基于最佳联合稀疏表示的分布式压缩感知算法

通过探索无线传感器网络节点感知数据的时空相关性,可以构建适用于不同应用情形的联合稀疏模型。利用联合稀疏模型,提出了一种适用于无线传感器网络的分布式压缩感知算法。该算法采用联合编码联合解码的方式,充分利用了信号内部和信号之间的相关性,从而可以用更少的观测值实现信号群的精确重构。与单独编码单独解码相比,采用联合编码联合解码的方法,在保证信息可靠传输的前提下,减少了整个网络的数据流量,节约了宝贵的能量资源,以能量有效的方式满足了传感器网络的应用。     

沥青路面裂缝防治措施研究

裂缝是沥青路面最常见的早期损坏现象之一,它们对道路的使用年限和服务性能都带来较大影响.早在第十八届世界道路会议上,许多专家已经指出沥青路面的裂缝主要是半刚性基层开裂后引起的反射裂缝.20世纪80年代末,我国同济大学道路与交通工程研究所对半刚性基层的温缩和干缩机理的理论进行了研究,美国科氏公司研发的以应力吸收层为核心的STRATA系统.20世纪90年代末,长安大学就"优质级配碎石基层防止和减少沥青路面反射裂缝"开展了系统的研究.综合相关的研究成果,当前常用的防裂措施主要有以下四类.     

你会防止静电污染吗

静电污染在日常生活中无处不在。天气干燥时，地毯、化学纤维质地的内衣、坐垫和墙纸等都会产生静电；家用电器使用时也会产生静电效应或外壳带上静电。静电会令人感到身体不适，出现烦躁不安、头痛失眠等症状．严重的会引起虚疹、心律失常。那么怎么消除静电，防止静电污染呢？     

基于低分辨率图像约束的BTV图像去模糊算法

多帧图像超分辨率重建算法为了简化算法复杂度,将整个图像重建过程分为数据融合与图像去模糊两步.然而,数据融合过程会丢失一些弱小细节信号,直接使用常规图像去模糊方法是无法将其复原的.为此,提出将低分辨率图像约束（LRIC）引入基于双边全变分（BTV）的图像去模糊优化,并利用梯度下降法求解,获得了BTV-LRIC算法.实验表明,对于不同图像内容或数据融合算法生成的数据融合图像,BTV-LRIC法获得的复原图像在视觉效果和客观评价上均优于TV法和BTV法.      

一种基于MCMA的双模切换变步长的盲均衡算法

在修正常模算法（MCMA）代价函数的基础上，根据OAM信号分布的特点，得到一种误差控制函数在CMA和DD算法间切换的、变步长的盲均衡算法。它充分利用了CMA与DD算法各自的优点，改善了常算法收敛速度慢和收敛后剩余码间干扰大的不足，能够补偿由信道引起的相位误差，同时还具有重新启动的能力。计算机仿真表明：该算法收敛速度较快，收敛后剩余码间干扰很小，输出星座图紧簇，没有相位旋转，而且在信道突变的情况下能快速达到二次均衡。     

基于查找表的功放线性预失真方法研究

在无线通信系统中,高功率放大器因其具有非线性特性,会导致频谱再生和邻道干扰等问题.为克服这一特征,采用一种基于查找表的自适应预失真方法.首先对查找表进行初始化,再采用自适应算法实时更新查找表内容,从而有效消除功放的非线性失真.仿真实验表明,该自适应预失方法可降低互调失真(IMD),能有效提高功放线性度,从而提高系统性能.     

微尾鼩秋季和冬季肥满度比较

对野外捕获的463号微尾鼩标本进行秋季和冬季肥满度比较．结果表明：微尾鼩肥满度秋季明显高于冬季，其中雌性微尾鼩秋、冬两季肥满度差异极显著，雄性差异不显著；雌、雄微尾鼩肥满度除成体Ⅱ组（Ⅲ）秋季差异显著外，其余各组秋、冬季差异不显著；不同年龄组的雌性微尾鼩秋季肥满度变化不稳定，冬季肥满度随年龄组增加而降低，雄性微尾鼩秋、冬两季肥满度随年龄组增加而降低，导致以上原因可能与食物丰富度和繁殖有关．     

基于最大峰度准则和遗传算法的盲辨识与盲均衡

根据最大峰度准则设计了一种针对线性系统的盲辩识与盲均衡算法。该算法在对系统参数进行估计的同时，用求逆滤波器的方法估计均衡器系数，并利用最大峰度准则不断调整系统参数的估计值，使其逼近实际值。由于采用了高阶累积量，算法对高斯噪声有较好的抑制能力。针对传统梯度搜索方法容易陷入局部收敛问题，又提出利用实数编码的遗传算法对准则函数进行最优化搜索。仿真实验表明，本算法具有快速收敛性能和高精确度等优点，能够大大提高均衡后的输出信噪比。     

OFDM系统中基于匹配追踪的稀疏信道估计算法研究

针对OFDM系统,利用信道冲激响应的稀疏特性,提出了一种新的OFDM稀疏信道估计算法。它分两步完成：首先利用匹配追踪思想确定出非零抽头系数的位置,然后再采用最小二乘算法完成对非零系数值的二次估计,从而通过减少信道估计参数的个数降低算法复杂度。该算法具有较好的归一化均方误差性能,但在剩余向量更新上还不是很精确,通过改进剩余向量的更新方式,得到了另一种性能更优的OFDMMMP算法。仿真结果验证了该算法的有效性。     

线性回归的分布式压缩采样算法

为减少无线传感器网络数据传输量,进而延长网络的生命周期,研究了一种联合线性回归和压缩感知的分布式采样方法。依据节点数据的相关性对网络进行分簇,将感知数据显著线性相关的传感器节点划分到同一簇中。以此为基础,提出了一种基于线性回归的分布式压缩采样算法,该算法联合运用线性回归和压缩感知理论重构节点数据,实现了低速率采样条件下节点数据的高精度重构。对实测温度数据进行仿真实验,结果表明,与等间隔采样相比,该算法减少了71%的采样值个数。