基于半定规划多用户检测问题的二次规划法

半定规划是解决极大似然多用户检测问题的一种重要方法,但当问题规模较大时,误码率较高。基于多用户检测问题的半定规划松弛模型,给出了一个二次规划松弛模型。该模型能得到比半定规划模型更好的界。根据这个模型,运用分枝定界方法,可以求得多用户检测问题的次优解。这种方法改善了用户多时半定规划方法误码率高的状况,是解决多用户检测问题的有效方法。仿真实验证实了这一点。     

空时分层结构码分多址系统的上行多用户检测

针对目前已提出的空时编码结构大多只研究单用户检测这一现状,研究了频率选择性信道下多输入多输出(MIMO)的多用户结构,并提出了一种采用V BLAST空时编码结构码分多址系统的多用户检测算法。基于发射符号的旋转不变特性和奇异值分解,得到了矢量信道冲激响应(VCIR)的盲估计,进而提出了上行信号的多用户检测器。该方法在满足系统对多用户检测性能期望的同时,还能很容易地对算法复杂度进行有效控制。仿真结果表明了该方法的有效性。     

空时复用多用户MIMO系统联合天线选择

在下行多用户MIMO通信系统中,用户间很难相互利用彼此间信息,用户间干扰消除必须在基站完成.又由于多用户MIMO系统的复杂结构,使得其链路成本极大增加.针对这些问题,提出一种低复杂度的预编码算法和相应的优化预处理算法,达到消除多用户干扰的目的,与传统线性预编码算法相比,所提算法可充分利用多用户系统容量,为用户提供较好的空间发射分集增益.同时,为了降低系统硬件成本,进一步给出一种基于误码率的发送端、接收端联合天线选择算法.所提天线选择算法可以取得与优化预处理算法相近的误码率性能,使得多用户通信系统性能与硬件成本间达到很好的折衷.仿真结果表明所提算法可以获得较好的性能,适用于实际的通信系统.     

一种片率增量SVM多用户检测器算法仿真研究

码分多址(CDMA)系统中的多用户检测(MUD)实质上是一盲信源分离问题,通过在上行链路接收端获取采样的混合信号,然后根据扩频码特征及波束形成算法进行初步预分离,进而将片率信号作为支持向量机(SVM)的训练信号,在SVM中将所有用户通过1-1模式构造多目标分类器,通过类增量学习方式进行目标信号分类,最终获取期望用户的检测值。文中最后给出了仿真结果及分析比较,验证了算法的可行性。     

基于FDM的多进制多用户DCSK

基于传统的多用户差分混沌移位键控(differential chaos shift keying,DCSK),本文提出一种新型的多进制多用户DCSK 混沌扩频通信方案。该方案在发送端将二进制码元转换为多进制码元,极大提高了二进制码元的传输速率,并利用频分复用实现多用户传输。接收端将所有用户参考信号合并作为新的参考信号,分别与各个用户进行相关解调。仿真结果表明,增加用户数可以有效改善多进制多用户DCSK系统的误码性能,该方案具有一定的实际应用价值。     

基于PARALIND模型的MIMO-CDMA盲多用户检测算法

提出了一种新的基于线性相关平行剖面模型（parallel profiles with linear dependencies, PARALIND）的MIMO-CDMA盲多用户检测算法。PARALIND模型的分解唯一性并结合通信信号的结构特征,算法在信道衰落和用户扩频码未知的情况下实现MIMO-CDMA信号的盲多用户检测。对恒模约束PARALIND模型的分解唯一性进行了讨论,并给出了唯一性定理。仿真结果表明,基于PARALIND模型的多用户检测算法具有良好的误符号率性能。算法在处理小数据块时同样有效。     

多业务CDMA通信系统联合功率控制

结合多用户检测技术,对于多业务CDMA移动通信系统的上行链路功率控制问题,提出了一种联合功率控制算法。考虑实际系统可能存在负载过重情况,按照业务优先级,逐步切除过载用户,以满足其他用户的QoS。对三类业务进行了仿真研究,表明所给出的联合功率控制算法比传统的功率控制算法节省用户的发射功率,可以支持更多的用户接入小区,增加系统容量。     

阻塞矩阵方法对消主瓣干扰

当存在主瓣干扰且有期望信号混入情况下,用常规自适应波束形成方法进行自适应干扰对消,不但会引起主瓣变形,而且期望信号也会被抑制,从而影响对消性能。提出一种新的阻塞矩阵方法,对接收数据进行预处理,消除它们对计算数据协方差阵的影响,再用其它方法确定自适应权值。理论分析和计算机仿真表明,用阻塞矩阵方法可以获得较大的性能提升。     

直接数据域的相位匹配回波检测

提出了一种利用相位匹配直接提取接收数据中的目标回波以进行主动声纳混响抑制、回波检测的新方法。该方法首先构造子阵化的直接数据域波束形成,得到期望信号方向的若干波束输出序列;然后利用序列中信号相位与目标方位的依从性,直接解算出回波序列;再通过设计对应的检测量进行目标检测。区别于传统相关接收和空时自适应处理(space-time adaptive processing, STAP)的方法,该方法无需考虑混响与信号的相关性和统计特性。通过试验分析,新方法较传统方法具备更好的检测性能。     

基于自适应卡尔曼滤波盲多用户检测的新算法

研究在稳态的码分多址(code-divisionmultiple-access,CDMA)系统存在很强的抗多址干扰时,使多用户检测中的最优判决向量的估计保持较高的数值鲁棒性的算法。采用一种新的自适应卡尔曼滤波多用户检测算法估计CDMA系统多用户接收器的最优判决向量,高性能盲自适应多用户检测算法。通过仿真实验,可以看出,该算法收敛速度快、跟踪性能好、数值稳定性好。仿真实验表明,提出的方法能够有效抑制阵发性多用户干扰,具有很强的抗多址(multipleaccessinterference,MAI)干扰能力和较高的数值鲁棒性。     

项目后评估中的粗集-神经网络建模与仿真

对粗集-神经网络理论进行了讨论,在神经网络基础上,提出粗集-神经网络项目评估方法,该方法利用粗糙集理论对数据样本进行数据浓缩,从给定学习样本数据中发现一组规则,提取规则作为神经网络的输入,该方法简化了神经网络的结构,提高训练效率,对我国农业工程项目后评估进行仿真,评价结果是合理的,具有较大的参考价值,在实际中有良好的应用前景。     

基于粒度矩阵的程度多粒度粗糙集粒度约简

多粒度是粗糙集理论中的一种有效的数据处理方法,粒度约简是获取信息系统简洁规则的前提。研究了程度乐(悲)观多粒度粗糙集粒度约简理论,改进了程度粗糙集的下近似定义,提出了程度多粒度粗糙集的粒度矩阵。基于粒度矩阵,研究了程度多粒度粗糙集下近似计算理论和粒度的必要性,提出程度乐观多粒度粗糙集核粒度的定义。针对程度乐(悲)观多粒度粗糙集,提出基于粒度矩阵的粒度约简方法。最后利用实例分析验证了所提粒度约简方法的正确性。     

基于粗糙集理论的多源信息融合故障诊断方法

在故障诊断中,从包含冗余和不一致信息的数据中获取简单有效的诊断决策规则是一个难题.首先,针对完备信息系统和不完备信息系统分剐提出了相应的融合算法,为解决数据超载以及不完整信息融合问题提供了有效的方法.其次,提出了基于粗糙集理论的多源信息融合故障诊断模型.该模型从包含冗余和不一致信息的原始数据出发,利用基于改进属性重要度的方法实现故障征兆属性约简;然后通过给出的值约简算法进一步产生最大广义决策规则集,建立了用于故障诊断的规则库.最后,在应用该模型进行故障诊断时,用待诊断实例的离散化了的故障征兆属性与规则库中的诊断决策规则进行匹配,对返回的诊断决策规则依据置信度、覆盖度和支持度进行综合评价,并得出诊断结论.给出的诊断实例验证了该方法的可行性和有效性.     

Method to determine α in rough set model based on connection degree

An improvement of tolerance relation is proposed in regard to rough set model based on connection degree by which reflexivity of relation can be assured without loss of information. Then, a method to determine optimal identity degree based on relative positive region is proposed so that the identity degree can be computed in an objective method without any preliminary or additional information about data, which is consistent with the notion of objectivity in rough set theory and data mining theory. Subsequently, an algorithm is proposed, and in two examples, the global optimum identity degree is found out. Finally, in regard to optimum connection degree, the method of rules extraction for connection degree rough set model baaed on generalization function is presented by which the rules extracted from a decision table are enumerated.     

协调优势粗糙集方法及其在UCAV目标威胁估计中的应用

针对一般粗糙集方法不能由有限数据给出完整决策规则的问题, 定义了正协调、负协调和混合协调决策信息系统, 研究了正协调系统的优势关系决策规则获取方法, 在此基础上提出了负协调和混合协调系统的优势关系决策规则获取方法, 形成了协调决策信息系统的优势粗糙集方法, 即协调优势粗糙集方法. 将该方法应用到无人战斗机目标威胁估计中, 建立了无人战斗机目标威胁估计决策信息系统, 分析了目标属性的偏好性, 给出了决策算法, 对算法的复杂度进行了分析, 并与 Greco优势粗糙集方法进行了比较. 结果表明: 该方法简单可行, 得到的确定性决策规则可以涵盖目标条件属性的所有取值, 有效地解决了决策规则的不完备性.     

一种T-S型粗糙模糊控制器的设计与仿真

提出了一种新型的粗糙模糊控制器的设计方法,该方法将粗糙逻辑与模糊推理结合起来,利用粗糙集寻求输入输出空间的最小规则集,通过对粗糙规则输出控制信息的补充,建立起T-S型粗糙模糊控制系统。此方法能有效地从输入输出数据中获取控制规则,同时能够解决规则数目随系统变量呈指数增长的“规则爆炸”问题。对变杆长倒立摆控制的仿真结果表明,该方法能够以较少的规则实现高精度、非线性控制。     

杂合灰色聚类与变精度粗糙模糊集的概率决策方法

在基于粗糙集理论或扩展粗糙集理论的不确定性管理决策中,仅由数据集无法获得决策表,同时决策属性呈现模糊性,以至于无法获取概率决策规则。鉴于此,本文构建了灰色定权聚类与粗糙集变精度的杂合模型,首先运用基于中心点三角白化权函数的灰色定权聚类方法对包含不同量纲指标的知识表示系统进行处理,生成多属性决策表,而后运用变精度粗糙模糊集进行决策分析,获取概率决策规则。最后以区域关键技术选择为例,表明该模型的可行性与实用性。     

基于主元分析及粗糙集的多变量决策树构造方法

为解决故障诊断中单一方法难于处理大规模、多变量数据信息的问题,提出了一种利用主元分析方法和粗糙集理论相结合的多变量决策树构造方法.该方法利用主元分析对历史数据进行降维、去噪处理,得到由主元变量组成的决策信息.通过粗糙集理论中核属性和相对泛化的概念对此决策信息进行属性选择和样本集划分,构造出多变量决策树,并建立诊断规则知识库.基于汽轮机发电机组的轴系振动故障分析的实例验证了此方法的正确性,与其他方法相比较具有规模小、诊断规则易于提取的特点.     

群决策中基于语言信息处理的一种粗糙集方法

针对一类具有语言判断矩阵形式偏好信息的群决策问题,提出了一种基于粗糙集的群决策方法.首先利用一小部分整体偏好信息构造一个成对比较表,然后根据优势粗糙集理论提取决策规则,最后定义一个评分函数对整个方案集进行排序和优选.该方法是一个先训练后决策的过程,特别适于大规模的方案优选问题.仿真实例表明了该方法的有效性和实用性.     

与特征选取和离散化集成的决策规则挖掘方法

利用粗糙集理论可以从已知数据中挖掘决策规则 .对于连续取值的特征属性必须先对其离散化 .从给定的特征属性集合中去除冗余的特征属性 ,选取有用的属性子集有助于简化决策规则 .我们利用基于信息熵的规则不确定性量度函数构造了一个决策规则挖掘的遗传算法 ,将规则挖掘与特征选取和连续属性的离散化集成在一起 .实验结果说明了这种方法的有效性.