基于延迟相乘和能量累积的DSSS信号参数估计算法

针对直接序列扩频(direct sequence spread spectrum, DSSS)信号截获和参数盲估计问题,提出了一种采用延迟相乘和能量累积实现DSSS信号参数估计的新方法。该算法采用延迟相乘估计伪随机码（pseudonoise,PN）周期,将延迟相乘序列分成连续的片断,通过累积能量最大值搜索估计信息码周期,实现了PN码序列和信息序列的估计。理论分析和仿真结果表明,在加性高斯白噪声条件下,对扩频增益为G_p dB的DSSS信号,在信噪比高于-G_p/2 dB的条件下,该算法能够实现稳定的参数提取。该算法不需要预先设定门限和参数,适合采用硬件设计实现。     

基于子空间跟踪的扩频码盲估计算法

针对直接序列扩频(DS/SS)信号的扩频码盲估计问题,改进了特征分解的方法,利用滑动窗技术取得码同步,并提出了一种基于信号子空间跟踪的PN(pseudo noise)码恢复算法。计算机仿真表明,由于这种算法避开了直接的特征分解求解,降低了数据的存储量,易于硬件实现,具有良好的收敛特性,性能上优于已有的梯度算法和神经网络算法。     

基于小波变换的PN序列周期估计

针对通信对抗的实际应用,提出一种基于小波变换的PN码序列周期估计的新方法。提出采用最小尺度为8倍chip宽度的不同尺度下的小波变换幅值序列提取PN码序列各周期的边沿跳变信息,并叠加各尺度下小波变换幅值序列的幅度谱,通过检测叠加谱的谱线间隔来实现PN码序列的周期估计。仿真实验表明,该算法不要求较长的数据长度,估计性能优越且稳定可靠,具有很强的鲁棒性和可行性。     

基于正交特性的短码直扩信号伪码序列盲估计

在短码直扩信号伪码序列的估计中,当使用特征值分解(eigenvalue decomposition,EVD)算法、奇异值分解(singular value decomposition,SVD)算法和压缩投影逼近子空间跟踪(projection approximation subspace tracking with deflation,PASTd)算法来估计伪码序列时,存在着当最大特征值和次大特征值相近时最大特征向量会受到干扰,进而影响伪码序列估计的问题。针对此问题,提出了一种基于正交特性的伪码序列估计算法。在已知码片速率和伪码周期的前提下,该算法首先把接收信号划分成长度为两倍码元宽度、数据重叠50%的数据段,然后用SVD估计出最大特征向量和次大特征向量,由于最大特征向量和次大特征向量是相互正交的,可以利用两者的正交特性来估计扩频序列。该算法不但能在信号失步时间未知的情况下估计伪码序列,而且仿真结果表明该算法具有稳定性高,需要的数据量少和能在低信噪比下有较好的估计性能等优点。     

非周期直扩信号PN码盲估计技术

在非协作信息侦测情况下,在扩频周期内,由于非周期性直接序列扩频（direct sequence spread spectrum, DSSS）信号的扩频序列具有不可重复性,再加上扩频信号的非同步性,使得扩频码的盲估计十分困难。在信息序列不相关,且已知扩频码周期、码速率和信息速率等参数的前提下,提出一种针对非周期性DSSS信号PN(pseudo-noise)序列的盲估计方法。该方法按照信息码元宽度进行分段,利用子空间跟踪算法估计各段PN序列,结合滑动窗口方法实现盲同步,并按照一定的顺序排列拼接实现PN序列盲估计。仿真结果表明,该方法运算量小,对存储空间要求低,在低信噪比条件下可快速准确恢复PN码序列。     

基于频偏补偿的TDS-OFDM系统同步方法

针对TDS-OFDM系统中载波频偏对基于PN序列自相关同步算法的影响,提出采用双滑动窗互相关的时间标尺函数来进行符号同步,利用该函数可以得到很好的相关峰值且不受频率偏移的影响。载波频偏由多径信道下各主要能量径的相关峰值估计得到,该估计算法可以得到较为准确的估计值和较大的估计范围。在典型的城市信道条件下对算法进行了仿真,结果表明：在较大的频偏条件下,本文方法得到了准确的符号同步和较好的频偏估计。     

直扩信号伪码周期及序列的估计算法

为了解决直扩信号伪码周期和序列估计的难题,提出了功率谱二次处理结合信号子空间分解的方法。该方法首先利用功率谱二次处理手段估计出直接序列扩频(DS-SS)信号的伪码周期,在此基础上采用信号子空间分解对DS-SS信号伪码序列进行盲估计。为了用信号子空间分解法对伪码序列实施精确估计,在其后加上了r1校正方法。计算机模拟结果表明,该方法在输入信噪比小于-14 dB时还能良好地工作。     

一种多传感器数据时空融合估计算法

当采用分布在不同空间位置上的多传感器观测值对测量噪声干扰下的参数进行融合估计时,数据融合存在时间性与空间性。为了提高测量精度,基于参数估计理论,提出一种多传感器数据时空融合算法。该算法将数据融合分解为两次估计,第一次是基于时间的递推融合估计,第二次是基于空间的自适应加权融合估计。该算法不要求知道测量数据的任何先验概率分布知识,编程简单,计算量小。计算机仿真表明,该算法在减少测量误差方面优于目前已有的基于时间或基于空间的多传感器数据融合算法。     

基于相似度的直扩信号盲解扩方法

针对传统方法对直扩(direct sequence spread spectrum, DS-SS)信号进行盲解扩时,需要在估计出扩频序列后,才能完成信号盲解扩的问题,提出了一种基于相似度的DS SS信号盲解扩方法。该方法首先在扩频码的码片速率和周期已知的条件下,以单倍扩频码周期的窗长对接收信号进行数据分段,然后对任意两段数据求相似度函数值,构造相似度函数值的特征信息矩阵,最后通过对构造的特征信息矩阵进行特征值分解就可以实现对信息序列及扩频码序列的盲估计。理论推导和仿真实验结果表明,该方法具有精度高、稳定性好,在信噪比容限值为-22 dB的条件下也能够有效的盲估计DS-SS信号的信息序列及扩频码序列。     

色噪声背景下基于特征空间的信源估计新方法

准确估计信源数目是很多高分辨算法得以实现的前提条件。传统的信源估计方法大多是在白噪声背景下,以数据协方差矩阵的特征值序列作为研究对象,按照某种标准设定门限来进行判决估计信源数目。而在实际情况中白噪声很难满足,从降一维特征空间的投影矩阵角度出发,获得数据协方差矩阵的局部数据的投影差值序列,从而有效避开了噪声主要能量的影响,对空间色噪声也有一定的抑制效果。仿真结果表明在色噪声背景下,利用该方法可以在多信源情况下准确估计信源数目。     

The 12th International Conference on Service Systems and Service Management ICSSSM'15

正~~     

THE 8~(th) INTERNATIONAL CONGRESS ON INDUSTRIAL AND APPLIED MATHEMATICS

正August 10-14,2015Beijing,ChinaThe International Congress on Industrial and Applied Mathematics(ICIAM)is the premier international congress in the field of applied mathematics held every four years under the auspices of the International Council for Industrial and Applied Mathematics.From August 10 to 14,2015,mathematicians,scientists     

2014 List of Referees

正~~     

《Journal of Systems Science and Systems Engineering》Contents of Volume 23,2014

正~~     

TSINGHUA UNIVERSITY,Beijing, China

正AF:Any Field The School of Economics and Management at Tsinghua University(Tsinghua SEM)invites applications for faculty positions at all levels(Assistant Professor,Associate Professor and Full Professor)in any fields of business administration and management.Tsinghua SEM is the only school     

Enterprise resource planning implementation decision & optimization models

To study the uncertain optimization problems on implementation schedule, time-cost trade-off and quality in enterprise resource planning (ERP) implementation, combined with program evaluation and review technique (PERT), some optimization models are proposed, which include the implementation schedule model, the timecost trade-off model, the quality model, and the implementation time-cost-quality synthetic optimization model. A PERT-embedded genetic algorithm (GA) based on stochastic simulation technique is introduced to the optimization models solution. Finally, an example is presented to show that the models and algorithm are reasonable and effective, which can offer a reliable quantitative decision method for ERP implementation.