基于遗传算法的波束追踪和成型

介绍了遗传算法在波束追踪和成型中的应用,着重探讨了该方法在解决追踪连续移动信号的同时抑制固定强干扰的问题。提出了一种改进的二进制编码方法,该方法引入了若干参数用以控制解的精度和搜索空间。特别考虑了算法的收敛性和可靠性。仿真结果表明,该算法可以在跟踪快速移动信号的同时,有效地抑制一个固定强干扰。     

相关天线下基于波束成型多用户MIMO-OFDM系统子载波分配研究

针对波束成型多用户MIMO-OFDM系统,以优化系统性能为目标,给出一种在天线具有相关性条件下基于部分信道状态信息的子载波分配算法.该算法采用克罗内克(Kronecker)模型作为相关天线的信道模型,并用信道状态统计信息来描述该模型的传递过程,从而得到相应的子载波分配原则.实验结果表明:系统性能不仅与收发两端的天线数量有关,也与天线相关矩阵中的相关系数以及延时反馈参数有关.     

基于正交随机波束成型的多用户多波束选择策略

针对正交随机波束成型(ORBF)当系统用户少时性能下降严重的问题,提出一种基于ORBF的多用户多波束选择策略.其基本思想是针对ORBF选定的优化用户集再次反馈部分信道信息,使得在系统用户数较少时系统总速率得到有效提高,并对功率平均分配和自适应功率分配两种情况分别进行了分析.仿真结果表明,该策略在增加部分反馈信息和提高发射机复杂性的条件下,可极大地提高系统总速率.     

数字多波束逐点聚焦延时参数的压缩算法

针对数字多波束合成技术在超声成像领域应用中存在逐点聚焦延时参数的存储容量过大的问题,提出了一种四波束逐点聚焦延时参数的压缩存储与实时生成算法。首先将四波束的聚焦延时问题转换成单波束的聚焦延时问题,然后对转换后的单波束聚焦延时数据进行量化、压缩和存储。在聚焦时,将压缩存储的延时参数进行解压,实时生成四波束所需的延时参数。以8通道128阵元的平阵探头为例,对该算法进行了相关的数学推导和证明,并对其性能进行了分析讨论,验证了该算法的优越性。     

基于用户公平性的OFDMA业务分集资源调度算法

提出了一种基于用户公平性、适用于多用户传多业务的OFDMA移动通信系统的资源调度算法。该算法采用跨层设计方案,综合考虑MAC层业务的QoS要求和物理层的信道状态信息进行自适应资源调度,以实现提高系统容量和保证用户公平性之间的折中与优化。仿真结果表明,相对于未采用业务分集的方案,该文所提算法能够显著的提高系统容量;同时,相对于已有的基于容量最大化的算法,所提算法在保证用户公平性方面有明显的优势。     

基于虚源的延时乘累加波束形成算法

为了提高超声虚源次序波束形成的成像分辨率,提出一种基于虚源的延时乘累加波束形成算法,即VS-DMAS(delay multiply and sum beamforming based on virtual source)算法.该算法将DMAS的思想引入虚源次序波束形成的第二阶段,利用DMAS算法中相乘耦合运算的特点,充分考虑信号之间的相干性,以抑制低回声区域伪影的产生,提高超声成像的分辨率和对比度.对该算法进行了点目标仿体仿真以及实体数据成像实验.结果表明,相较于常规的聚焦方式,VS-DMAS算法具有更低的旁瓣和更窄的主瓣,能够更好地将点目标从背景噪声中分离出来,随着深度的增加,依然有着较高的成像分辨率.且随着算法中p值适当增大,成像分辨率和对比度均有一定的提升.     

基于多用户分集效应的相对比例公平调度算法

无线蜂窝网络目前所采用的机会调度算法在公平性方面存在缺陷。为解决该缺陷,该文提出了一种适用于无线数据网络的基于多用户分集效应的相对比例公平调度算法。不仅可以通过改变参数来调节系统吞吐量,保证系统性能;而且可以保证各用户之间的公平性,满足不同用户的服务质量要求。仿真实验表明,该算法可以在不同用户之间提供公平的服务,而且能兼顾系统吞吐量和用户服务质量的要求。     

一种新的循环平稳盲自适应波束形成方法

循环平稳在阵列信号处理中的应用可以改善传统阵列信号处理方法仅仅利用空域先验信息对阵列误差敏感的缺点。但目前大部分的应用都是基于信号的循环频率已知的前提下进行处理 ,而在盲信号处理中 ,这一前提常常是不满足的。因此有必要研究在感兴趣信号的循环频率未知情况下的循环平稳盲信号处理问题。在现有的循环频率已知的循环平稳盲自适应波束形成方法的基础上提出一种新的盲信号处理方法 ,新方法不需要预先知道信号的循环频率。仿真结果证明了这种方法的有效性     

基于加权因子的双重延时乘累加波束形成算法

针对超声成像中双重延时乘累加算法不适用于高噪声环境的问题,提出一种基于均值-标准差加权因子的双重延时乘累加算法,即RD-DMAS算法.该加权因子对解决高噪声带来的图像斑点问题具有显著效果,而双重延时乘累加波束形成算法能大幅提高超声成像分辨率,使所提算法能得到高分辨率和高对比度的重建图像.对该算法在点散射目标仿体、囊肿仿...     

基于最小误码率准则的快速自适应波束成型算法

 基于最小误码率（MBER）准则的自适应算法,其具有远远优越于传统的最小均方误差（MMSE）准则的性能,但其高复杂度限制了其在实际中的应用。在基于MBER准则的基础上,提出了一种快速自适应波束成型算法,在保证低复杂性的同时,快速收敛于最优MBER解。更重要的是,相对与传统MBER算法,新提出的算法能得到更加优越的波束图,使其更适用于时分双工（TDD）通信系统。     

基于分数时延的宽带自适应波束形成

对于宽带信号,基于移相的窄带波束形成方法会导致方向图波束指向的偏移和主波束畸变,并且无法有效地抑制宽带干扰。该文提出了基于数字时延加抽头延迟线(tapped delay line,TDL)结构的宽带自适应波束形成方法。该方法采用数字时延滤波单元补偿宽带信号在波束指向上的相位和包络偏移,并用基于TDL的空时二维滤波处理抑制宽带干扰。分析和实验结果表明,该方法可以有效地合成空间宽带波束并抑制宽带干扰,提高信干噪比(signal-to-in-terference-plus-noise ratio,SINR)增益。     

基于随机波束成形的多天线用户系统的容量研究

随机波束成形技术是一种有限反馈的线性预编码算法,当活跃用户足够多时,能够逼近多输入多输出系统的和容量上限。然而已有的随机波束成形算法主要关注于单天线用户系统。为了提高随机波束成形算法的普适性,提出一种针对多天线用户的随机波束成形算法。该算法首先通过随机波束成形对用户进行预选,然后利用量化合并技术将每个预选用户的多根天线合并成单天线后完成波束成形。仿真结果表明,当系统内多天线用户为实际数目时,本算法在系统和容量上优于现有随机波束成形算法。     

基于虚拟延迟矢量的核心无状态分组调度框架DVRS

现有提供确定性性能保证的核心无状态分组调度策略中,可扩展性的获得通常以中间节点的速率损失为代价,从而导致数据传输突发性的增强,降低了网络资源的利用率。为了减少速率损失,提出一个核心无状态调度框架DVRS(de lay vector reference system),通过运用虚拟延迟矢量技术,在保证端到端延迟上限与V irtua lC lock算法相同的同时,将核心无状态算法的基本速率保证能力从现在的首尾点精确保证提高到逐点精确保证;并利用局部平均法满足用户对处理开销与带宽保证精度的不同需求;另外,由于核心节点操作的相似性,DVRS类算法具有较好的配置渐进性。     

联合随机波束成形与迫零预编码的多波束选择

随机波束成形(RBF)在系统用户足够多时,具有与最优预编码方案相同的容量尺度,当系统用户少时,性能却下降严重。针对该问题,提出了联合RBF和迫零波束成形(ZFBF)的广播信道预编码方案。该方案利用RBF实现用户的初步调度,然后要求初选用户附加反馈量化的信道方向信息(CDI)和信道质量信息(CQI),在基站根据CDI和CQI反馈完成最终波束选择和ZFBF预编码。仿真结果表明,所提出的预编码方案,与现有的增强型RBF相比,在基本不增加上行链路反馈量的前提下,可明显提高系统和容量。     

基于随机机器故障的柔性作业车间动态调度

为了有效快速地应对生产过程中出现的随机机器故障,构建了一个故障机器可恢复的动态柔性作业车间调度模型,采用事件和周期混合驱动的方式,设计了一个组合重调度策略.在组合重调度策略中,将改进的二叉树右移重调度与完全重调度进行组合,引入序位偏差和完工时间偏差为重调度评价指标,对重调度方法进行选择,并且在精英选择遗传算法(elite selection genetic algo-rithm,ESGA)基础上,对精英选择策略进行改进,以防止陷入局部最优.试验算例仿真结果表明,动态调度算法对随机机器故障下的柔性作业车间动态调度是有效的.     

随机条件下基于存贮论的海运空箱调运仿真研究

基于存贮理论的思想,提出在港口设置阈值(D,U),即当港口空箱数量小于D时,调运空箱到港口直至达到D值;当港口空箱数量大于U时,把港口多余空箱装船运走。并以一条航线空箱总成本为目标函数,分别建立设置与未设置(D,U)值的成本计算模型,比较两种策略下模型的差异,并通过仿真的方法,计算出航程的总成本并进行比较,得出设置(D,U)值的优势并对设置值进行灵敏度分析。运算结果表明,设置(D,U)值的策略能够明显降低航线成本。     

应用加权公平队列的动态QoS调度架构性能分析

基于星型的网络拓扑,讨论了一种基于加权公平队列的中央节点网络带宽分配算法的性能.重点研究了延迟(即用户节点发送请求,到中央节点实际分配之间的时间差)与公平队列参数的相互关系,并由这些参数导出了平均情况下延迟的上界和下界.研究结果表明:该延迟不但有界,而且与该算法中的参数关系紧密.相对于最大延迟,平均延迟更能反映网络的平均运行情况.     

SVM自适应波束成形

支持向量机(Support Vector Machine,SVM)是机器学习领域的最新成果,它有较强的泛化能力,收敛快以及低复杂度等优点.本文通过对训练样本进行数据格式的转化,继而转化为libsvm和lssvm分类所要求的数据格式.然后在上行波束成形中使用SVM算法,提高空域滤波的分辨率,仿真结果显示:与LMS(LeastMean Squares,最小均方值,又叫随机梯度下降法)、MMSE(Minimum Mean-Square Error,最小均方误差)经典算法相比,误码率有了明显改善.     

基于静态优先级的ATM网延迟算法

利用到达和服务与时间的反函数,获得了一种计算与ATM交换连接的最坏情况延迟的直接算法.在借鉴经典的强实时系统静态优先级调度理论的基础上,通过引入分区算法来计算ATM交换的延迟,在指定的时限内传送完所有的信息.仿真实验结果表明,基于静态优先级的分区算法明显优于直接算法,ATM交换网连接的允许可能性平均提高10%.