基于线性分组码的自同步扰码盲识别

针对加扰前信息序列为线性分组码情况下的自同步扰码盲识别问题,提出了一种有效的解决方法. 首先,从理论上分析了线性分组码与随机序列游程特性的差异,得出了扰码序列正确抽取与错误抽取时输出序列的游程特性的区别;然后,通过遍历寻找抽取后序列的游程比值与随机序列游程比值的欧几里得距离的最大值方式实现了自同步扰码多项式的盲识别.仿真实验验证了理论分析的正确性,解决了0、1 均衡情况下的线性分组码自同步扰码盲识别问题,具有一定的工程应用价值.     

MIMO信号调制方式盲识别

提出一种基于盲信号分离的方法对MIMO信号进行调制识别. 该方法对接收信号的相关矩阵作奇异值分解,用于估算发射天线数目,并对信号进行白化. 采用特征值矩阵的联合近似对角化(joint approximate diagonalisation of eigen-matrices, JADE)算法对接收信号进行分离,恢复发送端信号. 通过分析信号的频谱特征,提出4 个新的特征参数,并结合四阶累积量实现对MIMO体制下6 种信号调制方式的识别. 识别过程中无需估计载波频率和符号率等参数,具有较强的实用性. 仿真结果表明文中提出的方法具有良好的性能.     

带线性等式约束的多元线性模型中线性预测的可容许性

研究了在矩阵损失下带线性等式约束条件的多元线性模型中条件线性可预测变量的可容许线性预测,并在齐次线性预测类中得到了条件线性可预测变量的一个线性预测是可容线性预测的若干充要条件.     

线性空间中矩阵方法的应用

通过举例说明线性空间中矩阵方法的应用.在解决线性空间及线性变换的某些问题时,利用矩阵方法可使问题化难为易.     

矩阵空间之间的秩的线性保持

设m,n是正整数,n≥2,F是包含至少三个元素的域.Mn(F)记F上所有n阶矩阵构成的线性空间,Sn(F)记F上所有n阶对称矩阵构成的线性空间.设V和W是Mn(F)的两个子空间.如果线性算子fV→W满足rankf(X)=rankX对于所有的X∈V成立,则称f是从V到W的秩的线性保持.证明了f是从Sn(F)到Mm(F)的秩的线性保持的充分必要条件是n≤m且存在非奇异矩阵U,V∈Mm(F)满足f(A)=U(A+0)V对于所有的A∈Sn(F)成立.由此,确定了所有的从Sn(F)到Sm(F)及从Mn(F)到Mm(F)的秩的线性保持的一般形式.     

保矩阵逆的线性映射

设F是一个域,令M_n(F)记F上n×n全矩阵空间,首先在chF≠2时,刻划了从M_n(F)到M_m(F)的保矩阵逆的线性映射,然后在chF=2时,从M_n(F)到M_n(F)的保矩阵逆的可逆线性映射又被刻划。     

线性混迭信号中独立源的盲提取

基于源信号统计独立的假设,提出一种基于四阶累积量的分离判据,由此得出一种可以顺序逐个盲提取独立源信号的ICA算法,算法中利用去冗余技术剔除先前已经提取的信号.计算机仿真结果表明算法的性能良好.     

环F_2+uF_2+u~2F_2上线性码的完全重量计数器

本文利用Hadamard变换,建立了环F_2+uF_2+u~2F_2上线性码的完全重量计数和对称重量计数的Mac Williams恒等式,推广了环F_2+uF_2+u~2F_2上线性码的Mac Williams的结论。     

域上对称矩阵空间上的保逆线性映射

设F是特征不为2或3的域,n和m是正整数,且n≤m.设Sn(F)为F上n阶对称矩阵空间,Mm(F)为F上m阶全矩阵空间,GLn(F)为F上n阶一般线性群.设f是从Sn(F)到Mm(F)上的线性映射,若f满足f(X)-1=f(X-1),X∈Sn(F)∩GLn(F),则称f为保逆线性映射,并将保逆线性映射的集合记为N-1(Sn(F),Mm(F)).分别刻画了从Sn(F)到Mm(F)和Sn(F)到Sm(F)上的线性映射.     

线性微分方程有界变差解的稳定性

利用矩阵函数的性质与Henstock积分,得出线性微分方程有界变差解稳定的几个充要条件.     

线性等重码格子复杂度的确定

研究了线性等重码的格子复杂度.利用维数/长度轮廓和广义Hamming重量知识,确定了线性等重码格子复杂度,改进了Y.Berger和Y.Be'ery(1993)的结果.     

Dembowski-Ostrom型完全非线性函数构造的线性码权分布

摘要：Dembowski-Ostrom型完全非线性函数是目前最主要的完全非线性函数类,已发现的完全非线性函数中只有一种不属于Dembowski-Ostrom型. 为此,该文首先给出Dembowski-Ostrom型完全非线性函数的定义,将已有的线性码构造推广到这一类型函数上. 进而给出此类函数构造的线性码的码字与有限域上非退化二次型之间的 关系,并得到相应二次型的原像分布的一些性质. 通过有限域上的二次型以及指数和理论,用统一的方法完全确定了基于所有Dembowski-Ostrom型完全非线性函数构造的两类线性码的权分布.     

基于SVM的直升机飞行状态识别

针对直升机飞行状态识别训练样本数据少而导致识别率不高的问题,提出一种基于支持向量机(support vector machine,SVM)的直升机飞行状态识别方法.首先利用限幅、去野点和均值滤波对飞行数据进行去噪,用最小二乘法对飞行数据进行直线拟合获取变化率,并根据线性相关性提取状态特征参数,以减少数据冗余;然后根据特征参数将飞行状态分为10小类,对每一小类进行SVM分类器设计以提高识别效率;最后利用训练样本训练每个SVM分类器,用训练好的SVM分类器识别直升机全起落飞行状态.通过某型直升机实飞数据进行飞行状态识别实验,并将所提出的方法与RBF神经网络法进行对比,所得结果表明该方法在小样本情况下的识别率有明显提高,可为直升机故障诊断和寿命预测提供依据.     

(Be-b)模型下的二行动线性决策问题的抽样信息期望值

二行动线性决策问题是一类常见而重要的决策问题．本文讨论了贝塔分布共轭于二项分布的决策模型下的二行动线性决策问题的抽样信息期望值的计算公式．