多模杂波抑制的参差时变多凹口滤波器设计

提出了一种改进的抑制多模杂波的参差时变多凹口滤波器设计方法。当存在两种以上杂波时,该滤波器可在杂波谱中心形成多个随杂波散射元均方根速度展宽的凹口,即滤去多模杂波;同时采用参差脉冲将盲速推到3倍音速以外,并且通过最优参差码的选择使第一零点最浅以防止陷入凹口的目标丢失。最后通过对算法(包括最优参差比的选择和时变滤波器的权系数算法)的简化,使运算量至少减少为原来的一半。仿真结果和性能分析验证了该算法的可行性和有效性。     

大扩展比参差MTI滤波器设计

在雷达信号处理中 ,参差滤波是延展速度盲区、剔除零频噪声的一种重要信号处理手段 ,在目前的许多重要型号的型号雷达中都有应用。通常限制最大参差比在 1 5与 2 0 ,码核在N到 3N之间。如果超出这个范围则称对应的参差MTI滤波器为大扩展比参差滤波器。目前参差滤波器设计中经常使用的极零点法、改善因子最大法以及频域干涉法的原理不能很好地用于大扩展比情况。以某重点型号雷达的系统设计参数为背景 ,在Matlab仿真开发环境下对其性能进行了比较。在此基础上提出了大扩展比情况下设计参差滤波器的可行方法———护展杂波区法。仿真结果显示该方法灵活、有效。     

基于自然数编码遗传算法的并行测试技术

针对并行测试任务调度复杂、难以优化的问题,提出了一种基于自然数遗传算法的任务调度优化算法。该算法将并行测试任务调度转化为对串行测试任务序列的搜索,为了提高搜索效率,引进自然数编码遗传算法搜索最优解或近似最优解,将串行测试序列作为染色体,进行选择、交叉、变异等操作。通过仿真证明该算法能够迅速得到并行测试任务调度的最优解或近似最优解。对自然数编码遗传算法的各个算子对模式的作用进行了理论分析,并得到了对应的模式定理,从理论上说明了该方法的合理性。     

群延时均衡器的遗传算法优化设计

在已有文献报道中多采用Powell法设计均衡网络,但Powell法是确定性优化方法,结果的好坏与初始点的选择关系密切,并易陷入局部极值点。由于遗传算法是一种全局随机搜索方法,即使定义的适应性函数不可导或不连续,它也可能以很大的概率求得全局最优解,因而在工程领域中将有十分广泛的实际应用前景。将一种新的实数码遗传算法应用到群延时均衡器的设计中,并给出了巴特沃斯滤波器群延时均衡器的设计实例,结果表明提出的方法十分有效。     

模仿二倍体繁殖的改进遗传算法

针对标准遗传算法和二倍体遗传算法容易陷入早期收敛、末期局部搜索能力差等不足之处,给出了一种忽略等位基因显隐性的二倍体遗传算法的改进方法;模仿二倍体生物繁殖的过程,引入同源染色体交叉、配子重组操作,改进了传统遗传算法的遗传操作过程;在选择过程中采用了结合最优保留的受限选择策略及精英种群方案。仿真结果表明,该改进算法不但能使种群基因保持多样性,有效抑制了算法的早熟收敛,还降低了算法复杂度、提高了搜索精度,使算法能以较快的速度与较高的精度达到全局最优。     

基于遗传算法和支持向量机的肺结节检测

针对圆点滤波器不能区分粘连血管型结节、血管端点和血管交叉结构,造成假阳率高的问题,提出基于改进遗传算法封装模型的特征选择算法,并把最优特征组合输入到支持向量机分类器,该分离器能做到检测肺结节时漏检率低同时降低假阳率。选出七个特征(其中包含两种新提出的特征)作为最优特征组合。用含有肺结节的CT影像数据库(50个结节和961个假阳)测试分类器的性能,得到敏感性100%和特异性95.5%的效果。实验结果表明,该框架和算法能应用到临床中来提高影像科医生的阅片效率。改进的遗传算法比传统的遗传算法能搜索到更优的特征组合。     

一种小种群自适应遗传算法研究

分析了变异算子在标准遗传算法和自适应遗传算法中的作用和当前研究的不足,提出一种新颖的能够大大提高遗传算法性能的变异策略,并进而提出一种小种群自适应遗传算法.该方法在采用赌轮选择和单点交叉的情况下,利用一种可伸缩的变异策略使得算法在探测和开发之间取得很好的平衡,从而能够用小规模的种群进行有效的全局搜索和局部搜索,避免早熟收敛,并能够以较快的速度收敛到全局最优解.对多峰函数的仿真实验表明了算法的有效性.     

基于最优特征矢量子空间的雷达目标识别

针对雷达特征子空间距离像识别中存在的如何选择特征基的困难,提出了一种基于最优特征矢量子空间的雷达距离像识别方法。该方法首先对原数据样本进行特征提取变换,再采用遗传算法选取最优特征矢量,由此组成最优子空间。通过对三种不同类型飞机实测回波数据进行识别,并与经典特征子空间法的对比实验,表明该方法的有效性。     

一种混合嵌套分区算法及其在车间调度中的应用

设计了一种嵌套分区算法框架下的局部搜索算法,即基于最优计算量分配技术的序遗传算法,该算法采用序优化思想保证在有限计算量条件下得到局部最优解,并用遗传算法的进化搜索能力和学习能力对解空间进行搜索.将设计的局部搜索算法与嵌套分区算法相结合提出一种新的混合优化算法,用该混合优化算法求解几个标准的随机车间调度问题,数字仿真的结果表明该混合算法的优化性能好于遗传算法及基于最优计算量分配技术的序优化方法.     

基于GA的GMDH选择性集成及在煤炭价格系统模型中的应用

首先给出了一种通过对样本数据进行惩罚性划分,产生彼此之间具有差异性的GMDH 学习器集合,然后利用遗传算法从已产生的GMDH个体集合中选择最优的个体进行选择性集成的算法,并将该方法应用于煤炭价格系统的实践研究. 结果表明这种采用遗传算法选择性集成惩罚性GMDH个体的算法,与单个GMDH算法和采用遗传算法选择性集成随机性GMDH个体的算法相比,明显提高了模型的泛化能力和稳定性. 该方法很好地给出了煤炭价格系统的模型,能够准确预测煤炭价格的变动趋势.     

改进的分层修正最小和LDPC译码算法及译码器设计

提出了一种改进的分层修正最小和的LDPC译码算法,该算法充分考虑到了译码器硬件结构的特性,使用了部分信息节点提前中止迭代的方法,降低了译码器处理数据的位宽。同时,在这种算法的基础上,设计出了结构简单的译码器,该译码器在资源使用非常少的情况下可以获得较高的译码吞吐量,同时保持译码器译码性能和相应的浮点算法很接近。另外通过合理地设计LDPC码校验矩阵(H矩阵)和译码器数据处理单元,使得译码器可以支持多种码长码率LDPC码译码。这样结构特点的译码器,在低功耗以及需要多种码长码率的编码进行数据传输的领域有着非常高的应用价值。     

基于严格二叉树编码和GA的模糊树结构学习

为解决模糊树模型结构学习中存在的信息冗余、寻优效率低等问题,提出了一种基于严格二叉树编码和遗传算法的结构学习方法。通过严格二叉树编码对模型结构进行编码,改善了现有矩阵编码的信息冗余问题;考虑到编码特殊性和算法收敛性,提出了一种改进的遗传算法用来对模糊树模型的结构进行寻优。实验结果表明,不同数据集上该算法的稳定性和计算速度均较好,能够寻找到一个较优的二叉树结构,从而提高模糊树模型的建模精度。     

Study of adaptive modulation and LDPC coding in multicarrier systems

An adaptive modulation （AM） algorithm is proposed and the application of the adapting algorithm together with low-density parity-check （LDPC） codes in multicarrier systems is investigated. The AM algorithm is based on minimizing the average bit error rate （BER） of systems, the combination of AM algorithm and LDPC codes with different code rates （half and three-fourths） are studied. The proposed AM algorithm with that of Fischer et al is compared. Simulation results show that the performance of the proposed AM algorithm is better than that of the Fischer＇s algorithm. The results also show that application of the proposed AM algorithm together with LDPC codes can greatly improve the performance of multicarrier systems. Results also show that the performance of the proposed algorithm is degraded with an increase in code rate when code length is the same.     

基于信息矩阵估计的极化码参数盲识别算法

针对目前极化码码长识别存在抗噪声性能差的问题,提出了基于信息矩阵估计的极化码参数盲识别算法.本文算法利用极化码生成矩阵的逆矩阵,与码字比特流构造的码字矩阵相乘得到估计的信息矩阵,在无误码情况下根据分析矩阵所含的信息得到码率,并利用其分布情况来识别码长、信息比特位数和位置分布.在有误码的情况下,引入了零均值比计量,根据峰...     

基于频谱累积量的线性分组码检测识别方法

针对非合作信号处理中的线性分组码盲识别问题,提出了一种基于有限域傅里叶变换（Galois field Fourier transform, GFFT）的检测识别方法。该方法对接收码序列按不同长度进行分段,对分段码字进行有限域上的傅里叶变换并计算其频谱的累积量。通过频谱累积量的不同分布情况,可以估计出正确的分组码长度。同时从频谱累积量中找出码字生成多项式的根,进而得到码字的生成多项式。仿真实验验证了算法的有效性,并对算法的误码适应能力和计算复杂度进行了仿真分析,最后给出了在不同误码环境下最优的频谱累积次数。     

改进的SVD算法对BOC信号组合码与信息序列盲估计

针对低信噪比下二进制偏移载波信号的组合码序列以及信息序列盲估计问题,在未知时延下,利用奇异值分解(singular value decomposition,SVD)算法估计出的组合码序列及信息序列,其最大奇异向量和次大奇异向量之间可能存在酉模糊现象。对于该问题的研究,提出一种改进的SVD方法对最大奇异向量及次大奇异向量进行线性组合,接着最优化筛选出其相应的系数矩阵,最后结合系数矩阵估计出组合码序列与信息序列。仿真结果表明,改进的SVD算法可同时应用于组合码和信息序列的估计且不受未知时延的影响,具有消模糊效果好、需要数据量少和抗噪性能强的特点。     

基于神经网络的低信噪比CBOC信号组合码序列盲估计

针对低信噪比下复合二进制偏移载波(composite binary offset carrier, CBOC)信号的组合码序列盲估计问题。首先采用奇异值分解(singular value decomposition, SVD)的算法对CBOC的组合码序列进行可行性验证,可得在已知相关参数的情况下对CBOC信号组合码序列盲估计是可行的;其次就SVD在长序列估计中计算量和存储量需求大的问题,进一步提出主分量神经网络解决上述问题,同时引入最优变步长收敛模型改善神经网络(neural network, NN)收敛速度。利用无监督NN的自适应主分量提取信号特性,避免批处理运算,实现CBOC信号组合码序列盲估计。实验表明,NN能在-20 dB下达到精确估计序列的目的,且算法有稳定性高、复杂度低、收敛速度快等优点。     

一种目标兴趣区的快速识别算法

本文给出了一种基于角特征的目标兴趣区的识别算法。通过对二值图象边缘点的向前和向后K步跟踪,可以得到该点两个方向的方向链码,而一个角则由该两个方向链码确定。然后根据已知目标上角分布的先验信息,将目标的主体提取出来。本文给出的算法可并行实现。计算机模拟结果表明,该算法是有效的。     

最大值约束的广义延拓逼近GNSS码鉴相算法

针对GNSS码跟踪环高精度鉴相需求,提出了一种最大值约束的广义延拓逼近码鉴相算法,利用5个相关臂的相关结果建立广义延拓逼近模型,拟合得到相关值分布函数,进而得到码相位差。同时利用相关结果最大的相关节点对拟合的相关值分布函数进行约束,进一步提高了码相位差的估计精度和适应性。将新算法与常用的归一化超前减滞后包络鉴相算法从鉴相线性范围、牵引范围和鉴相误差三方面进行了对比。蒙特卡罗仿真和在GPS软件接收机上对实际GPS信号采样数据进行测试的结果表明,结合最大值约束的广义延拓逼近鉴相误差性能大大优于传统的归一化超前减滞后包络鉴相,可以有效地提升码鉴相器的鉴相精度。     

基于扩频反馈滤波算法的多目标测控技术

针对航天测控技术发展中对多目标测控技术的需求,提出了采用特殊信息编码算法解决多目标测控中的问题。该算法采用与常用的扩频码分多址体制不同的编码方法和解算方法,可依靠现有的测控设备,应用扩频自适应反馈滤波算法,有效完成对多目标的测控任务,并可成功解决多用户冲突问题。给出了新型扩频自适应反馈滤波算法的编解码原理,通过分析计算验证了该算法的有效性。