一种基于次元分析技术的鲁棒波束形成算法

针对实际应用中先验知识存在偏差的问题,基于权向量长度恒定的常规线性约束波束形成算法,提出一种权向量长度恒定的最差情况性能优化波束形成算法.分析了神经次元分析(MCA)学习规则与该波束形成优化问题在数学描述上的相似性,利用神经MCA学习规则实现鲁棒自适应波束形成.仿真结果表明,与基于线性约束的波束形成算法相比,该算法具有更强的信号跟踪能力和干扰抑制能力,并且对信号方向向量的偏差具有更强的鲁棒性.     

OFDM系统下基于MBER准则的自适应波束形成器

宽带无线通信系统采用正交频分复用(OFDM)调制和智能天线技术来克服限制系统容量的符号间干扰(ISI)和同信道干扰(CCI).在OFDM调制技术下,针对数字通信系统传输中最主要的性能参数之一误比特率(BER),研究了基于最小误比特率(MBER)准则的自适应波束形成器.与现有的基于最小均方误差(MMSE)准则的波束形成器相比,MBER自适应波束形成器直接最小化OFDM系统的BER,保证了信号传输的有效性,提高了系统性能.仿真实验表明,基于MBER准则的自适应波束形成器比基于MMSE准则的波束形成器能更好地接收期望用户的信号,系统的BER更低.     

基于复合权的多用户STC联合波束形成技术

为克服基于特征值分解（EVD）的空时编码（STC）联合波束形成技术在多用户干扰系统中性能的恶化，该文提出了1种卷积复合权结构，将发射波束等效为2个分别具有不同功能的子波束的相乘叠加，实现空时编码在空间分集上的技术优势与波束形成在加强期望信号和干扰抑制特性的最优组合，在获得空时编码空间分集增益与波束形成的阵列增益同时，实现对其它用户干扰的零陷抑制。仿真结果表明，基于复合权的联合空时编码与波束形成方案与传统基于特征值分解的联合方案相比，系统可靠性和系统容量都有显著的提高。     

雷达全DBF技术优点分析

数字波束形成技术是现代天线技术发展中比较突出的一个技术领域,通常人们认为数字波束形成技术只适用于接收模式,随着直接数字综合技术的发展,数字波束形成技术同样可用于发射模式。本文通过分析该技术的优点,可使其更广泛地应用于雷达领域。     

统一扩频测控系统接收信号处理技术

统一扩频测控体制的多飞行器测控系统应用自适应天线数字多波束形成 技术对目标实施跟踪和测控。采用恒模降列和自适应信号对消器估计出各个信号的波达方向（DOA），应用最小干扰噪声功率判据获得最优加权向量。为了提高天线系统的处理增益，用最优加权向量形成波束，有效地消除多址干扰的影响。波束形成处理器得到的相对相位偏移向量用于上行遥控信号分时发送时，形成对指定目标的高增益波束。对恒模阵列和自适应信号对消器估计获得的导向向量用于数字多波束形成的性能进行了仿真研究。     

频域宽带波束形成算法

宽带线性调频信号应用于相控阵雷达系统时,需采用宽带波束形成处理抑制宽带干扰.宽带波束形成会对线性调频信号的脉压结果造成影响,该文提出一种频域宽带波束形成算法,对数据先做快速Fourier变换再分频率柜进行宽带波束形成,在保证脉压处理性能的同时控制了运算量.该算法的运算量只有滑窗方法的10%左右.仿真结果表明: 该算法能有效地进行宽带波束形成抑制宽带干扰、保证脉压结果的性能.该算法更适合实时性要求高的相控阵雷达应用中.     

四元数域主特征空间投影鲁棒自适应波束形成

针对常规四元数域波束形成器在模型误差条件下的性能退化问题,提出基于拉伸三极子双平行阵列的四元数域主特征空间投影鲁棒自适应波束形成方法.相比现有四元数域最劣态最优化鲁棒波束形成器,该方法无需求解具有高计算复杂度的凸优化问题,且不涉及用户参数的优化设置,更易于实现.仿真结果表明,所提出的波束形成器可有效克服信号相消问题,能够以较低的计算成本获取优于四元数域最劣态最优化鲁棒自适应波束形成器的性能,且其优势在高信噪比和短快拍条件下尤为显著.      

基于FPGA的SLC-LSCMA算法的波束形成器的设计与实现

 以SLC-LSCMA算法为基础,利用该算法的高稳定性和快速收敛的特性,设计实现了一个16元均匀圆阵的波束形成器;该波束形成器利用复数乘法器和累加器实现复输入信号和复加权因子的相乘和累加,与传统算法准则设计的波束形成器相比具有消耗硬件资源少、运算速度快等特点.该波束形成器采用硬件描述语言Verilog HDL设计,利用Quartus Ⅱ 8.0进行了综合和布线,最终以Altera公司的EP2C35F672C6芯片为下载目标,其时序仿真可稳定工作在50MHz的时钟频率下.本设计可广泛应用于移动通信和卫星通信领域.     

单波束形成级联信道均衡的OFDM自适应阵列接收

研究了用于正交频分多路复用自适应阵列接收的低复杂度、次最优频域处理技术,提出了一种新的子载波分组级联信道估计与均衡的两级阵列接收信号处理方案.该方法在子载波分组波束形成信号处理后,级联了波束形成后信道估计与均衡处理,通过减少子载波分组数目以大幅降低计算复杂度,增加低复杂度的波束形成后均衡处理来维持或提高性能,取得了系统性能与计算复杂度之比的提高,并且在频率选择性信道通信环境下,具有更鲁棒的性能.     

基于压缩感知的频率不变波束旁瓣水平优化方法

频率不变波束形成技术属于恒定束宽波束形成,能解决宽带信号中不同频率分量对应的波束响应不一致的问题.针对现有的一类将恒定主瓣宽度作为约束条件的频率不变波束形成方法,当阵元个数确定以后,形成的波束旁瓣水平往往达不到实际需求的问题,借助压缩感知理论,提出了一种改善波束旁瓣水平的新方法.提出的方法引入压缩感知理论(compressed sensing,CS)进行信号的预处理,并利用二阶锥规划(second order cone programming,SOCP)进行频率不变波束形成.由于压缩感知的恢复算法可以对压缩采样矩阵采集的信号进行精确重构,从而达到以更少的阵元获得相同的波束形成器性能.换言之,在相同的阵元个数条件下,通过阵列虚拟扩展增大了阵列的孔径,提出的方法比基于SOCP的频率不变波束形成方法有更低的旁瓣水平,仿真结果也表明了该方法的有效性,在相关的工程实践中具有一定的参考价值.     

主(小)成分分析的实时算法

在图像处理、通讯技术等信息处理领域中,主成分分析(PCA)和小成分分析(MCA)是很常用的一种方法.给出能同时得到主成分分析或小成分分析所要求的特征值和特征向量的实时算法.     

Application of Decomposition and Denoising of Gearbox Signal Based on Morphological Component Analysis

Morphological component analysis( MCA) is a signal separation method based on signal morphological diversity and sparse representation. MCA can extract the signal components of different morphologies by different dictionary combinations. Firstly,the theory of MCA was analyzed with sparse representation principle and relaxation criterion. Then detailed steps of block coordinate relaxation( BCR) were given. Finally,algorithm performance was verified by simulation signals analysis, MCA was applied to decomposing and denoising gearbox signals, and the fault parameters were extracted by energy operator demodulation envelop of morphological component.     

5G网络中基于波束成形和休眠机制的能量优化策略

为提高频谱利用率,5G毫米波通信采用的波束成形技术会对当前的不连续接收(discontinuous reception,DRX)机制产生不利的影响。提出一个基于信道质量提示(channel quality indication,CQI)反馈的不连续接收机制(C DRX),波束成形只在必要的时候进行。在此基础上,通过优化波速成形策略进一步降低波束成形时间,达到节省能量和降低时延的目的。采用半马尔科夫过程对波束失准事件下C-DRX的建模分析,仿真分析验证了所提方案的能量和时延的有效性。     

一种用于独立分量分析的准最大期望算法研究

对于给定的独立分量分析（ICA）的对比函数,提出了一种准最大期望学习算法及其迭代方法,这个算法研究了在批处理方法下寻找最优解,并用类似于证明EM算法收敛的辅助函数证明了该算法的收敛性.计算机仿真表明,该算法比Past-ICA算法鲁棒性好.     

时变系统的迭代学习控制

针对参数未确知时变系统，提出了一种新的迭代学习控制律。在新控制律中，除了引入前次学习过程误差信息外，还引入了当前学习过程误差信息。从理论上证明了新控制律的收敛性。对离散时变系统和连续时变系统的两个实例进行了仿真研究。理论分析和实例研究结果表明，所提出的新控制律具有较高的学习速度和对初始误差良好的鲁棒性。     

指标综合值评估法在教师专业素质评价中的应用

由于评估中各项指标的权重差距很大,单纯地用主成分分析法无法得出符合实际的评价结果,本文提出了一种新的指标综合值评估法,将主成分分析法与层次分析法进行了综合运用。采取了“双重权”的处理方法,将原始数据直接代入计算,避免了模糊处理过程中由于主观因素所带来的误差。此评估方法应用于教师专业素质评价中,得出了满意的评价结果。     

基于主成份分析的Bagging集成学习方法

机器学习中数据集的冗余特征会影响学习器的泛化能力，一些流行方法如支持向量机和集成学习也难免于此．研究了利用主成份分析进行特征变换对Bagging集成学习算法的影响，提出一种称为PCA—Bagging的算法，并与其它算法比如单个支持向量机、支持向量机Bagging集成、带有特征变换的单个支持向量机等进行了性能比较．在多个UCI标准数据集上的实验表明PCA—Bagging算法具有更好的性能，这说明即使是泛化能力很强的集成学习方法其学习的数据也需要进行适当的特征变换。     

彩色分量流形特征融合的人脸识别

对人脸图像RGB彩色空间三分量的非线性流形嵌入进行了分析,提出一种结合了流形学习技术和图像彩色信息的人脸识别方法。 该方法对人脸图像的彩色三分量分别采用局部线性嵌入（LLE）方法进行特征提取,提取的特征进行归一化处理和特征融合,采用线性判别分析（LDA）增加分类判别性,最后采用k最近邻法（kNN）进行分类。 该方法中提取的特征,能够保持人脸图像数据的非线性结构,同时利用了人脸图像的彩色信息。 对比实验结果表明,利用了彩色信息的三分量流形学习特征融合方法,比Fisherface特征灰度图像和单个彩色分量的人脸识别性能有所改善。      

协作机会波束成形门限算法及性能界分析

节点参加协作波束成形会增加复杂度和能耗,因而中继处理方法和协作区域的选择对整个协作网络非常重要.协作机会波束成形算法,仅选择部分节点发送信号使得目的节点接收信号近似相干叠加,降低了实现复杂度,但最优节点选择矢量的计算复杂度随中继节点数呈指数增加.为了降低计算复杂度,提出了协作机会波束成形的门限算法,并讨论了最优协作区域的大小.理论分析表明,目的节点接收信噪比随节点密度线性增加,且最优协作区域仅覆盖源节点周边有限区域.