基于人工噪声多用户MIMO系统的窃密算法

人工噪声是一种保障无线通信系统物理层安全的有效策略。现有针对基于人工噪声保密系统的窃密算法仅适用于单用户多输入单输出系统,该文针对这一问题,提出了两种适用于多用户多输入多输出(multi-input multi-output,MIMO)系统的窃密算法。首先通过基于人工噪声的多用户MIMO系统模型与盲源分离线性混合模型的比对,提出了基于盲源分离理论的窃密思路,其次通过改进两种盲源分离算法中的分离矩阵以及选择的非线性函数结构,消除了原始算法估计秘密源信号出现的相位模糊性,同时对每一步迭代中的分离矩阵进行归一化,避免了幅度的不确定性。仿真结果表明,所提两种方法在有效窃密的同时具有较低的计算复杂度,另外,当窃听天线数目越多时,窃密效果越好。     

SIMO系统辅助变量最小二乘盲辨识方法

辅助变量辨识方法是一类重要的辨识方法,然而对于盲辨识,系统输入未知,辅助矩阵的选择就成了难题。针对盲辨识领域研究最多的单输入多输出(SIMO)系统,利用辅助变量方法研究相应的盲辨识方法,其基本思想是联立其中两个子系统进行辨识,利用其他子系统的输出来构造辅助矩阵,从而提出了辅助变量最小二乘盲辨识方法,来获得系统参数估计。还给出所提算法的递推形式,并进行了收敛性分析。仿真例子验证了所提方法的有效性。     

利用高阶累积量的盲多输入多输出系统辨识

针对多输入多输出线性系统(FIR MIMO)的盲辨识问题,提出了一个线性的基于方程误差的高阶累积量(HOS)算法的改进算法。该算法利用一组输出信号的四阶累积量矩阵的零空间,把一个未知多输入多输出(MIMO)信道的冲激响应辨识成一个常的单项矩阵。对于信道长度一致的不同用户的MIMO系统来说,算法只需要很弱的辨识条件。和原算法相比,改进算法充分利用了输出信号的累积量矩阵固有结构,从而提高了算法的估计性能。计算机仿真验证了算法的有效性。     

基于线谱频率点的一种频域盲分离方法

研究了卷积混合信号的频率域盲分离问题,为解决不同频率点分离输出信号的次序与幅度模糊性对信号分离造成的不利影响,利用高阶累积量谱线增强技术确定特殊频率点,提出了一种基于少数线谱频率点的频域盲分离方法,并提出多频率点间盲分离信号强相似的次序调整准则和幅度规范化。该方法既能有效分离独立源信号,又能节省运算时间,有利于实时信号分离恢复。使用语音信号和实录舰船辐射水声信号对算法进行了仿真检验,结果表明该方法分离效果较好。     

基于卷积神经网络的串行空时分组码盲识别算法

针对多输入单输出(multiple input single output, MISO)系统中的空时分组码(space-time block code, STBC)盲识别问题, 提出了一种基于卷积神经网络(convolutional neural network, CNN)的串行STBC识别方法。首先, 结合STBC识别问题提出了基本CNN (CNN basic, CNN-B)框架; 然后在分析STBC相关性的基础上, 针对空间复用和Alamouti信号混叠问题, 设计了基于相关性的CNN (CNN based on correlation, CNN-BC)模型; 最后将STBC数据集输入到网络模型中, 完成网络的训练和识别测试。仿真结果表明, 相比于基于特征提取的传统算法, 该方法将可识别的STBC扩展到了6种, 并且在低信噪比下的识别准确率更高, 识别过程可控制在微秒级别, 具有较高的工程应用价值。     

基于DEA方法的额外资源分配算法

研究基于DEA(数据包络分析)方法的资源分配问题.求解该类问题的难点在于:对于参与分配的决策单元来说,其分得的额外资源数不仅依赖于该决策单元的相对效率值,还依赖于它的规模大小,因此分配权重难以确定.根据输入、输出指标数的分布情况,建立了3种基本模型,分别是单输入单输出、多输入单输出、单输入多输出模型,给出了这3种模型的资源分配权重的确定算法.最后给出实例,并对给出的分配原则的合理性进行了分析讨论.     

动态矩阵解耦控制及其应用

针对双输入双输出的多变量强耦合系统，首先将其分解为两个双输入单输出系统，并用动态矩阵控制原理设计了控制器。通过求解二元一次矩阵方程组，实现了多步预测的解耦控制。仿真研究结果证实了该算法的有效性。     

MIMO-OFDM系统中基于CS-ESPRIT算法的多频偏盲估计

提出了一种基于接收信号循环平稳特性(CS)和基于旋转不变技术的参数估计方法(ESPRIT)的多输入多输出正交频分复用(MIMO-OFDM)系统多频偏盲估计算法。理论分析表明,算法无需训练序列或导频符号,可估计每对收发天线间频偏,适用于任意分布加性平稳噪声下的频偏估计。计算机仿真验证了算法在低信噪比下仍可取得稳定性能,并在传统单入单出(SISO)OFDM系统中也可获得较好的性能。     

波束域的信号盲分离方法

现有的源信号盲分离方法大都是针对阵元输出信号进行的,各种干扰信号和观测噪声的影响使盲分离算法性能退化,甚至失效.为了提高低信噪比情况下的信号盲分离能力,提出一种新的信号盲分离方法,即先对阵元观测信号进行盲波束形成,而后利用波束输出信号实行盲分离.盲波束形成阶段既提高了盲分离输入信号的信噪比,又可降低盲分离模型的阶次,信号盲分离阶段不仅能进一步净化信号,还能分离同一波束内两个以上的源信号.采用多种情况的人工仿真混合信号进行实验,以评价新算法的性能,仿真结果表明新的盲分离方法优于各阶段算法.     

基于并行单星约束的导航抗干扰研究

在全球定位系统中使用空时自适应处理算法可以增强接收机的抗干扰性能,为防止算法对卫星信号的衰减,可通过约束条件对卫星信号进行保护,传统的单星约束可以保证每颗卫星输出信噪比最大,但运算量很大。虽然多星约束可以使所有卫星的综合输出性能最优,且减少了运算量,但无法保证单颗卫星的输出信噪比性能。对空时自适应处理算法进行了合理简化,提出了并行单星约束算法,与多星约束相比,所提算法不仅运算量更小,还可保证每颗卫星输出信噪比最大。仿真结果表明,所提算法在对干扰信号进行抑制的同时,有效地实现了对多颗卫星信号的保护。     

周期信号的孔径抖动及其去除

孔径抖动是指模数转换器采样周期之间出现的相位抖动 ,是由各时钟周期边沿出现时刻的不确定性导致的。当输入信号频率较高时孔径抖动是模数转换器信噪比下降的一个重要原因。对数据采集系统中的孔径抖动进行了仿真实验 ,介绍了反卷积算法 ,并利用反卷积算法对周期信号的孔径抖动进行了去除。仿真结果表明该方法是有效可行的     

组合导航自适应交互多模型算法研究

针对交互多模型(IMM)方法模型集覆盖能力与计算量相矛盾的问题,提出了将简化的Sage-Husa自适应滤波与IMM相结合,构成一种自适应交互多模型的方法.简化的Sage-Husa自适应滤波首先给出噪声统计特性的粗略值,IMM方法以该粗略值为中心,对称地得到模型集,再进行IMM估计.车栽组合导航仿真表明,该算法能够以较少的模型实现对实际模态的覆盖,而且精度比IMM方法也进一步提高.     

弹载被动系统测距算法

针对空中作机动飞行的点目标,利用弹载被动系统(包括红外被动系统和被动雷达系统)测量的目标光谱辐射照度信息,建立了具有Markovk跳变参数的统一目标距离估计模型。基于结构随机跳变系统最优滤波理论,提出了一种被动系统距离估计算法,考虑到系统的实时性要求,推导了其简化算法。仿真结果验证了算法的正确性,并且简化算法具有很高的实时性。     

Multi-channel blind deconvolution algorithm for multiple-input multiple-output DS/CDMA system

Direct sequence spread spectrum transmission can be realized at low SNR,and has low probability of detection.It is aly problem how to obtain the original users'signal in a non-cooperative context.In practicality,the DS/CDMA sources received are linear convolute mixing.A more complex multichannel blind deconvolution MBD algorithm is required to achieve better source separation.An improved MBD algorithm for separating linear convolved mixtures of signals in CDMA system is proposed.This algorithm is based on minimizing the average squared cross-output-channel-correlation.The mixture coefficients are totally unknown.while some knowledge about temporal model exists.Results show that the proposed algorithm Can bring about the exactness and low computational complexity.     

Natural Gradient Approach to Multichannel Blind Deconvolution

1.INTroDUCTIOnRecently,theblindseparationofindependentsourceshavebecomeanincreasingimportalresearchareaduetoitssimilaritytotheseparationfeatureinhumanbrain,aswellasitsrapidlygrowingapplicationsinvariousfields,suchastelecommunicationsystems,adageenhancementandbiomedicalsignalprocessing[4,if].Ithasbeenshownthatthenaturalgradientdisprovesdramaticallytheleadingefficiencyininstalltaneousblindseparationandblinddeconvolution.Forthedoublyindnitefiltermixture,thenaturalgradientalgorithmhasbeendevelo…     

一种基于最小熵准则的SAR图像自聚焦算法

研究了一种新颖的SAR图像自聚焦算法。该方法从复图像域出发 ,利用最小熵准则盲解卷积原理 ,通过多维搜索完成相位误差校正。同相位梯度自聚焦算法相比 ,最小熵算法无需在图像域分离出强点目标 ,因而特别适用于无任何明显特征的图像。仿真及实测数据处理结果证明了该方法的有效性     

基于4模数集的并行DNA算术运算

在DNA算术运算中引入4模数集剩余数制,以减少运算中的进位影响,实现并行运算,降低算法的复杂度,同时有利于简化DNA编码。首先分析剩余数制的基本原理以及计算模型,然后给出整数模表示的DNA编码方案与并行DNA算术运算的算法,最后讨论DNA剩余算术运算的算法与编码复杂度。     

带旋转因子的多路回波消除自适应滤波算法简化

对带旋转因子的多路回波消除自适应滤波算法(NLMS RF)中的旋转因子的取值进行了分析,给出了NLMS RF算法及其扩展的带旋转因子的多路仿射投影算法(APA RF)的一种简化形式。这种简化是通过使算法中"预处理"后的输入向量相互正交而实现的。简化后的算法无需对旋转因子的取值进行选取,并降低了算法的计算复杂度。通过计算机数值模拟仿真实验表明了简化后的算法的有效性。     

多品种离散型生产系统物流批量最优化分析

以系统整体性和相关性为依据 ,分析了多品种离散型生产系统各环节物流特点 ,以提高生产系统整体效益为目标 ,建立了多品种生产条件下的物流总费用模型 ,据此推导出最优订货批量 ;经济生产批量的新算法 ,对在流动资金、仓库面积等具有约束条件的多品种离散型生产系统物流批量优化问题 ,提出了一种简化调整算法 ,有效地解决了该类系统的物流优化问题.     

基于神经网络数据融合的目标跟踪简化算法

分析了基于神经网络数据融合的目标跟踪算法 ,指出了传统的融合算法计算量大 ,神经网络目标向量不易选取等缺点 ,并提出了一种简化的算法。应用理论分析和蒙特卡洛仿真方法 ,对标准卡尔曼滤波算法和简化的滤波算法进行了比较 ,并给出了均方根误差的统计值。该简化算法原理简单 ,数据处理量小 ,速度快 ,误差小 ,特别适用于多传感器的处理 ,将融合结果反馈给单传感器 ,可提高各单传感器的跟踪精度