脉冲熄灭STBC-OFDM接收机差错性能分析

为定量分析脉冲熄灭产生的子载波间干扰对空时分组编码正交频分复用(space-time block coding-orthogonal frequency division multiplexing,STBC-OFDM)接收机差错性能的影响,在频率选择性瑞利衰落信道下理论分析给出脉冲熄灭STBC-OFDM接收机输出信噪比的计算公式,并以此为基础,定量分析了脉冲熄灭对STBC OFDM接收机符号差错性能的影响. 计算机仿真结果表明,论文给出的理论结果与仿真结果完全一致,验证了理论分析的正确性。     

时变信道下基于多接收天线的OSTBC译码器研究

针对传统正交空时分组码(OSTBC)均假设码字周期内为静态平坦信道,而实际环境由于接收端的运动引起信道时间选择性衰落,导致传统译码算法在高信噪比下性能严重下降的问题,并且以往算法只适用于两根发射天线的系统,提出一种适用于四根发射天线和多根接收天线的快时变衰落信道译码算法,该算法采用改进的迫零译码,对噪声扩展进行了有效抑制,克服了其他算法出现地板效应的缺陷,并且计算复杂度低.     

STBC MPSK系统误码率的闭式解

推导了MPSK调制空时分组码（STBC）系统误码率（SER）的闭式解，并通过仿真对理论误码率进行了分析和验证。通过两种不同的方法，我们分别得到了两发射天线的STBC系统在理想信道估计和存在信道估计误差条件下的理论误码率。仿真表明实际误码率和理论结果非常吻合，所以得到的STBC误码率的闭式解可以作为系统性能评估的精确标准。采用导频码辅助信道估计时，估计误差导致STBCMPSK系统误码率性能损失2～3dB。     

Nakagami信道基于16APSK的加权信噪比估计算法

自适应编码调制(adaptive coded modulation, ACM)技术是一种提高无人机(unmanned aerial vehicle, UAV)数据链吞吐量性能的有效方法,信道估计的准确性是决定ACM系统性能的关键因素之一,直接影响UAV数据链的吞吐量性能。首先对Nakagami衰落信道进行分析建模,推导了信号经过衰落信道后的表示方法。其次对Nakagami衰落信道下基于多进制数字相位调制(multiple phase shift keying, MPSK)的信噪比(signal-to-noise ratio, SNR)估计算法进行推导和分析,仿真结果表明三阶矩(third order moments, M3)SNR估计算法比传统的二〖JP2〗阶矩四阶矩(second and fourth moments, M2M4)SNR估计算法具有更好的估计性能。最后,针对Nakagami衰落信道下的现有估计算法对非恒包络调制信号估计性能差的问题,提出了一种适用于非恒包络的16阶振幅移相键控(amplitude phase shift keying, APSK)信号的加权SNR估计算法,该算法利用接收信号的先验信息和信号的阶矩关系进行SNR估计,具有复杂度低,估计精度高等优势。理论分析与仿真结果表明:所提出的算法可以有效地对16APSK调制信号进行SNR估计,且相比于M2M4算法,利用M3信息进行信道估计的加权SNR估计算法具有更高的估计精度。     

基于SNR和谱熵的协作式频谱感知算法仿真研究

目前的频谱感知算法大多受到信道衰落、噪声不确定性等因素的影响,针对此问题,提出了一种基于SNR和谱熵的协作式频谱感知算法CSSE.1)CSSE算法选择具有最大SNR的节点作为中继节点转发信号进行协作频谱感知,有效的解决信道衰落带来的影响.2)CSSE算法采用谱熵检测主用户信号,有效的解决噪声不确定性带来的影响.提出的CSSE算法在不需要知道主用户信号先验知识的情况下,不但能够有效的缓解信道衰落、噪声不确定性带来的影响,而且具有较低的频谱感知时间,具有很好的实际应用价值.仿真结果表明,相比已有的频谱感知算法,不仅检测性能得到了比较大的提高,而且频谱感知的时间也减少了近40％.     

MIMO-STBC子载波资源分配算法研究

正交频分多址是一种无线环境下的高速传输技术,适合在多径传播和多普勒频移的无线移动信道中传输高速数据。在对与多天线STBC等效的单发单收模型进行研究的基础上,提出了一种适用于MIMO-STBC系统自适应优化的子载波资源分配算法,将复杂的分集增益指标转换为直观的SNR指标,明确表示出接收机SNR与信道相关矩阵之间的关系。仿真实验表明,该算法进一步提高了频谱效率与系统性能。     

α稳定分布噪声下水声线性调频信号的识别

线性调频(linear frequency modulation,LFM)信号是一类重要的水声信号,在低信噪比(signal-to-noise ratio, SNR)和α稳定分布噪声条件下,对LFM信号进行识别会遇到一些困难。针对这个问题,在浅海水声多途脉冲噪声信道条件下,提出了适用于低SNR条件的LFM信号识别方法。该方法首先通过非线性变换抑制脉冲噪声,然后进行离散分数阶傅里叶变换(discrete fractional Fourier transform,DFRFT),通过分数阶傅里叶变换(fractionalFourier transform,FRFT)的结果构造出识别特征量,最后通过支持向量机(support vector machine,SVM)完成对LFM信号的识别。仿真实验结果表明,在混合信噪比（mixed signal-to-noise ratio,MSNR）为-15 dB时正确识别率高于94%。     

莱斯快衰落信道下差分酉空时调制的性能

无线衰落信道的快速时变给空时调制和编码算法带来极大的难度,该文将一个信道分为常数镜像部分和时变漫射部分,在此基础上,借助AR模型讨论其中漫射信道系数的逐符号变化。随着SNR的增大,对系统性能起主要影响的是信道的变化。借助平方酉信号和AR模型,推导出在时变信道下存在一个SNR极限,并给出这个极限的具体值。同时,借助SNR极限和基本差分表达式,给出差分调制下成对误差概率的近似表达式。最后,给出一些相应的仿真,对上述推导进行验证。     

基于累积量的MPSK分类算法性能分析

针对累积量的调制分类经典算法要求理想的符号同步问题。通过对非最佳采样复基带信号的累积量的理论分析,讨论了过采样速率、定时偏差和基带成形脉冲函数对信号累积量的影响,认为现有的基于累积量的同步分类算法可以直接应用于异步条件,且其性能与过采样速率有关。通过MPSK分类的仿真验证了理论分析的正确性,在常用频率选择性衰落信道模型条件下的仿真则表明,衰落信道中符号速率采样的分类性能未必最优。     

基于MCMC的OFDM系统脉冲噪声检测与抑制方法

为解决正交频分复用系统(orthogonal frequency division multiplexing,OFDM)中存在脉冲噪声干扰降低系统链路可靠性的问题,提出基于马尔可夫蒙特卡罗(Markov chain Monte Carlo,MCMC)的turbo迭代均衡检测方法。首先给出OFDM系统发射机和接收机模型;然后分析给出未知变量的先验分布及其在已知接收信号条件下的条件分布,通过MCMC均衡器抽样估计得到信道和脉冲噪声的参数信息;最后给出turbo迭代结构的具体实现过程。仿真结果表明,在加性高斯白噪声(additive white Gaussian noise,AWGN)信道和多径信道中,该方法可以有效降低OFDM系统中脉冲噪声影响,提高系统可靠性     

多模索引调制OFDM频谱及能量效率优化方案

为提高多模索引调制正交频分复用的能量效率(energy efficiency, EE)与频谱效率(spectrum efficiency, SE),提出优化方案和相应检测算法。该方案在不减小子块间最小欧式距离的前提下通过增加模式排列的种数使系统传递的索引信息量增加,从而提升系统SE。此外该方案引入空载模式使得部分信息的传输无需消耗能量,从而提升系统EE。同时提出改进的低复杂度最大似然检测算法以降低模式排列的检测复杂度。分析模式排列数及空载模式对误比特率(bit error rate, BER)性能的影响,并据此对引入空载模式后的多模式星座进行优化。仿真结果表明,优化方案的EE和SE都有所提升,且BER性能更优。     

基于禁忌退火粒子群算法的火力分配

火力分配问题是典型的NP完全问题,传统的求解算法存在指数级的时间复杂度。给出具体实用的防空火力分配模型,提出一种基于禁忌搜索与退火粒子群优化的新算法,并针对多种空袭规模的实例进行计算机仿真。仿真结果表明,与禁忌搜索、标准粒子群优化、退火粒子群优化等智能算法相比,新算法在解决火力分配问题时具有更优良的收敛精度和时间性能。     

OQAM/OFDM系统中改进的重叠选择性映射方法

重叠选择性映射(overlapped selected mapping, OSLM)是用于降低基于交错正交幅度调制的正交频分复用系统(offset quadrature modulation/orthogonal frequency division multiplexing, OQAM/OFDM)峰均比(peak-to-average ratio,PAPR)的技术。在对传统OSLM方法进行分析的基础上,为了进一步降低系统的PAPR,针对其在传输过程中需要耗费额外频谱来传递边带信息的问题,提出了改进的OSLM方法。该方法通过改变特定位置相位旋转因子的模值,从而在接收端确定边带信息,节省了OQAM/OFDM系统中的频谱资源,进而降低了系统的PAPR。仿真结果表明,在相同信道且子载波数量较多的条件下,该方法能够进一步降低系统的PAPR,同时又不会导致误比特率明显提升。     

基于改进AGD-分布式多智能体系统的目标优化分配模型

由于现代化战场环境动态多变、作战实时性高,针对当前防空作战中武器目标分配(weapon target assignment, WTA)约束多且复杂、传统建模无法真实反映战争过程、模型可信度不高等问题,提出一种在分布式约束优化问题(distributed constraint optimization problem, DCOP)背景下,基于多智能体系统(multi-Agent system, MAS)理论的武器目标优化分配模型,并利用改进的加速梯度下降(accelerated gradient descent, AGD)算法进行求解。通过实验证明了该算法具有良好的收敛性和低复杂度,能够适应现代化防空作战的需求,满足大规模寻优问题的需求,高效解决多智能体目标优化分配问题。     

强化学习中的策略重用:研究进展

策略重用(policy reuse,PR)作为一种迁移学习(transfer learning,TL)方法,通过利用任务之间的内在联系,将过去学习到的经验、知识用于加速学习当前的目标任务,不仅能够在很大程度上解决传统强化学习(reinforcement learning,RL)收敛速度慢、资源消耗大等问题,而且避免了在...     

Integration-centric approach to system readiness assessment based on evidential reasoning

An integration-centric approach is proposed to handle inadequate information in the system readiness level (SRL) assessment using the evidential reasoning (ER) algorithm. Current SRL assessment approaches cannot be applied to handle inadequate information as the input. The ER-based approach is proposed to synthesize inadequate input information and an integration-centric perspective is applied to reduce the computational complexity. Two case studies are performed to validate the efficiency of the proposed approach. And these studies are also performed to study how the inadequate information will affect the assessment result. And the differences caused by the system’s structure. The importance of the system’s structure in the SRL assessment is demonstrated and the contributions made in this study are summarized as conclusions.     

外部型硬件进化方法研究

外部型硬件进化(Extrinsic EHW)是将硬件描述语言(HDL)与进化算法(EA)结合起来的硬件进化(EHW)方法。在简要介绍了EHW的基本概念和工作原理的基础上，针对外部型硬件进化的基本方法，通过实验分析指出了这类方法存在的问题，阐述了在电子设计自动4g(EDA)平台上实现Extrinsic EHW方法必须解决的核心问题。     

HLA时间管理算法中输出时间的研究

时间管理服务是高层体系架构HLA(High Level Architecture)的重要组成部分.GALT(Great Available Logical Time)算法是实现时间管理服务的关键技术,而输出时间OPT(OutputTime)则是某些GALT算法实现的基础.不合理的输出时间算法所确定的GALT算法会违背HLA时间管理的原则或延缓联邦推进.通过对IEEE 1516[1]标准接口的分析,提出了一种符合IEEE 1516标准的输出时间算法,其它的输出时间公式可引为参考.     

基于双马尔可夫链的概率假设密度滤波器

隐式马尔可夫链(hidden Markov chain,HMC)是传统多目标跟踪的理论基础。在分析了HMC模型的局限性基础上,介绍了更具普适性的双马尔可夫链(pairwise Markov chain,PMC)模型,对基于PMC模型的概率假设密度(PMC-probability hypothesis density,PMC-PHD)滤波算法进行了推导,并对其高斯混合(Gauss-mixture,GM)实现进行了改进,利用椭圆波门给每一个高斯分量建立一个对应的缩减量测集合来对其进行更新。仿真实验证明在杂波密度较大的场景中,PMC-PHD滤波器GM实现的改进在不影响跟踪精度的情况下运行时间缩短为原来的三分之一;仿真实验还证明在HMC模型场景下PMC-PHD滤波器针对邻近目标的跟踪性能要优于HMC-PHD滤波器。     

Unscented extended Kalman filter for target tracking

A new method of unscented extended Kalman filter (UEKF) for nonlinear system is presented. This new method is a combination of the unscented transformation and the extended Kalman filter (EKF). The extended Kalman filter is similar to that in a conventional EKF. However, in every running step of the EKF the unscented transformation is running, the deterministic sample is caught by unscented transformation, then posterior mean of nonlinearity is caught by propagating, but the posterior covariance of nonlinearity is caught by linearizing. The accuracy of new method is a little better than that of the unscented Kalman filter (UKF), however, the computational time of the UEKF is much less than that of the UKF.