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。     

基于离散正则模型的时变信道盲辨识算法

以CDMA时变信道离散正则模型为基础,提出了基于改进的矩阵外积分解的时变信道盲辨识算法。算法对传统的矩阵外积分解算法进行修正,使其适应离散正则模型两级盲辨识,并引入了精确的时延阶数估计,克服了现有算法需要预先知道信道时延实际阶数的局限,使其在仅知道信道阶数上界的条件下完成盲辨识。仿真结果表明了该算法的有效性。     

MIMO-OFDM系统多基站协作传输的盲定时同步算法

提出了一种用于多基站协作传输多输入多输出（multiple input multiple output, MIMO）正交频分复用（orthogonal frequency division multiplexing, OFDM）系统的分布式多天线盲定时同步算法,利用接收信号的循环平稳特性,根据天线间时延导致的接收信号循环自相关函数谱峰的偏移量得到天线间的时延差值。采用一种基于滑动窗的检测算法,得到各天线时延值。仿真结果表明,该算法在无须额外同步数据的情况下,能有效地解决分布式定时问题。     

非线性系统的模糊辨识在线算法

在以往的模糊辨识方法中,均未给出在线调整非线性系统的模糊辨识算法。基于递推模糊聚类方法,提出了一种在线调节模糊模型的辨识算法。为了验证所提出方法的有效性,对几个非线性系统进行了辨识,最后给出了辨识结果。     

有色噪声系统的迭代辨识与递推辨识方法仿真比较研究

针对ARARX模型(即动态调节模型),提出了分别辨识系统模型参数向量和噪声模型参数向量的新型最小二乘迭代辨识方法.其基本思想是:通过极小化一个信息矩阵中含噪声项的准则函数,导出两个参数向量的最小二乘估计式,进一步将估计式中信息矩阵所含的未知噪声项用其迭代估计代替,而其迭代估计又用前一次迭代的参数估计进行计算.在每步迭代计算中,二者执行了一个递阶计算过程.与滤波式递推广义最小二乘算法相比,提出的迭代算法也可用于在线辨识,而且在每一步迭代计算中,反复利用了系统可测数据信息,因而能够获得高精度参数估计.仿真例子证实了理论研究结果.     

基于PSO算法的系统辨识方法

研究了利用粒子群优化(particle swarm optimization, PSO)算法对系统进行辨识的新颖方法.该系统辨识方法的基本思想是将典型数学模型的相互组合而构成系统模型,即就是首先将系统结构辨识问题转化为组合优化问题,然后再采用粒子群优化算法同时实现系统的结构辨识与参数辨识.最后,给出了仿真示例,其仿真结果验证了所给的系统辨识新方法的合理性和有效性,辨识精度高,具有良好的实用性.     

基于PSO算法的弹道辨识网络及仿真

提出了一种基于粒子群优化算法(PSO)的弹道辨识及仿真的技术。根据弹道质心运动方程模型，以小脑模型开关控制器神经网络(CMAC)为核心构建了辨识网络，利用PSO算法控制辨识与仿真的实现。仿真试验表明，利用PSO算法实现弹道辨识比BP算法辨识精度高，收敛性好。     

混合编码免疫算法在非线性系统辨识中的应用

基于免疫算法优越的全局搜索性能与GP算法简洁的结构树编码方法,提出了一种混合编码免疫辨识算法,通过对模型结构与参数分别编码及免疫操作,同时实现了非线性模型的结构与参数辨识,实现了全局寻优,辨识的模型结构简单、易于理解.仿真验证了本算法的有效性及较强的非线性逼近能力.     

一种非线性时变系统小波网络辨识算法

提出一种可对任意非线性时变系统进行辨识的新方法，即基于小波神经网络的带自校正移动窗的递推最小二乘算法，与现有的神经网络辨识算法不同，该算法是根据被估权值时变速度的快慢来自适应地调整移动窗的长度，以跟踪非线性时变系统的动态特性，文中推导了了算法，并将全局算法进一步推广成不含任何矩阵运算的局部算法以提高算法的实时性能，几个典型的系统辨识仿真实例显示出这种方法具有跟踪精度高和计算简便的良好性能。     

非线性直流电机仿真模型系统的建立

着重考虑直流电机运行在零速度附近所产生的非线性摩擦力的影响。在MATLAB环境下精确地建立起可用于仿真实验以及系统控制器设计的非线性直流电机的仿真模型系统。结合已获得的研究成果,并充分利用SIMULINK软件,在完成非线性系统建模的同时,显示出其软件的强大功效。     

多径FIR信道的盲和半盲识别与均衡

在多径信道传输中，由于信道畸变而造成的符号间干扰是影响带很通信信道性能的重要因素之一，为提高系统性能，在接收端需采用均衡技术，充利用输出信号统计特性的盲信道均衡算法是现在的研究热点，由于信号在传输过程中，有信道先验知识或突发数据的先导字符等可以利用，因此半盲识别及均衡也具有很好的应用前景，本文从理论上对目前的盲和半盲均衡算法作了介绍，并在最后就以后的研究方向提出了作者的一些观点。     

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。     

适用于高阶QAM信号的双模式盲均衡算法及仿真

提出了一种适用于QAM信号的双模式盲均衡算法，该算法以常规的CMA算法为初始模式，第二模式中分别对QAM信号的同相分量和正交分量进行均衡。通过判决条件对均衡器输出信号进行判决，使得该算法的迭代过程在两种模式之间自动切换，其收敛速度优于常数模算法CMA和基于判决圆环的双模式算法。通过水声多途信道的仿真实验，验证了该算法良好的收敛性能。     

基于分数低阶统计量的正交小波盲均衡算法

对于服从分数低阶Alpha稳定分布的非高斯信号,其二阶和高阶统计量都是不存在的。当环境噪声为这种噪声时,基于高阶统计量的常数模盲均衡算法(CMA)的均衡性能很差。为了克服环境噪声服从分数低阶Alpha稳定分布时,CMA的性能缺陷,提出了一种基于分数低阶统计量的正交小波盲均衡算法。该算法利用分数低阶统计量来抑制Alpha稳定噪声,根据最小分散系数准则优化盲均衡算法的权向量,并对均衡器输入信号进行正交小波变换,通过降低均衡器输入信号的自相关性来加快收敛速度。水声信道仿真结果表明,该算法性能明显优于CMA。     

蚁群算法在盲均衡问题中的应用研究

蚁群算法是一种生物仿生算法,该算法具有正向反馈、并行计算等特点,可以有效地避免算法收敛到局部最优解。将蚁群算法用于求解盲均衡问题的恒模代价函数,提出一种基于蚁群算法的盲均衡算法,新算法加快了收敛速度,减少了码间干扰的影响,降低了误码率。计算机仿真验证了新算法的有效性。     

时间序列模型辨识的非线性规划方法

本文利用有关优化理论,把ARMA模型辩识问题转化为带约束条件的非线性规划问题,并通过降维处理把n阶的ARMA模型辨识问题简化为3n维的无约束非线性规划问题,从而为一般的ARMA模型辨识提供了一条新的途径。文中还给出了仿真例子,以证明该方法的有效性。     

潜艇利用"迪卡斯"声纳浮标盲区规避跟踪仿真研究

"迪卡斯"声纳浮标阵可用于跟踪、定位和识别水下潜艇,对潜艇的行动构成了较大威胁,但"迪卡斯"声纳阵存在探潜盲区,潜艇可利用其进行规避,以摆脱反潜飞机的跟踪.探讨了"迪卡斯"声纳浮标的探潜盲区及跟踪阵形,建立了声纳浮标阵跟踪潜艇的概率模型,根据该模型进行了理论计算并详细分析了潜艇利用盲区规避的可行性,在此基础上进行了大量模拟,得出了潜艇在不同条件下的规避航向和行动方法.     

一种新的盲波束形成器建模与仿真研究

提出了一种新的基于高阶累积量和神经网络的盲波束形成器，并对其进行了建模与仿真研究。该波束形成器应用高阶累积量对期望信号的方向向量进行估计。采用线性规划神经网络实现盲波束形成。不但减少了对阵列流形的依赖，具有较好的 容差性，而且能有效地避免矩阵求逆运算，减小了运算量，易于用硬件实时实现。仿真实验验证了该波束形成器模型的有效性和正确性。     

一种新的修正步长盲均衡算法

针对MCMA算法收敛速度与稳态误差相矛盾的问题,通过构造新的误差函数,并建立误差函数与步长因子之间的非线性函数关系,在MCMA算法基础上,提出了一种新的修正步长盲均衡算法(MS-MCMA).该算法在增加收敛速度的同时,稳态误差性能也得到了改善.仿真结果表明,新算法的收敛速度相比较于ME-MCMA和DMSign-CMA提高了一倍以上;当SNR=30dB时,新算法稳态误差性能大约有5dB改善,而当SNR=15dB时,其稳态误差性能也有0.5dB改善.