谱系数(MFCC)对处理后的语音信号进行特征提取,最后经过并行模型结合处理法(PMC)处理得到较高识别率的语音信号.     

低温SCR脱硝催化剂综述

目前氮氧化物(NOx)的污染越来越严重,低温选择性催化还原法(SCR)脱硝催化技术作为新型的、具有潜力的烟气脱硝技术,备受人们关注。综述了低温SCR脱硝催化剂的的研究现状,着重介绍了锰基催化剂、钒基催化剂以及其他金属氧化物催化剂的研究进展,阐述了不同种类的催化剂制备方法、载体,以及使用不同种类的金属氧化物活性组分对催化剂活性和脱硝效率的影响,探讨了低温SCR催化剂的脱硝机理,同时介绍了烟气中水蒸气和SO2对催化过程的影响。     

TN低压配电系统单相接地故障的保护

介绍TN系统单相接地短路故障的保护;推导出了采用过流保护兼作接地故障保护时最大电缆允许长度的计算公式;新公式易于用电算工具进行批量计算,且计算结果对工程设计更具指导意义;同时对电缆长度过长导致保护电器不能可靠动作的情况进行了应对策略分析。