一种用于多径信道的调制识别算法仿真研究

无线信道的多径衰落造成通信信号的码间干扰,为通信信号的调制识别增加了难度。针对多径环境下的调制识别问题,提出了一种基于改进的外积分解信道盲辨识算法的调制识别新算法。算法首先对信道进行基于改进算法的信道盲辨识和盲均衡,然后对均衡结果提取高阶累积量特征完成调制识别。与已有算法相比,改进的外积分解算法提高了在信道阶数过估计条件下对噪声的鲁棒性,所提出的调制识别算法扩大了识别种类,提高了识别性能。仿真结果证明了算法的有效性。     

快时变信道下基于深度学习的OFDM系统信道估计

针对快时变信道的非平稳特性会造成信道估计性能变差的问题，在基扩展模型下提出了一种基于深度学习的信道估计算法，并将其应用于正交频分复用(orthogonal frequecy division multiplexing, OFDM)系统中。首先，根据快时变信道矩阵的局部相关特性，构建时频特征提取网络，利用卷积结构提取快时变信道在时域和频域的相关特征，并嵌入到下一级网络中进行特征的融合。其次，利用门控循环网络捕捉信道在不同符号处的变化相关性，在快时变信道环境下实现更准确的信道估计。仿真结果表明，与其他快时变环境下的信道估计算法相比，算法的估计性能提升明显；同时，网络的轻量化结构使算法的复杂度最低下降20%。     

一种带阶数检测的信道盲均衡算法仿真研究

传统的盲均衡算法需要预先具有均衡器阶数的先验知识,提出一种带阶数检测的信道盲均衡算法,采用进化算法结合常数模代价函数对均衡器阶数、均衡器权系数进行联合进化操作寻优,同时实现阶数、权系数估计。利用模拟浅海水声信道数据进行的仿真实验结果表明:本算法可有效避免常数模算法在低估阶数时造成的性能下降,适用于未知阶数情况下的信道盲均衡。     

基于几何统计的无人机信道模型及硬件模拟

针对无人机(unmanned aerial vehicle, UAV)通信信号三维空间传播特点,提出了基于多圆柱体的非平稳几何统计模型(geometry-based stochastic channel model, GSCM),该模型通过引入天线位置变换矩阵,可支持UAV〖JP2〗和地面移动端(mobile terminal,MT)任意三维移动轨迹。在此基础上,构建了适合硬件模拟实现的离散化模型,并设计实现了模拟时变信道特性的随机簇生灭算法,以及基于线性调频叠加原理的非平稳衰落模拟方法。硬件实测结果表明,本文信道模拟器输出的衰落幅值分布、时延功率谱和多普勒功率谱等统计特性与理论结果比较吻合,有效复现了信道时变衰落、多径时延、多径功率和多普勒频率随着UAV的位置和速度变化而变化的过程。     

利用高阶累积量的盲多输入多输出系统辨识

针对多输入多输出线性系统(FIR MIMO)的盲辨识问题,提出了一个线性的基于方程误差的高阶累积量(HOS)算法的改进算法。该算法利用一组输出信号的四阶累积量矩阵的零空间,把一个未知多输入多输出(MIMO)信道的冲激响应辨识成一个常的单项矩阵。对于信道长度一致的不同用户的MIMO系统来说,算法只需要很弱的辨识条件。和原算法相比,改进算法充分利用了输出信号的累积量矩阵固有结构,从而提高了算法的估计性能。计算机仿真验证了算法的有效性。     

一类非线性系统盲辨识算法及仿真研究

针对离散非线性系统盲辨识问题,提出了一种基于循环平稳输入的非线性系统盲辨识方法。利用循环平稳输入信号的一阶统计特性和Hammerstein-Wiener模型非线性部分的逆映射,将有输入信号的辨识过程转变为无输入信号的辨识过程。介绍了Hammerstein-Wiener模型的结构及循环平稳输入的统计特性,对盲辨识算法机理进行了阐述。仿真结果表明该方法在解决一类离散非线性系统盲辨识问题上的切实可行性。     

一种基于分数采样的混合盲均衡算法仿真研究

在数字通信中,盲均衡是克服多径衰落信道导致的码间干扰的一种有效方法。超指数盲均衡算法的迭代算法收敛速度快,且便于跟踪时变信道。同时由于实际信道往往为非最小相位系统,此时线性均衡器性能不佳。因此针对严重频率衰落和非线性相位失真信道,提出了一种分数采样的混合盲均衡算法,并获得了较快的收敛速度和较小的剩余均方误差。仿真结果证明了该算法的有效性。     

一种信道盲辨识与均衡的新方法

针对信道盲辨识的闭式解存在估计精度低,方差大的缺点,以及源信号无法完全恢复的问题,提出了一种基于调制引入循环平稳性的信道盲辨识与均衡的新方法。通过对循环功率谱进行适当的变量代换得到功率谱-传输函数方程,再将其反变换到时域得到求解FIR信道的方程组解法。仿真结果表明,提出的信道盲辨识算法的性能优于信道盲辨识的闭式解,而且源信号也可以完全得到恢复。     

基于贝叶斯序贯推理的自适应调制识别算法

提出了一种时变衰落信道下的自适应调制识别算法,设计出一种新的动态状态空间模型,来刻画信号调制方式与时变信道增益的时变特性,并引入一阶有限状态马尔可夫(finite state Markov channel,FSMC)模型来描述衰落信道;基于上述,新算法采用贝叶斯序贯推理法,充分发掘利用了其中所隐含的信道动态相关特性,实现对调制方式和时变信道增益的联合估计。仿真结果表明,新算法性能相比于传统ALRT算法有极大提升,且增加采样点数或者降低多普勒频移值都会使算法性能得到改善。     

SIMO系统辅助变量最小二乘盲辨识方法

辅助变量辨识方法是一类重要的辨识方法,然而对于盲辨识,系统输入未知,辅助矩阵的选择就成了难题。针对盲辨识领域研究最多的单输入多输出(SIMO)系统,利用辅助变量方法研究相应的盲辨识方法,其基本思想是联立其中两个子系统进行辨识,利用其他子系统的输出来构造辅助矩阵,从而提出了辅助变量最小二乘盲辨识方法,来获得系统参数估计。还给出所提算法的递推形式,并进行了收敛性分析。仿真例子验证了所提方法的有效性。     

欠定盲源分离混合矩阵估计的张量分解方法

欠定盲源分离混合矩阵的估计可以转化为三阶张量的标准分解问题。为解决现有标准分解算法运算复杂度高、所需时间长的缺点,引入塔克分解先把张量压缩为较低维的核张量,塔克分解因子可通过原张量mode 3矩阵的左奇异向量求得。然后运用交替最小二乘对该核张量进行标准分解,即可得到混合矩阵的估计。仿真结果表明,所提方法不仅可以达到与现有算法同样好的估计精度,而且具有更低的运算复杂度,运算时间较现有算法降低46.44%~76.28%。     

State feedback control of network-based systems with packet disordering

A new method that stabilizes network-based systems with both bounded delay and packet disordering is discussed under the state feedback controller. A novel model, fully describing the dynamic characteristic of network-based systems with packet disordering, is constructed. Different from the existing models of network-based systems, the number of delay items is time-varying in the model proposed. Further, this model is converted into a parameter-uncertain discrete-time system with time-varying delay item numbers in terms of matrix theory. Moreover, the less conservative stability condition is obtained by avoiding utilisation of Moon et al.’ inequality and bounding inequalities for quadratic functional terms. By solving a minization problem based on linear matrix inequalities, the state feedback controller is presented. A numerical example is given to illustrate the effectiveness of the proposed method.     

一种改进的外积分解(OPDA)算法

传统的外积分解(OPDA outer-product decomposition algorithm)算法虽然允许信道阶数被过估计,但该情况下的均衡结果不够理想。针对这一问题,提出一种改进的算法,即对过估计出的信道响应修正后再进行均衡。改进的算法较之原算法能更好的抑制剩余码间干扰,且在阶数估计上有更好的鲁棒性。通过计算机仿真证明了该算法的有效性。     

基于子空间法的空时分组码系统信道盲估计

结合多信道子空间理论,结合空时分组码的正交特性,提出了新的盲信道估计算法。首先,根据空时分组码结构特点,将原编码矩阵分解,并将接收矩阵合理地构造,把原信道矩阵重新构造成新的重构信道矩阵。然后求出重构信道矩阵的噪声子空间,之后利用信号子空间与噪声子空间正交特性,构造出信道矩阵作为变量的线性方程组,因而可以得到信道矩阵的闭式解。对三种典型的空时分组码进行仿真验证,仿真结果表明本算法的有效性。     

基于多胞体-椭球双滤波的时变参数系统建模方法

传统的采用全对称多胞体作为参数可行集的系统建模方法,容易因全对称多胞体形状矩阵维数不断增加导致算法的计算复杂度过大。提出一种基于多胞体-椭球双滤波的时变参数系统建模方法,考虑参数时变情况,在与约束带相交迭代的过程中选择体积最小全对称多胞体,变换全对称多胞体形状矩阵后对其降维分解而不是仅仅直接求扩展形状矩阵的行总和,进而降低多胞体空间变换带来的算法保守性。利用奇异值分解重新推导降维后的多胞体形状矩阵,使得多胞体形状矩阵始终保持与参数相同的维数,从而降低系统建模方法的运算复杂度。     

Nuclear Norm Subspace System Identification and Its Application on a Stochastic Model of Plague

The discrete-time model of plague is deduced by zero-order holder based on the continuoustime model. Due to the existence of stochastic disturbances, the stochastic model is given corresponding to the discrete-time model. The state estimation and noise reduction of the stochastic model are achieved by designing Kalman filter. Nuclear norm minimization is to structure the low-rank matrix approximation instead of the singular value decomposition in the process of subspace system identification. According to the plague data from the World Health Organization, the system matrices and noise intensity of the model are identified. Simulations are carried out to show the higher approximation capability of the proposed method.     

基于阵列接收模型的宽带盲源分离算法

针对传统盲分离算法对宽带信号不适用的问题,提出了一种基于阵列接收模型的宽带盲源分离算法。该算法以子带分解的方法实现了瞬时复值盲分离方法在宽带情形下的扩展。针对扩展过程中可能出现的子带间次序模糊及子带内幅度模糊的问题,利用阵列接收情况下分离矩阵与混合矩阵的特点,提出了一种基于波达方向(direction of arrival, DOA)估计的次序调整及幅度去模糊方法。仿真结果表明,该算法不仅能有效地分离宽带信号,而且可准确地恢复出信号幅度。     

水声信道多径时延估计的高分辨方法研究

为了解决传统的匹配滤波器方法估计实测信道时分辨率不足的困难，研究了高分辨多径时延估计方法。应用MODE算法求得多径时延估计的初值，再通过带惩罚函数的最小二乘法迭代求解时延和幅度估计的准确值。仿真表明，该方法的时延分辨率在20dB信噪比下达到了传统的匹配滤波器方法的4倍，实现了多径时延的高精度估计，解决了实测线性调频信号的信道估计问题。     

一种时滞相关非脆弱模糊控制器的设计

研究了一类带有时变时滞的离散模糊双线性系统的时滞相关非脆弱控制问题。引入自由权值矩阵并定义一种新型的Lyapunov函数,在控制器存在加性不确定的情况下,得到了保守性小的时滞相关渐近稳定的充分条件。通过附加矩阵,将所得到的稳定条件转换为线性矩阵不等式(linear matrix inequality, LMI)形式,非脆弱控制器可由LMI的解得到。数例仿真验证了该方法的有效性。