基于 RIE 的自适应窄带干扰抑制算法

针对直接序列扩频(direct sequence spread spectrum,DSSS)通信系统中窄带干扰(narrow-band interference,NBI)抑制问题,将窄带干扰存在性识别技术(recognition of interference existence,RIE)和变换域窄带干扰抑制算法相结合,提出了一种自适应窄带干扰抑制算法.该算法能根据接收到的信号,利用基于能限因子的RIE算法判断接收信号中是否含有窄带干扰信号,从而决定是否需要对其进行干扰抑制处理.理论分析表明,当接收信号中不合窄带干扰或干扰信号较小时,既可减少由于窄带干扰抑制算法对有用信号造成的损伤,提高误码率性能,又能降低系统处理的复杂度.仿真结果表明,自适应窄带干扰抑制方案抑制干扰误码率性能明显优于非自适应窄带干扰抑制方案.     

直接序列扩频通信中抑制窄带干扰的非线性滤波方法

分析了干扰形式为单音和自回归过程时信噪比改善的闭合表达式。仿真结果表明，对于单音干扰，在接近载波频率处非线性滤波器比线性滤波器有10dB的信噪比改善；对于自回归形式的干扰，信噪比改善会随着输入信噪比的变化而改变，但在输入信噪比很大时，非线性滤波器比线性滤波器有近5dB的改善。     

窄带干扰抑制的子带自适应滤波法

从线性变换域的角度研究抑制窄带干扰的方法,线性变换域采用离散傅里叶变换建立,并导出了信干比提高因子的表达式,通过计算机仿真模拟表明,此方法可行,而且收敛速度大于Widrow-LMS方法;此外,在抑制多音干扰方面也优于Widrow-LMS方法。     

基于FRESH滤波器的DSSS系统窄带干扰抑制技术

为了减小基于时域线性预测干扰估计的DSSS系统窄带干扰抑制技术对有用信号产生的损伤,根据干扰环境下接收信号的循环平稳特性,提出了一种利用频移滤波器对干扰进行估计并将干扰抵消的DSSS系统窄带干扰抑制方法.该方法在对干扰进行估计时,既利用了干扰的时域相关性,又利用了干扰的频域相关性.理论分析和仿真结果表明,在强干扰环境下,接收信号的循环平稳性主要由强干扰决定.与传统时域线性预测方法相比,该方法对干扰估计的时平均均方误差更小,能够更精确地估计和消除频谱相关的干扰,减轻对有用信号的损伤,进一步降低系统的误比特率,因而具有更加优良的干扰抑制性能,特别在干扰较强或干扰频带较宽时,优势更加明显.     

基于支持向量机的非线性系统辨识方法

支持向量机是一种基于结构风险最小化原理的新一代机器学习方法,在分类和回归估计方面已显示出了很好的应用前景.本文在简要介绍支持向量回归新方法的基础上,给出用于非线性系统进行辨识的支持向量机模型和多输入支持向量机的核函数构造方法,并将支持向量机与神经网络的非线性系统辨识效果进行了比较分析.实验结果表明,支持向量机具有比神经网络更强的非线性系统辨识能力和更好的泛化能力.     

直扩通信抑制窄带干扰非线性内插滤波器的性能分析

研究了非线性内插滤波器在直扩通信中抑制窄带干扰能力,导出非线性内插滤波器的性能改善因子的闭合表达式,并与相应的非线性预测滤波器进行比较,得出非线性内插滤波器的干扰抑制能力优于非线性预测滤波器     

关于改进的支持向量机的研究

支持向量机是一种基于统计学习理论和对偶理论的分类和函数估计方法,其推广能力强和全局最优的特点引起了学者的广泛关注。本论文对目前所提出的各类改进的支持向量机进行了初步的研究和分析。     

基于谱减平滑算法的语音窄带干扰抑制技术

针对传统谱相减法所带来的噪声谱估计不能及时更新和＂音乐噪声＂比较明显等问题,引入了话音激活检测,设计了新的检测方法.在传统的谱减运算基础上增加了平滑运算,提出了一种新的基于改进的谱相减法--谱减平滑算法的语音窄带干扰抑制技术,并对传统算法和新算法进行仿真比较.结果表明,新算法较好地解决了传统算法存在的问题,比传统算法有更优的频谱特性、更高的输出信噪比和更好的听觉性能.     

基于RSBRA离散化方法的支持向量机集成

提出一种新的基于离散化方法的支持向量机集成算法,该算法采用粗糙集和布尔推理离散化方法构造有差异的基分类器,进一步提高了集成学习机的分类性能.实验结果表明,所提算法具有明显优于单一支持向量机的分类性能,并能取得比传统的集成学习算法Bagging和Adaboost更高的分类正确率.     

基于支持向量机的车牌字符识别

作者将支持向量机SVM方法用于车牌字符的识别.算法首先采用Gabor变换和外围轮廓结构特征提取的方法提取车牌字符图像的特征参数,然后采用提取的特征训练SVM分类器,再应用SVM分类器分类和判别车牌字符.实验表明这种方法具有良好的车牌识别效果,较强的鲁棒性,较大的应用价值.     

基于支持向量机的图像检索主动学习方法

为解决基于内容的图像检索中训练集样本过小问题,本文提出一种结合相关反馈和支持向量机的主动学习算法,首先计算未标注样本到分类超平面的距离以及与当前训练集中样本的余弦距离和,然后取具有总的最大余弦距离同时到超平面距离最短的样本加入训练集,通过增加最具信息的样本到训练集,使得分类器可通过少量反馈次数而快速达到较高的准确性.试验表明,本文算法能有效提高分类器的分类精度和泛化能力,在减少评价样本数量的前提下,可快速收敛于用户定义的目标查询概念.     

利用支持向量机方法预测储层产能

支持向量机方法(SVM)是基于结构风险最小化原理,采用核函数处理技术,较好的适应小样本、非线性和局部极小点等实际问题,克服了常规统计方法的局限性,避免了维数灾难。能够在有限的样本集基础上,兼顾模型的通用性和推广性,有效解决了学习性和延拓性的问题,预测精度更高。实际生产中影响储层产能因素众多,各因素间相互影响,在综合考虑地层因素的基础上,提取了测井产能预测参数,利用支持向量机方法对产能进行了预测,预测结果与实际一致,并将处理结果与多元回归及BP神经网络处理结果进行了对比分析。实践表明支持向量机方法优于后两种方法,是一种值得推广使用的方法。     

一种支持向量回归中超参数自适应方法

在贝叶斯框架下支持向量回归SVR可视为最大化后验MAP回归函数估计的扩展.贝叶斯方法可用来实现模型中超参数的自适应,同时保持SVR稀疏性和凸二次规划的优点.在对SVR的MAP解做Laplace近似获得关于超参数的SVR模型中证据的平滑表达式,使用基于梯度的优化法可导出使证据最大化的最优超参数.通过引入ARD参数到高斯协方差函数中,可进行输入属性的相关性分析和特征选择.给出了在人工和实际回归问题上的应用及其他方法的对比分析.     

基于支持向量机的蒸汽吞吐井调剖参数优化

由于调剖措施效果受多种因素的影响,它们之间是一种极其复杂的非线性关系,常规方法很难在调剖措施和影响因素之间建立一种确定的关系。在对蒸汽吞吐井调剖影响因素分析的基础上,利用支持向量机的方法,以周期增油量为评价指标,建立了调剖效果和各个影响因素之间的关系模型,开发了调剖注入参数优化软件,对蒸汽吞吐井最佳的调剖剂注入量和周期增油量进行了预测。结果表明,建立的预测模型样本学习的误差在5%以下,模型具有较好的预测效果和实用价值。     

一种面向MIS的软件开发方法（MISM）及其支持环境

本文根据MIS系统的特点,结合速成原型法,给出一中面向MIS系统的软件开发方法(MISM),在MISM中,DFD用作开发者和用户之间通讯的工具,而实现级的DFD用来刻划模块之间的联系,因而是系统维护的工具。在DFD中,引入事务的概念,用它来分解DFD,简化问题。最后介绍了关于MISM的支持环境。     

随钻测量信道干扰滤除的一种新方法

介绍了模拟自适应陷波器(ANF)的原理、传送随钻测量(MWD)信号的泥浆信道的干扰特性及ANF取得参考信号的方法,并详细分析了在各种情况下用ANF滤除信道干扰所能得到的信噪比,用实验室模拟试验证实了这些理论分析的结果.     

数控切割机与计算机数据直接传输的一种方法

通过对旧式数控切割机输入设备的改造．介绍数控切割机与计算机直接数据传输的实现方法．     

具有自适应干扰抑制措施的直接序列扩谱通信接收系统

采用专用数字信号处理器TMS32010实现了具有自适应干扰抑制措施的直接序列扩谱通信接收系统,并就干扰抑制的三种方案比较它们在定点运算的有限字长实现中的性能,从理论上研究了在有限字长实现中提高性能的基本方法.测试结果表明,双精度编程方案的参数特性与无限精度的理论分析结果基本一致;单精度编程方案的参数特性与有限精度的理论分析结果基本一致.双精度或单精度编程,其自适应最佳滤波器方案的单频干扰抑制性能,均优于其它两种方案.