基于证据推理的故障预报模型

为处理存在定量与定性不确定性信息的非线性复杂系统故障预报问题,建立了基于证据推理(evidential reasoning,ER)的故障预报模型,提出了ER预测模型的参数优化方法.该模型利用ER算法可以处理精确数据、不完整数据、模糊数据的能力,及其非线性融合的特性,对模型的输入信号,通过信息变换技术转化到信度结构框架下,应用解析ER算法对输入信息融合,根据输出数据的类型,构造相应的预测输出,给出了故障识别方法.针对ER预测模型参数难以精确的主观确定的困难,建立了非线性优化模型,对模型参数进行优化学习,获取最优模型参数.通过实验对ER预测模型的性能进行了分析,结果表明,建立的预测模型和参数优化模型可以有效的处理故障预报问题.     

语音信号非线性特征的数值表示

分析了语音信号的非线性特征，用傅里叶谱、吸引子、分维数、李亚普诺夫指数等非线性动力学行为的数值特征表征了语音信号的非线性特征。采用时延语音序列重构语音吸引子，用计盒分维数计算语音波形的分维数。实验结果显示语音波形具有分形特征，语音中存在混沌。     

一种基于业务优先级的跨层资源分配算法

提出了一种多用户MIMOOFDM系统中满足多种业务用户QoS需求的跨层自适应资源分配算法.利用各种业务的优先级在发送功率一定的条件下以吞吐量最大化为目标首先分配子载波,再分配子载波的出特和功率,最后分配空间子信道的比特和功率.仿真结果表明提出的算法能够根据信道条件在满足各种业务用户QoS需求的情况下动态的分配资源,而且能够有效的提高系统的吞吐量.     

适用于认知无线网络的宽带公共协同信道

为了解决认知无线网络资源管理中感知信息传输时延大、效率低以及易受干扰等问题,构建了一种具有较低功率谱密度和较强抗干扰能力的宽带公共协同信道（common coordinate channel, CCC）,实现了感知信息的即时、可靠交互。借助干扰温度的概念,以城市环境为例,重点分析了宽带CCC信道对主用户的干扰,得到了不同干扰门限、不同供给负荷以及信道带宽下,次用户与主用户之间的干扰概率。理论分析和仿真结果表明,对常见的窄带系统,利用该方案可以将CCC信道对主用户的干扰控制在较低的范围内。     

MIMO OFDM系统中统计信道信息的速率最大化

提出了一种利用多输入多输出正交频分复用(MIMO OFDM)系统的统计信道信息进行自适应资源分配的算法,并进行了仿真.该算法采用Alamouti空时编码、自适应波束成形以及自适应比特和功率分配等技术,其在恒定发射功率的条件下使得目标函数传输速率达到最大并保证系统的误码性能.与利用完整信道信息的算法相比,该算法考虑了信道时延、估计误差等因素,并减小了传输信道信息占用的开销.仿真结果显示,该方法能够大大提高系统的传输速率.