基于IMU与sEMG混合信号的实时手势分类算法研究

为了提高表面肌电信号(surface electromyography,sEMG)的手势分类准确率,通过惯性测量单元(inertial measurement unit,IMU)与采集姿态信号与sEMG的混合信号,提出了GRUBiLSTM双层网络的实时手势分类算法。第1层门控循环单元(gated recurrent unit,GRU)利用能量组合算子特征对混合信号进行突变点检测,定位运动态数据起始点;第2层双向长短时记忆循环神经网络(Bi-directional long short term memory,BiLSTM)使用能量核相图特征对运动态混合信号进行2个方向10种手势的分类。通过离线模型优化,分类算法识别时间低于40 ms,突变点检测精度88.7%以上,手势分类准确率为85%,信息传输率(informationtranslaterate, ITR)达到89.9 bits/min,与基于机器学习的分类算法相比,在准确率与计算效率上具有优势。     

基于期望传播的分布式信号检测算法

针对大规模集中式天线阵列带来的硬件开销大与信号检测复杂度高等问题, 研究了期望传播算法在分布式广义线性模型中的应用, 提出了一种基于分布式的信号检测方案。首先将大规模天线阵列均分为多个独立并行的子阵列, 并在每个子阵列中独立地进行消息迭代更新, 再由一个集中处理模块对消息进行汇总, 直至迭代完成。仿真结果表明, 与期望一致信号检测算法相比, 提出的算法在降低计算复杂度的同时能够维持良好的检测性能, 研究表明该算法能够较好地适用于分布式广义线性模型。     

基于K-means算法的改进蚁群聚类算法及其应用

基于化学识别的蚁群聚类算法无需给定聚类数目就能自动实现数据集的聚集,但大量采用随机策略使得蚂蚁达到平衡的运行时间长,效率不高。为此提出了一种用K-means算法做初次聚类、蚁群聚类算法再次聚类的新算法,结果表明该算法具有较高的正确率。最后将该算法应用于系统应用协同中,得到了较好的分析结果。     

基于信号参数集最小距离的并行测试任务调度算法

在并行自动化测试系统中,并发执行的多个测试程序会竞争有限的仪器资源,硬件资源的分配与任务调度是并行测试的一个关键问题。而现有的并行任务调度算法不适于高度异构的并行测试系统。本文在面向信号的描述仪器资源与测试需求的基础上,提出了适合于异构系统的基于信号参数集最小距离的任务调度算法,同时给出了该算法的具体实现。实验结果表明,该算法适于异构的并行测试系统。     

基于系统辨识RLS算法的PWM变换器小信号建模

提出一种利用时域仿真数据来建立脉宽调制(PWM)开关变换器小信号模型的新方法.这种利用仿真软件PSpice和MATLAB所得到的数据基f黑箱理论来辨识PWM开关变换器系统的方法是较为简便和独特的.首先推导出PWM开关变换器的离散小信号线性等效模型,然后将开关变换器看做一个黑箱模型,利用电路仿真软件PSpice仿真得到的阶跃响应数据,采用系统辨识的递推最小二乘参数估计的方法来拟合阶跃响应曲线,得到开关变换器的离散時不变小信号模型,利用零阶保持器将此离散系统连续化,最终得到PWM开关变换器的连续小信号模型(控制—输出传递函数).采用此方法对BUCK变换器和有源箝位倍压变换器(ACPDC)进行建模,并将所建模型与状态空间平均建模方法进行比较,验证了此建模方法的准确性.     

基于动态系统方法的二维带限信号外推算法

提出了基于动态系统方法(Dynamical Systems Method)的二维带限信号重构外推算法.其核心部分在于用动态系统方法对离散后的Fredholm积分方程进行求解,相对于离散正则化方法而言,这样构造的外推算法具有较好的抗噪声能力,能提高计算精度并有效地降低计算量.最后通过计算机仿真对算法的可行性进行了验证.     

基于多特征融合的MIMO-OFDM系统单-混信号调制识别算法

为解决非协作通信中多输入多输出正交频分复用(multiple-input multiple-output orthogonal frequency division multiplexing, MIMO-OFDM)系统的单-混信号调制识别问题,提出一种基于多特征融合和决策融合的调制识别方法。首先,利用特征矩阵的联合近似对角化(joint approximate diagonalization of eigenvalue matrix, JADE)算法从接收端恢复发送信号;然后,提取恢复后信号的四次方谱、循环谱和高阶累积量作为输入样本,利用多特征融合网络对输入样本进行训练;最后,使用决策融合策略根据每条支路输出得到最终判决结果。仿真实验结果表明,所提方法可以对MIMO-OFDM系统中的7种信号进行有效识别,在信噪比为10 dB时识别精度可达99.4%。     

基于自适应尺度变换-双稳态随机共振模型的BPSK信号检测算法

为提升在强噪声背景下对二进制相移键控(binary phase shift keying, BPSK)信号的检测性能, 针对主流方法在抑制噪声过程中信号受到一定程度的削弱、信号处理系统引入新噪声导致检测性能下降的问题,提出了基于自适应尺度变换双稳态随机共振模型的BPSK信号检测算法。对于经典的双稳态随机共振系统只能处理小幅度、低频段的周期信号的情况, 首先将双稳态随机共振系统进行尺度变换, 证明在高采样率条件下, 双稳态随机共振系统可应用于高频的BPSK信号, 并基于Neyman-Pearson准则设计了非线性阈值检测系统, 推导且定量表示出检测器的误码率, 以此作为反馈量, 自适应地调节系统参数, 构建了信号检测的完备流程。通过仿真实验验证了尺度变换的可行性以及所提算法的适用性, 为低信噪比条件下的弱BPSK信号检测提供了理论依据。     

A simplified decoding algorithm for multi-CRC polar codes

Polar codes represent one of the major breakthroughs in 5G standard,and have been proven to be able to achieve the symmetric capacity of binary-input discrete memoryless channels using the successive cancellation list(SCL)decoding algorithm.However,the SCL algorithm suffers from a large amount of memory overhead.This paper proposes an adaptive simplified decoding algorithm for multiple cyclic redundancy check(CRC)polar codes.Simulation results show that the proposed method can reduce the decoding complexity and memory space.It can also acquire the performance gain in the low signal to noise ratio region.     

基于数据变换的GM(1,1)误差校正方法

提高预测方法的预测效果具有重要意义,但是仅靠建立单一的预测模型来提高预测精度是非常困难的.本文对当前预测方法存在的不足进行了阐述,在此基础上提出将误差校正方法引入预测以提高预测精度的新思路.首先,采用预测方法(文中以T-S模糊神经网络方法为例)对训练样本进行拟合,再对预测对象进行初始预测;其次,引入加速平移变换和加权均值变换对误差序列进行处理,再以处理后的数据为样本构建基于数据变换的GM(1,1)误差预测模型,并对该序列后续点进行预测;最后,利用误差预测结果对初始预测值进行校正.文章最后以上证综合指数的收盘价的预测为例,算例分析表明,与校正前的预测精度相比,校正后的预测精度有显著提高,进而验证了该模型的有效可行.     

基于单反馈SLT码的纠错码与MP联合译码

转移LT(shifted Luby transform,SLT)码是信源依据接收端的反馈信息进行的LT(Luby transform,LT)编码方法,这种编码方法可以有效地减少解码所需要的数据包个数,由此,本文针对基于单次反馈SLT码的信道纠错码与信息传递(message propagation,MP)联合译码方法,对原有的转移鲁棒孤立子分布(shifted robust soliton distribution,SRSD)函数进行改进得到适合MP联合译码的扩展转移鲁棒孤立子分布(expand shifted robust soliton distribution,ESRSD)函数。将本文提出的ESRSD用于MP联合译码方案分别与LT码、反馈SRSD MP联合译码相比,实验结果显示,采用本文提出的ESRSD进行编码在MP译码所需要数据包的个数最少。     

基于DBZP差分相干的GPS信号捕获算法

针对弱信号环境下全球定位系统(global position system, GPS)信号捕获问题,提出了一种基于双块零拓展（double block zero padding, DBZP）差分相干捕获算法。该算法将快速傅里叶变换（fast Fourier transform, FFT)、DBZP、差分相干及频率误差修正等4项技术有机结合,从而有效减小了在FFT计算过程中由大多普勒频移引起的码片速率变化而造成的相关功率损失,同时也削弱了残余多普勒频率造成的功率损失。实验表明,算法能明显提高系统捕获性能,在仿真数据集下,与直接FFT差分相干算法相比,捕获灵敏度提高了约2.8 dB,并在给定的积分时间及载噪比下,捕获频率误差的标准差小于20 Hz;在实验数据集下,与直接FFT差分相干算法相比,捕获结果信噪比提高了约3 dB。     

基于错误特征的MLC闪存最小和译码算法

由于多级单元(multi level cell,MLC)闪存存储信道中随机电报噪声(random telegraph noise,RTN)、〖JP〗数据保持噪声(data retention noise,DRN)和单元间干扰(cell-to-cell interference,CCI)严重影响了MLC闪存阈值电压,从而导致获取的对数似然比(log-likelihood ratio,LLR)不够准确而影响了软判决译码时MLC闪存的低密度校验(low-density parity-check codes,LDPC)码的性能。在深入分析MLC闪存错误特征的基础上,通过利用MLC阈值电压的熵函数计算相邻MLC阈值电压分布的重叠区域来确定存储比特的可靠度,设计了MLC存储比特LLR值的动态更新策略。从而,提出了RTN、DRN和CCI噪声模型下适用于MLC闪存的LDPC码改进的最小和译码算法。仿真结果表明,与传统的LDPC码最小和译码算法相比较,MLC闪存信道下所改进的MLC闪存的LDPC码最小和译码算法具有更好的译码性能与更少的平均迭代次数。     

基于DPSCT和频谱校正的窄带干扰CBOC信号捕获算法

针对窄带干扰环境下组合二进制偏移载波(combined binary offset carrier, CBOC)信号难以被准确捕获的问题,提出了一种基于频域双相移组合陷波器(dual phase shift combination trap, DPSCT)结合批处理、频谱校正的捕获算法。该算法首先用陷波器对任意频点的窄带干扰进行抑制,再通过批处理提高处理速度,最后针对快速傅里叶变换(fast Fourier transform, FFT)过程中扇贝损失易导致捕获概率降低的问题,提出了基于部分匹配滤波器(partially matched filter, PMF)结合相位差+单点傅里叶变换频谱校正的捕获方法。仿真结果表明,该算法对在窄带干扰抑制后波形恢复和捕获概率等方面均有良好的性能,当信干比(signal to interference ratio, SIR)为-37 dB时,该算法较未校正之前捕获概率有4 dB的提高,并有效缩短了捕获时间。     

基于MN-MEA算法的无人机载SAR相位误差补偿处理

无人机载合成孔径雷达(synthetic aperture radar, SAR),在成像中更容易受到运动误差的干扰,造成图像质量下降。利用三维空间坐标系的斜距方程分离,可以为无人机载SAR成像提供更多的信息，但该方法并未考虑无人机载SAR成像中的运动误差补偿问题。针对无人机载机动SAR成像的相位误差补偿问题,进行相关研究。结合子图像划分,提出了基于迭代分块处理和误差相位初值模型的改进牛顿最小熵(modified Newton minimum entropy, MN-MEA)相位误差补偿算法,进一步校正了残余空变性误差和运动误差,改善成像质量。     

基于MN-MEA算法的无人机载SAR相位误差补偿处理

无人机载合成孔径雷达(synthetic aperture radar, SAR),在成像中更容易受到运动误差的干扰,造成图像质量下降。利用三维空间坐标系的斜距方程分离,可以为无人机载SAR成像提供更多的信息，但该方法并未考虑无人机载SAR成像中的运动误差补偿问题。针对无人机载机动SAR成像的相位误差补偿问题,进行相关研究。结合子图像划分,提出了基于迭代分块处理和误差相位初值模型的改进牛顿最小熵(modified Newton minimum entropy, MN-MEA)相位误差补偿算法,进一步校正了残余空变性误差和运动误差,改善成像质量。     

半实物射频仿真的误差联合概率密度函数分析

为了更详尽地描述仿真误差, 对基于三元组的半实物射频仿真的仿真角度误差二维联合概率密度函数(probability density function, PDF)进行了详细研究, 给出了仿真误差的方向性分布。基于重心公式, 在设定馈电幅度相对误差满足高斯分布的基础上, 给出了两个角度方向上的仿真角度误差的联合PDF。结果表明, 三元组对不同方向处的点目标的仿真误差二维联合PDF存在差异; 两个角度方向上的仿真角度误差会存在相关性, 且该相关性会随点目标位置的不同而不同。由于平行于航迹方向与垂直于航迹方向的角度误差对系统的影响不同, 该工作有利于对于半实物射频仿真的等效性进行更精细的评估。     

基于信号传播修正的GNSS干扰源质心定位方法

针对广泛存在的全球卫星导航系统(global navigation satellite system, GNSS)干扰, 采用基于接收信号强度(received signal strength, RSS)的定位方法时, 存在RSS值提取难度大, 城市环境中不开阔、多径等复杂场景下定位误差大等问题, 提出一种基于载噪比加权和干扰信号传播误差修正的GNSS干扰源质心定位方法。该方法采用GNSS接收机输出的载噪比信息, 并采用神经网络的方法预测干扰信号传播影响因子, 通过质心加权实现GNSS干扰源的定位。实验结果表明, 该方法的定位精度得到显著提升。