基于ICA的自适应图像融合技术

将图像融合分成两个过程,即训练过程和融合过程。在训练过程中,将二维图像信息转换为一维信息,然后进行独立分量分析（Independent Component Correlation Algorithm,ICA）的分解,从而得到分离矩阵和融合矩阵。融合过程中采用自适应算法对训练过程中分离系数进行处理,得到新的融合系数。利用新的融合系数通过融合矩阵来恢复图像。     

基于频谱感知技术的家庭基站干扰避让方案

家庭基站的干扰问题逐渐成为家庭基站发展应用的瓶颈之一。分析了家庭基站的干扰环境和条件,提出了两种新型的干扰避让方案。两种方案都利用频谱感知技术作为干扰避让的核心,但由于家庭基站干扰的复杂性,在家庭基站独立工作或与宏蜂窝进行频谱资源分配信息交互的条件下,两种方案分别采用了不同的机制。仿真显示,家庭基站独立工作条件下所提方案虽然降低了部分宏蜂窝用户的服务水平,但提供了更高的家庭基站容量;而利用与宏蜂窝的信息交互可更有效地避免干扰。综合来看,所提的两种方案较功率控制具有明显的优势。     

基于A适应遗传算法的无线传感网络节点布局优化

无线传感器网络的传感节点布局优化,直接关系到无线传感器网络覆盖率的提高。文中提出自适应遗传算法求解无线传感器网络覆盖率优化问题。自适应遗传算法的编码方式是传感器节点二维坐标的二进制表达式,交叉方式为字符串整体交叉,变异方式为位变异,交叉概率和变异概率根据个体适应度自动重构。仿真实验结果表明,自适应遗传算法有效解决了无线传感器网络节点布局优化问题。与传统遗传算法相比,本算法进化收敛速度快,网络覆盖率显著提高。     

迭代接收下高效链路自适应传输方法

针对3GPP LTE下行传输链路,研究迭代接收情况下的高效链路自适应(LA,Link Adaptation)方法.首先,给出迭代接收后验信干比及等效信噪比的计算方法;然后,利用传统LA方法确定秩指示和信道质量指示的取值范围;接着,提出高效LA方法,该方法仅在秩指示和信道质量指示的范围内确定反馈参数,减少了后验信干比及等效信噪比的计算次数,从而降低了在线吞吐量预测的计算量;最后,仿真结果表明,所提LA方法的吞吐量优于传统LA方法,满足链路服务质量并且获得了3.5 dB吞吐量增益.     

导弹编队飞行控制方法研究

为实现多导弹协同作战时的编队飞行,基于滑模变结构、自适应及非线性动态逆控制理论研究了导弹编队飞行控制方法. 在领弹的速度、加速度以及从弹的速度未知的前提下,将领弹与从弹的相对速度以及领弹的加速度视为可估计的有界不确定量,基于滑模变结构控制理论提出一种仅需弹间相对位置和相对速度信息的鲁棒编队控制律. 采用边界层法消除了系统的抖颤现象,并根据编队稳态误差的要求分析了边界层厚度的设置方法. 运用奇异摄动理论将导弹非线性动力学系统划分为3个快慢变化不同的子系统,考虑系统所受的外部干扰并将其视作有界不确定量引入慢变子系统中,基于自适应变结构控制和非线性动态逆控制理论,设计了具有鲁棒性的导弹编队自动驾驶仪. 仿真结果表明,导弹编队自动驾驶仪能够准确跟踪编队控制指令,实现多导弹的编队飞行.      

基于数据预处理的改进GS正交化波束形成

针对常规Gram-Schmidt（GS）正交化算法在训练快拍中混有期望信号时,自适应波束会出现期望信号相消的问题,提出了基于数据预处理的改进GS正交化波束形成算法. 该算法构造阻塞矩阵进行数据预处理剔除期望信号,估计对应的协方差矩阵,并对其进行GS正交化重构干扰子空间,将静态加权矢量向干扰子空间作正交投影得到自适应权矢量. 同时,为准确估计干扰子空间,对协方差矩阵的正交化自适应门限进行了修正. 仿真结果表明,所提算法的输出信干噪比（SINR）比其它GS正交化算法有2 dB以上的性能改善.      

适用于TEDS系统的AMC与HARQ结合算法

研究陆地集群无线电增强数据业务（TEDS）中的自适应调制编码（AMC）与HARQ结合算法. 该算法采用基于SNR的切换门限判别法进行调制编码方式的选择,采用大数逻辑译码算法进行重传数据帧的合并. 仿真结果验证了所提出的算法可有效地提高TEDS系统数据传输的可靠性,当最大重传次数为2时,所提出的算法能够使系统的误帧率由36.49%下降到6.93%.      

一种基于免疫变异算子的改进型量子遗传算法

基于量子遗传算法进化方向随机性大、易早熟等缺点提出了一种改进的量子遗传算法.该方法采用了自适应染色体长度和旋转角度,提高了优化效率;引入了免疫算子,淘汰繁殖率低的个体,并通过操作染色体编码实现量子变异,以增强种群中基因多样性,避免算法陷入局部最优.对若干基准测试函数进行实验,结果表明相对于标准量子遗传算法,该算法在收敛速度、精度、稳定性以及克服早熟能力方面都有了显著的提高.     

去除AMR语音编码器前瞻时延的研究

为降低自适应多速率（AMR）语音编码器的时延,提出了一种去除其前瞻时延的方法. 此方法采用协方差算法计算线性预测系数,然后用线性预测系数外推得到新样点. 用新推得的样点取代原来的前瞻样点,从而去除了编码器的前瞻时延. 进一步对重建语音质量分别进行了客观评价和主观评价,并且计算了算法复杂度. 实验结果表明该方法在去除前瞻时延的同时,重建语音质量接近原始AMR的重建语音质量.      

求解经济负荷分配的自适应混沌粒子群算法

针对电力系统经济负荷分配(economic load dispatch,ELD)这一典型的非凸、非线性的多约束优化问题,提出一种自适应混沌粒子群算法(self adaptive chaotic particle swarm optimization,SACPSO).在混沌粒子群算法(CPSO)的基础上,先利用引入变异算子和社会因子的粒子群算法进行全局搜索,再对搜索得到的先验解进行基于Tent映射的混沌细搜索(CLS),并将逆映射回的决策变量和全局最优粒子的线性组合作为CLS的搜索结果输出.通过6机组、15机组电力系统的仿真,验证了该算法的有效性.