一种归一化快速盲自适应波束形成算法

提出了一种具有快速跟踪能力和允许大输入动态范围的归一化盲自适应波束形成新算法.计算机仿真计算表明,该算法的性能优于LSSCORE算法.     

齿轮磨损状态的周期平稳信号分析

对齿轮常见的失效形式——磨损进行分析,并根据实际信号,将时域分析、FFT与周期平稳信号分析相比较.仿真结果表明,周期循环平稳分析方法在提取故障特征方面具有更大的优势.     

自适应波束形成抗干扰算法研究

本文介绍自适应波束形成技术的基本原理,提出一种将自适应波束形成技术应用于卫星定位接收机抗干扰系统的算法。仿真结果显示,该算法能够有效地对单干扰和多干扰在干扰来向形成深度零陷,同时在卫星信号来向保持一定的增益,能较好地满足卫星定位抗干扰系统对前端天线阵抗干扰能力的需求。     

应用循环平稳特性的宽带信号DOA估计

针对循环平稳宽带信号DOA估计问题,结合信号的循环平稳特性和共轭循环平稳特性,采用子空间分解方法研究宽带信号DOA估计方法. 该方法同时利用宽带信号循环平稳和共轭循环平稳两方面信息构造出扩展循环相关矩阵,采用常规方法得到宽带信号的方位谱,继承了Cyclic MUSIC算法的优点,当处理宽带信号源时不需要估计最佳延时时间. 仿真结果表明该方法具有良好的宽带信号选择能力和分辨能力,能抑制大功率干扰信号,估计性能较好.     

信道预测下的迫零波束形成系统的性能

分析了反馈时延对于迫零(zero-forcing, ZF)波束形成系统和容量性能的影响,提出采用最小均方误差信道预测技术补偿反馈时延. 基于ZF系统信干噪比的概率密度函数,推导了信道信息存在误差时该系统和容量期望的解析表达式. 数值仿真表明,预测器有效利用了信道的时间相关性,补偿了反馈时延带来的容量损失,仿真结果与理论分析结果吻合.     

认知无线电网络中的动态波束形成

认知无线电技术能够大幅度提升频谱利用率,具有十分广阔的前景. 有效的波束形成算法能够在避免对主用户造成干扰的同时,保障认知用户的通信质量. 通常的认知波束形成算法均针对静止目标,而无线认知网络节点随时可能处于移动状态. 为此,研究了认知网络中机动目标的波束形成问题. 针对最大化信噪比、最小化主用户干扰和均衡认知用户信噪比3个不同的优化目标,分别提出了相应的波束形成解决方法. 利用粒子滤波对运动目标的DOA进行跟踪估计,并根据得到的DOA估计值来建模基站与认知用户之间的信道. 对于最大化信噪比的优化问题,将其转化为瑞利熵形式,得出问题的闭式解;对于最小化主用户干扰和均衡认知用户信噪比的优化问题,均采用凸优化方法将两个问题转化为二阶锥规划形式,通过内点法求解. 仿真实验结果证明了动态波束形成方法的有效性.     

SDL阵列宽带零陷展宽波束形成

传统宽带自适应波束形成算法在信号带宽较宽时硬件实现困难且形成零陷较窄.针对此问题,利用传感器延迟线阵列结构替代传统的时域抽头延迟线结构,在此基础上提出基于空间响应偏差约束的宽带零陷展宽波束形成方案.对参考频率干扰信号方向邻域的波束响应进行最大值约束,然后利用SRV约束将零陷展宽,通过凸优化工具求得最优加权向量.仿真结果表明,该算法可在保证波束宽度的同时实现宽带零陷展宽.在零陷宽度设定为10°、零陷深度为-30 dB的条件下,零陷宽度实测值可以达到14.7°,且具有较高的输出信干噪比.     

基于循环平稳周期的交织差分最小均方误差多用户检测算法

以抑制宽带码分多址(wide code division multiple access, WCDMA)系统在快变信道中的多址干扰为目标,提出基于循环平稳周期的交织差分最小均方误差(interleaving differential minimum mean square error, IDMMSE) 多用户检测算法. 根据WCDMA系统特有的二级扩频结构,将差分最小均方误差(differential minimum mean square error, IDMMSE) 算法的权系数优化准则改为基于循环平稳周期,而不是基于简单的扩频因子. 该方法更准确地反映了多址干扰的变化规律,有利于抑制多址干扰. 另外,引入交织技术能使信源不相邻的具有相同综合扩频序列的符号在实际信道中相邻传输,从而保证DMMSE算法所需的快变信道中相邻两个符号周期内信道变化很小的假设成立. 仿真实验表明,IDMMSE算法能在一定程度上对抗多普勒频移,且误码性能优于现有自 适应MMSE算法.     

离散周期系统的周期解的存在性

该文利用泛函分析法研究了离散周期系统，给出了周期解存在及平稳振荡存在的一些判据，结果简便，有较少的保守性。此外，运用Lyapunov方法给出了一类离散线性系统平稳振荡存在的充分条件。     

CDMA中一种新的波束形成算法

基于CDMA环境提出了一种新的波束形成算法,并且以此形成二维Rake合并器.这种新的方法,根据最大信号噪声干扰比准则推导出计算权矢量的公式,将求导向矢量再求逆的两步问题转化为直接求Hermit阵的最大广义特征值和特征向量,且使用解扩后数据计算干扰加噪声的协方差阵.该法计算量小,数据存储量小,不需要训练序列和参考信号,步骤简单且性能优于导频辅助法,计算量小于码滤波法.此法可应用于第三代移动通信系统中快衰落环境下的波束形成.     

交会图和BP神经网络技术在碎屑岩识别中的应用

饶阳凹陷新近系馆陶组岩性以碎屑岩为主,岩性复杂多样,单纯利用测井曲线难以对岩性进行较好地识别,对后续测井解释的结果造成了不利的影响。针对该问题,以测井资料为基础,提出了一种首先利用交会图技术将各类岩性进行归纳总结,然后应用BP神经网络技术对归纳后的岩性进行快速识别的方法。从此种方法在留西地区的应用效果来看,该方法对样本数据库中各类岩性的识别精度达到了90%以上,其中泥岩和粉砂岩的识别精度更是达到了100%,大大提高了单纯利用测井曲线对岩性进行分类识别的精度,在油气勘探开发过程中能够发挥较为重要的作用。     

汽车半主动悬架的神经网络控制

针对目前标准BP神经网络的缺点,提出基于高阶导数的多记忆BP算法,将能量函数的 阶导数与最速下降方向相结合,构造出一个新的最速下降方向,从而提高了神经网络的学习速度。证明了该算法相对于传统梯度算法的快速性,然后给出了该算法的实现方法,并进行了算例仿真。为了证明其实效性,设计了汽车半主动悬架神经网络控制器。结果证明,该算法便捷、实用、有效。     

一种用于地应力分析的改进型BP神经网络方法

地应力测量及分析研究,对地应力活动方式、构造体系的研究以及岩土工程与结构的设计和稳定性,都具有重大的理论意义和实用价值.BP神经网络算法比较成熟,已被广泛应用,但一般BP神经网络算法存在训练学习速度较慢、样本泛化能力差的问题,通过引入动态学习因子和惯性因子以及模拟辅助样本,对神经网络进行了改进.通过调节动态学习因子和惯性因子以及对样本集数据处理等手段,对样本的学习、训练进行优化处理,通过实例验证,将优化好的网络样本训练结果与一般结果进行比较,结果表明对三层BP神经网络进行的优化,在提高计算精度的同时也提高了网络的收敛速率,证明改进的算法能够很好用于地应力分析.     

DC/DC变换器的一种神经网络控制方法

为了消除Buck—Boosl变换器为代表的DC／DC（直流，直流）变换器最小相位性质的影响．对其输出电压进行控制，分析模型特性．采用非线性反馈控制电流内环．用RBF（径向基函数）神经网络设计了神经网络控制器控制输出电压外环，分析了系统的稳定性．仿真结果表明．提出的控制器动、静态性能很好．对变换器中元件参数的变化和负载电阻的扰动有较好的鲁棒性．     

基于混合神经网络的协同过滤推荐模型

数据稀疏性是推荐系统中严重影响推荐结果准确性的重要因素之一.针对数据稀疏性提出了融合卷积神经网络(convolutional neural network, CNN)和降噪自编码(denoising auto-encoder, DAE)神经网络混合的神经网络评分预测模型(convolutional-denosing autoencoder, CDAE)对用户未评分项目进行预测评分,从而解决数据稀疏性问题.首先将向量化后的用户评论数据通过卷积神经网络训练得到用户特征向量矩阵,其次将用户特征向量矩阵作为降噪自编码神经网络的初始权重,结合用户评分数据经过降噪自编码神经网络训练,得到用户-项目预测评分,然后在此基础上进行基于用户的协同过滤推荐.最后使用movielens-1M实验数据集对比验证了提出的混合神经网络协同过滤推荐(convolutional-denosing autoencoder collaborative filtering, CDAECF)模型.实验证明,所提出的CDAECF模型能够有效地结合隐性反馈和显性反馈数据,具有较高的推荐准确率.     

脉冲电镀电源的一种神经网络控制方法

提出了一种用于脉冲电镀电源的神经网络控制器,并对脉冲变压器建立了数学模型.通过对整个电源系统进行仿真、实验,表明这种给予动态BP神经网络的控制器可以提高控制精度,并且对非线性.时变电镀负载有较强的适应能力.     

基于投影神经网络求解凸规划问题的二分法

将投影梯度神经网络方法和二分法相结合,提出了一种求解凸规划的新算法,并证明了该算法的收敛性.     

交流传动神经网络自适应规划控制系统的设计与仿真

将Hopfield神经网络应用于交流传动系统的自适应控制,通过神经网络来规划交流调速系统的速度控制器动态输出,使速度控制器对某些参数变化具有良好的鲁棒性.对于不可控的负载转矩,加入参数自动跟踪神经网络,构成具有参数在线跟踪功能的双神经网络自适应规划控制模式,进一步提高系统的性能.仿真结果表明,该系统具有良好的动态性能.     

应用人工神经网络求解边界层微分方程

打靶法是一种将常微分方程边值问题转化为初值问题求解的方法,分析和计算表明:打靶的过程可用优化算法实现.应用Hopfield人工神经网络算法求解了沿等壁温竖壁自然对流层流边界微分方程,与其他几种优化算法比较,其计算精度较高.应用解非线性方程的Newton法和拟Newton法求解该问题时,初值选择存在不可行区域,而优化算法对初值选择要求较低.