RS_Turbo级联码的性能仿真分析

为了利用RS码在高信噪比时的性能优势和Turbo码在低信噪比时的性能优势,从而进一步提高系统的抗误码性能,将RS码和Turbo码串行级联,并搭建了级联OFDM的WiMax系统进行仿真验证。高阶调制的解调采用最大对数似然比软解调算法,分析了级联码在不同调制模式下基于高斯白噪声和衰落信道的误码性能。仿真结果表明,该系统相对于RS码与卷积码的级联系统有2-3dB的编码增益,而且降低了Turbo码的迭代次数,克服了误码平台现象,达到降低系统复杂度和延时要求。     

卫星导航接收机抗欺骗干扰极大似然检测性能分析

欺骗干扰给卫星导航接收机带来巨大威胁,而现有的文献均把欺骗干扰识别作为抗欺骗干扰的主要研究方向,而涉及欺骗干扰抑制方面的文献很少.本文针对卫星导航接收机抗产生式欺骗干扰问题,根据接收机具有不同干扰先验信息的3种情形,分别提出并证明了3个命题.这些命题给出了极大似然检测器在干扰背景下对真实卫星数据的检测性能界.命题表明,在具备干扰信道先验信息时,极大似然检测器具有良好的抗产生式欺骗干扰性能.仿真实验验证了理论分析的正确性和有效性.     

复合高斯杂波中知识辅助检测器的先验信息感知方法

利用先验信息可以提高雷达目标的探测能力,若先验信息与当前探测环境不匹配,知识辅助检测器的性能会受到影响.本文针对Bayes框架下的复合高斯杂波中的知识辅助检测器,提出了杂波纹理分量先验分布参数的感知方法.首先阐述了知识辅助检测器先验信息感知的一般方法.然后针对基于杂波纹理分量先验信息的知识辅助检测器结构,建立了先验模型参数失配与知识辅助检测器检测性能之间的量化关系.进一步利用知识辅助检测器对当前杂波场景进行探测,获得检验统计量和虚警率测量值,从而构造纹理分量分布参数的约束关系.通过分析多个约束关系的交点,获得杂波纹理分量先验分布参数的感知值.计算机仿真分析了这种感知方法的可行性,并利用实测杂波数据对感知方法进行了验证.通过知识辅助检测器检测性能对比分析,采用感知方法获得的先验信息模型参数能够进一步提高检测器的性能.     

MIMO-OFDM系统中基于变分Bayes EM算法的联合符号检测与鲁棒Kalman信道跟踪

基于变分Bayes期望最大化VBEM(variational Bsayes expectation maximization)算法和Turbo原理,提出了快时变信道条件下MIMO-OFDM系统中的联合符号检测与信道估计算法.在VBEM框架下,信号检测和信道估计分别由修正的列表球形译码算法和软输入Kalman算法完成,检测器和估计器分别考虑了信道和检测信号的估计误差协方差矩阵.当信道时变剧烈时,存在较大检测误差的数据在软输入Kalman算法中引入异常值(outliers),由于Kalman算法对于异常值的敏感性,系统会在错误传播的影响下出现误码平台.为削弱异常值的影响,利用鲁棒统计理论设计了VBEM框架下改进的鲁棒软输入Kalman算法,该算法能在出现异常值的条件下保持较好的信道跟踪能力.仿真结果表明:在快速时变多径信道条件下,文中设计的鲁棒VBEM算法优于传统的VBEM算法和EM算法.     

QAM调制下的多进制Turbo码

提出了一种多进制Ｔｕｒｂｏ码的概念，并在此基础上给出了一种新的译码算法，在ＱＡＭ调制的情况下，该算法避免了二进制码所需的信息分离过程所造成的信息损失，因此具有更好的性能，该算法的并行运算特征使其可获得更高的译码速度，另外还提出了一种如何降低平均迭代次数的方法。     

高分辨雷达扩展目标检测算法研究

针对高分辨雷达扩展目标检测问题,本文建立了高分辨雷达回波模型,推导了在目标信息完全已知的理想条件下的最优检测器形式,给出了检测算法的性能上界.讨论了广义似然比检验在目标信息不同程度缺失情况下的检测器形式,给出了可实现检测器的检测性能上界.基于广义似然比检验,提出了一种基于散射点个数估计的双门限检测器.仿真表明该方法检测性能优于现有检测方法.     

具有等式约束的滑动多项式建模方法

滑动多项式是广泛应用的动态系统建模方法,如何有效利用先验信息(也称为附加信息或约束信息)是改善多项式模型性能的有效途径.鉴于可转变成等式约束条件的附加信息的广泛应用,提出了带等式约束项的滑动多项式的两阶段建模方法.在理论分析的基础上,以空间目标跟踪为例,进行了算法的数值验证.该方法只需在原无约束模型的迭代格式上增加一个修正步骤,实现简单,且具有良好的可观测性、收敛性、估计精度和计算效率.文中的模型并未针对特定系统,稍加调整,可直接应用于一般非线性系统的状态建模.此外,这里的性能分析方法对其他建模方法的性能预测也同样具有参考价值.     

毫米波宽带太阳射电观测系统的信号平坦度补偿方法

在太阳射电观测系统中,接收机作为核心部分将天线接收到的太阳射电信号进行放大、滤波、数字化处理等操作后生成射电频谱.但接收机内部各种器件的幅频特性不一致性将导致接收机输出信号失真,这种失真在宽带信号时更加严重,使系统输出信号平坦度变差,进而影响观测系统数据的准确性.通过分析,信号不平坦主要来源于系统固定增益的不平坦度及随...     

基于HMM-ANN的咳嗽音识别

通过将ANN(人工神经网络)改进应用到HMM(隐马尔科夫模型),使用Mel频率倒谱系数(MFCC)+帧能量+MFCC一阶差分,二阶差分的结构提取咳嗽音特征参数,HMM输出的所有状态累积概率作为ANN的输入序列进行非线性映射,进而提取新的信息来提高HMM的识别性能.实验证明,利用HMM-ANN混和模型来处理咳嗽声识别具有更高的识别精度和可靠性.     

基于时空图注意力模型的动态软测量建模方法

近年来深度学习由于其特征提取和非线性拟合等方面的优势,在软测量建模中得到了广泛的研究.而深度学习模型是一种黑箱模型,其预测结果难以解释,而且很难将关于过程的先验知识引入模型,这些缺点阻碍了它在实际工业过程中的应用.另外,工业过程数据是具有高度非线性和动态性的时间序列,其本质上反映的是过程随机变量随时间不断变化的趋势,其包含了重要的流程信息,因此在软测量建模过程中引入过程的动态信息是十分必要的.本文提出了一种时空图注意力模型(temporal-spatial graph attention networks, TSGAT),并将其应用在复杂动态工业过程的软测量建模.该方法通过给定变量间结构图来为模型引入先验知识,利用图注意力网络构建变量间的显式的非线性关系,并利用图注意力网络信息聚合的能力对每个时间步的数据完成图上的特征提取,再使用长短期记忆人工神经网络提取时序特征,进而完成对质量变量的预测.为了验证所提方法的有效性和优越性,将该方法应用在实际工业案例合成氨过程中的高低温转换器单元一氧化碳含量的软测量建模,实验结果表明,该模型不仅能够引入先验知识,而且具有较高的预测精度.     

基于证据推理的故障预报模型

为处理存在定量与定性不确定性信息的非线性复杂系统故障预报问题,建立了基于证据推理(evidential reasoning,ER)的故障预报模型,提出了ER预测模型的参数优化方法.该模型利用ER算法可以处理精确数据、不完整数据、模糊数据的能力,及其非线性融合的特性,对模型的输入信号,通过信息变换技术转化到信度结构框架下,应用解析ER算法对输入信息融合,根据输出数据的类型,构造相应的预测输出,给出了故障识别方法.针对ER预测模型参数难以精确的主观确定的困难,建立了非线性优化模型,对模型参数进行优化学习,获取最优模型参数.通过实验对ER预测模型的性能进行了分析,结果表明,建立的预测模型和参数优化模型可以有效的处理故障预报问题.     

用于光通信与互连、集成差分光电探测器的标准CMOS全差分跨阻放大器

基于标准CMOS技术,提出和研究了一种用于光通信与光互连、集成差分光电探测器的全差分跨阻放大器(TIA).为实现全差分特性,提出了一种新型全差分光电探测器,其作用是将入射光信号转换成一对全差分光生电流信号,并保证电路结构和模型的全差分对称性.理论分析和仿真结果均表明:与常规的、集成光电探测器的差分跨阻放大器相比,该全差分跨阻放大器的带宽更高,灵敏度也同时被提高一倍.基于该集成差分光电探测器的全差分跨阻放大器,采用特许3.3V,0.35μm标准CMOS工艺设计和制造了一种单片全差分光电集成接收机.其跨阻增益为98.75dBΩ,从1Hz至-3dB频率点间的等效输入积分噪声电流为0.334μA.该光接收机采用了单一的3.3V电源;跨阻放大器与限幅放大器的总功耗为100mW;50Ω输出缓冲器的功耗为138mW.对于850nm的入射光、-12.2dBm的峰峰光功率和231–1位伪随机二进制序列输入信号,该光接收机达到了1.1GHz的3dB带宽和1.6Gbit/s的数据率.     

串行级联CPM的一种简化状态SISO迭代译码算法

对串行级联CPM系统进行分析，提出一种简化状态软输入软输出APP算法．它基于状态分集的RSSD思想，与其他简化状态SISO算法相比，具有更为一般的形式．该算法能够成倍地减少状态数目，简化运算复杂度，并且利用判决反馈减小简化状态网格的Euclid距离损失．分析与仿真结果表明对于SCCPM系统，合适的简化方案可以带来较小的性能损失。     

面向单向输入力的柔顺正交位移放大机构拓扑构型设计

<正>交位移放大机构用以输出且放大垂直于输入力方向的位移,其构型常采用典型的桥式结构.但是桥式放大机构要实现正交位移转换必须输入双向对称力,否则输出端会产生寄生位移.针对此问题,采用连续体结构拓扑优化技术寻找新构型的柔顺位移放大机构,使之在单向输入力条件下,依然可以实现正交位移转换.基于固体各向同性材料惩罚模型(SIMP)拓扑描述方法,以输出位移与输入位移比最大化作为目标函数,以相对寄生位移,即输出端寄生位移与输出位移之比作为其中一个约束函数,建立了面向单向输入力的柔顺正交位移放大机构的拓扑优化数学模型.采用伴随法详细推导了目标函数和约束函数的敏度信息,并采用移动渐近线算法(MMA)进行了优化问题的求解.通过数值算例,给出了正交位移放大机构的拓扑优化结果,并探讨了弹簧刚度对拓扑优化结果的影响.最后,通过有限元仿真和实验,研究了拓扑优化得到的新型正交位移放大机构和桥式位移放大机构的相对寄生位移.仿真和实验都验证了所提方法的正确性和有效性.     

气体开关管稳态击穿特性的仿真研究

TR管在带内保护性能良好,而在带外其泄漏却大大增加。这一现象可能为高功率微波对雷达前端的攻击提供了新的机会,也对雷达的保护提出了新的挑战,本文在此基础上介绍了雷达接收机用气体开关管（TR管）结构和工作击穿机理。在输入连续波和单脉冲情况下,理论近似计算了TR管击穿场强和响应时间,给出了相应的表达式。另外通过仿真软件MAGIC,分析了TR管在输入连续波功率下的泄漏功率。     

基于遗传算法的Cu-Cr-Zr合金形变热处理工艺优化

形变热处理工艺是提高铜合金引线框架性能的有效方法. 利用神经网络和遗传算法优化Cu-Cr-Zr合金的形变热处理工艺参数. 神经网络的输入参数为轧制变形量、时效温度和时效时间, 输出参数是导电率和硬度. 在神经网络训练的基础上, 采用遗传算法优化ANN的输入参数. 神经网络和遗传算法的组合建模获得了良好的泛化性能和优化结果.     

多天线放大转发中继系统基于MMSE的重传预编码设计

针对多天线放大转发中继系统,本文提出了一种基于MMSE的新的重传预编码方案,把重传预编码设计问题分解成两个子问题:离散的信道配对和连续的联合源、中继功率分配问题.最优的信道配对需要遍历所有信道配对方式,对于每一种配对方式,联合源、中继功率分配问题是一个多参数非凸的优化问题,本文提出了一种获得该问题最优解的算法和一种次优迭代功率分配算法,此种通过遍历信道配对获得最优重传预编码的方案计算复杂度较高.本文证明了在一跳信道信噪比趋于无穷时,最优的信道配对是使之前的子信道增益和当前另一跳信道奇异值大小排列顺序相反,进而提出了一种简化的信道配对方法.仿真结果表明,简化的信道配对和迭代功率分配算法性能均接近最优.本文所提出的重传预编码与已有的预编码相比,能获得明显性能提升.     

使用三层神经元网络的先验信息新学习方法

提出一种使用三层神经元网络的先验信息的新学习方法. 通常, 当神经元网络被用于函数逼近时, 没有考虑权之间的关系而独立地学习, 这样, 学习的结果往往不理想. 其原因是在学习中权是相互影响的. 为了克服这一问题, 首先, 给出了一些有关权的先验信息, 然后基于此提出部分权学习和其余权由精确数学方程计算的新学习方法. 这方法在权的学习中几乎保持精确数学结构. 另外, 使用不等式先验信息的学习方法也被提出了. 无论使用不等式还是等式先验信息的学习, 因网络权的自由度被限制而加快了学习速度并保证误差较小. 数值仿真的结果支持提出方法.     

基于Bagging神经网络集成的燃料电池性能预测方法

利用三维质子交换膜燃料电池数学模型模拟研究了电池流道进、出口高度对电池性能的影响,然后将数值模拟结果作为神经网络模型的训练数据.以流道进、出口高度和电池电压值作为输入变量,以电池电流密度作为输出变量,建立了3层反向传播神经网络模型;然后利用Bagging集成学习方法对神经网络模型进行集成,构建了燃料电池性能预测方法.研究发现:与单一神经网络模型相比, Bagging神经网络集成模型预测精度更高,且所需模型训练数据量更少.此外对于超出训练数据以外的情形, Bagging神经网络集成模型仍然能够准确地预测燃料电池的性能,且精度良好,表明Bagging神经网络集成模型的鲁棒性较好,可用于更宽工况范围内燃料电池性能的快速预测.     

模糊控制方法在黏性流场迭代计算中的应用

在用SIMPLER算法求解黏性流场的过程中, 采用了模糊控制方法改变亚松弛因子的大小, 显著地加快了收敛速度. 进行数值计算时, 将相邻两次迭代中动量方程或能量方程残差范数的比值作为控制输入量, 经过模糊化、模糊推理和解模糊, 输出亚松弛因子的变化率, 并以新的亚松弛因子进行下一次迭代. 对4个二维有基准解的层流的流动和传热问题使用该方法求解, 都在几乎是最少迭代次数下获得了收敛的结果, 证明了该方法的有效性.