混合自动重传的透明式中继系统性能分析

混合自适应重传请求是一种提高通信系统吞吐量和链路性能的有效手段,同时协同中继技术由于在不要求终端配备多根天线的情况下能够提供空间的分集增益等受到广泛关注。基于混合自适应重传请求在透明式协同中继系统中的应用,从误块率的角度对重传的性能进行了分析,给出了紧凑的上界,仿真结果表明重传能够为协同系统带来很大的性能增益,同时很好的验证了所提出的分析方法的有效性,并且这种分析方法能够应用到其他协同系统的分析中,从而对仿真工作具有很好的参考价值。     

基于LDPC编码的自适应数据重传方法

提出一种新的基于低密度校验(low density parity check, LDPC)码的自适应数据重传方法。在信道条件差（信噪比低）时, 该方法采用母码为低码率的LDPC码编码,校验位打孔的重传方式;在信道条件好（信噪比高）时,采用母码为高码率的LDPC码编码,信息位打孔的重传方式。该方法既能提高硬件利用率、节约能耗,又能保证在最差信道下数据传输的可靠性。     

增强MIMO OFDM无线通信仿真

基于MATLAB平台,设计并实现了带有自适应模式切换和混合自动重传请求功能的增强MIMO OFDM无线通信系统的链路级仿真.提出使用多级域结构数组代替传统的数值数组定义仿真数据,有效解决了因模式切换和多次混合重传带来的数据维数自适应变化问题.该建模方式也可应用于更多扩展功能MIMO OFDM系统的仿真平台搭建.     

基于虚拟调制编码方式的链路自适应优化

链路自适应与混合自动重传是提升无线传输性能的有效技术。链路自适应以牺牲无线传输的部分可靠性为代价提高效率;混合自动重传利用更多的时间资源提高可靠性。显然,链路自适应和混合自动重传分别以效率和可靠性为主要目标,对通信系统进行优化。然而,如何在两者之间取得联合优化,目前尚无有效的手段。对此,提出一种基于虚拟调制编码方式的优化方案,以时间归一化的频谱效率为准则,对链路自适应和混合自动重传进行联合优化。理论分析与WiMaxII下行链路系统的仿真结果表明,相比于传统的链路自适应和混合自动重传机制,该优化方案能够有效提升无线传输的性能。     

采用速率兼容LDPC码的AMC-ARQ系统性能分析

本文首次提出基于速率兼容低密度校验码(low-density parity-check,LDPC)的物理层与数据链路层跨层联合设计方案。从利于系统实现的角度出发,首先提出了一种构造速率兼容LDPC码的删除方案,不但简单易行,而且具有与随机删除相似的误码率性能。然后以该速率兼容LDPC码为前向纠错码,在物理层采用自适应编码调制技术(adaptive modulation and coding,AMC),数据链路层采用选择重传自动请求重传协议(automaticrpepeat reQuest,ARQ),研究了系统在Nakagami-m衰落信道下的吞吐量。计算机仿真结果表明,采用速率兼容LDPC码的AMC-ARQ系统,其吞吐量要优于单独采用AMC或者ARQ。     

基于不完美信道估计的闭环MIMO-MRC跨层设计

为提高无线通信网络的频谱效率,提出了一种MIMO-MRC(multiple-input multiple-output-maximal ratio combining)跨层设计方案。该方案是联合物理层的自适应调制技术(adaptive modulation, AM)和数据链路层的自动重传技术(automatic repeat request, ARQ)交互协作,发射端利用估计信道信息反馈,自适应调节调制模式,选择最优发射权矢量和自动重传发射数据。分析了估计误差对MIMO-MRC跨层系统的影响,给出了MIMO-MRC系统在信道估计存在误差时的频谱效率和中断概率的闭合表达式。通过仿真实验证明,对比SISO(single-input single-output)跨层系统和Alamouti’s跨层系统,MIMO-MRC跨层系统的性能有明显提高,可获得约3 dB的分集增益。     

联合AMC,ARQ与包分割的通信系统队列分析与跨层优化

针对联合自适应调制编码（adaptive modulation and coding, AMC）, 自动重传请求（automatic repeat request, ARQ）与包分割传输3种机制的通信系统,提出了一种ARQ多帧动态周期反馈机制,并建立了分析此系统的马尔可夫链模型,得到了包平均时延、平均反馈次数、平均掉包率和系统吞吐量等多种性能指标。在此基础上提出了在服务质量（quality of service, QoS）条件约束下,以最大化系统有效吞吐量为目标的双向链路跨层最优化算法。仿真结果表明,提出的马尔可夫链模型能精确预测系统的性能,与现有的单帧反馈和多帧固定周期反馈相比,提出反馈机制可达到更大的系统有效吞吐量。     

基于LSTM的LEO卫星链路自适应算法

低地球轨道(low earth orbit,LEO)卫星由于其传输损耗低、地面干扰小等优点成为空天地一体化网络的重要组成部分.由于星地传输链路的时延大,现有卫星通信过程无法实时地进行信息交互,导致系统无法适应信道的变化.针对这个问题,提出了基于长短期记忆(long short-term memory,LSTM)网络的信...     

基于自适应预测滤波的视线转率估计方法

针对空间目标拦截过程中,视线转率估计模型强非线性噪声非高斯的问题,提出了预测滤波与扩展卡尔曼滤波相结合的转率估计方法.该方法在线实时估计并修正系统模型,滤波同时引入自适应方法,在线调整模型的噪声方差.仿真结果表明,与无迹滤波相比,该方法计算量小、收敛速度快、对模型误差的鲁棒性强,可以有效提高视线转率的估计精度,进而提高制导精度降低脱靶量.     

基于改进AMC的LTE MIMO模式自适应切换算法

首先针对传统的自动调制编码（adaptive modulation coding, AMC）技术存在映射的调制编码方案等级与实际信道环境不匹配的问题,提出了一种基于ACK/NACK（acknowledge/negative acknowledgement）反馈的信道质量指示(channel quality indicator, CQI)微调技术,此方案能够使上报的CQI等级更好地适应当前环境,确保了传输的可靠性。在此基础上提出了一种基于AMC的多输入多输出模式自适应切换方案,该方案基于信噪比和速率进行自适应的模式切换,可以在不同的传输环境下达到最高系统容量。仿真结果表明,所提方案能够适应多种传输环境,可以显著提高系统容量。     

基于ANFIS的自适应机动目标状态估计算法

针对基于当前统计(current statistics,CS)模型的机动目标状态估计算法对机动目标加速度的极限值依赖性大的缺陷,提出了一种利用自适应神经网络-模糊推理系统(adaptive neuro-fuzzy inference system, ANFIS)自适应调整目标状态噪声方差的方法。首先利用ANFIS算法对目标机动强度进行估计,进而对目标状态噪声协方差矩阵进行自适应调整;然后利用粒子滤波(particle filter, PF)算法对目标状态进行估计。仿真结果表明,与该方法能够有效提高目标状态估计的精度。     

基于自适应卡尔曼滤波的汽车前后轴干扰力估计

针对汽车自动车道保持控制中汽车侧向干扰信息难以直接获取,提出把汽车动力学模型和自适应卡尔曼滤波理论相结合进行汽车前后轴干扰力估计.在线性二自由度汽车动力学模型中考虑前后轴的侧向力干扰,以辅助变量横摆角速度、侧向加速度和方向盘转角为量测信息,通过改进的自适应卡尔曼滤波算法建立了前后轴干扰力的最小方差估计,并对量测信号进行了滤波降噪.基于ADAMS/Car的虚拟试验验证了该算法具有较高的估计精度,可以为汽车侧向控制系统中估计器的设计提供理论指导.     

脉冲噪声下基于共变序列的自适应时延估计

针对实际应用中常遇到的脉冲性噪声问题,以α稳定分布模型进行描述,提出了一种基于共变序列的自适应时延估计方法,简称CAED.该方法通过求取两个观测序列的互共变和一个观测序列的自共变,去除了不相关脉冲噪声,保留了观测序列间时间延迟的信息;将自共变、互共变序列作为两个自适应滤波器的输入信号,在最小均方误差准则控制下,由收敛的两个滤波器权系数矢量峰值位置之差可获得源信号到达两个接收端的相对时延.通过计算机仿真对比实验验证了该算法在强脉冲噪声、低信噪比情况下的优良估计性能.     

基于自适应旁瓣相消的干扰源方位估计方法

提出了一种基于自适应旁瓣相消器的压制式干扰源方位估计方法。首先,利用自适应旁瓣相消器对压制式干扰信号进行抑制处理并得到一组收敛权值;然后,利用收敛权值计算出接收阵列的方向图;最后,在接收阵列方向图上寻找较深的谷值点对应的方位来估计干扰源的方位。所提方法估计精度高且易于工程实现。针对典型卫星导航接收机阵列,通过计算机仿真验证了所提方法的有效性。     

基于LDPC自适应编码调制的图像传输性能

研究了基于LDPC码的自适应编码调制技术及其在慢衰落无线信道图像传输中的应用,分析了确定最优信噪比转换门限集合的最小均方误差非线性曲线拟合法,进而得到基于LDPC码的自适应编码调制系统的最大平均吞吐量性能。仿真结果表明,在慢衰落无线信道图像传输中,系统能获得满意的图像传输质量和很高的频谱利用率。     

一种基于信噪比估计的自适应伪码捕获算法

军事扩谱通信一般都以突发信号帧的形式进行通信,通信时间短、可靠性要求高、信号动态范围大。固定门限捕获方法不能提供满意的性能,门限选得太高会使高信噪比时虚警概率过高,而门限过低会使得低信噪比时漏检概率高,检测概率低,因此需要利用自适应捕获方法。提出一种适合突发短帧模式的自适应伪码捕获方法,该方法可适用于A/D转换前加自动增益控制(AGC)的情况。提出的自适应捕获方法基于接收信号信噪比的估计,推导出根据采样点统计值的比值得到信噪比估计的实用算法,并对该算法进行多项式拟合以适合工程实现,并对算法进行了仿真分析。     

基于KLD采样的自适应UPF非线性状态估计方法

针对标准UPF算法存在的计算量大、实时性差的问题,设计了一种利用KLD采样在线实时改变粒子个数的自适应UPF算法.该算法的核心思想是利用KLD采样原理,根据预测粒子在状态空间中的分布情况来在线实时的确定下一次滤波迭代所需的粒子个数,减少对滤波算法没有帮助的粒子,仅保留保证滤波估计精度所需的最少粒子个数,从而有效减小算法的运算量,提高算法的实时处理能力.最后,将自适应UPF算法与粒子滤波、标准UPF算法进行了仿真比较,仿真结果表明在保持高精度估计能力的同时,自适应UPF算法比标准UPF算法具有更好的实时性,是解决非线性非高斯系统状态估计问题的一种有效方法.     

基于空时约束的自适应迭代单脉冲估计方法

在机载雷达参数估计过程中, 在主瓣杂波区附近自适应和差波束会发生畸变, 角度和多普勒频率参数估计之间存在耦合, 导致传统和差单脉冲估计方法的参数估计性能严重下降。针对此问题,提出了一种基于空时约束的机载雷达自适应迭代单脉冲估计方法。该方法首先通过导数约束和零点约束确保所形成的差波束为最优差波束; 其次利用广义单脉冲法进行参数估计, 解决了多参数估计之间存在的相互耦合问题; 最后通过自适应迭代方式进一步提高目标参数的估计精度。计算机仿真结果验证了所提方法的有效性。     

基于自适应模糊推理系统的柴油机故障诊断

为解决柴油机故障诊断问题,采用自适应神经模糊推理系统(ANFIS)建立其故障诊断模型.利用减法聚类方法确定模型初始结构,并采用由梯度下降算法和最小二乘算法所组成的混合学习算法优化模型参数.经文中试验数据检验,所建模型故障识别值与实际值之间的最大误差为10.16%,最小误差为0.115%,平均误差为2.26%,识别精度达到了97.74%.仿真结果表明,与BP网络模型相比,该模型收敛速度快,拟舍能力强且诊断识别精度高,能够有效识别柴油机放障.     

基于优化算法的自动驾驶车辆纵向自适应控制

针对自动驾驶车辆纵向运动的非线性、时变以及不确定性等特性,设计了一种基于粒子群优化(Particle Swarm Optimization,PSO)的径向基神经网络(Radial Basis Function Neural Network,RBFNN)比例积分微分(Proportional Integral Deriv...