一种快速时变衰落信道下的STBC-OFDM解码器

在正交频分复用(OFDM)宽带系统中,信号要经过信道的频率选择性衰落;而当接收端高速移动时,信号在接收端又要产生多普勒频移,从而产生信道的时间选择性衰落.在信道时变时,空时分组码-正交频分复用(STBC-OFDM)系统解码会引入发送天线间互干扰.提出一种多接收天线下的STBC-OFDM解码器,能有效地消除由于信道时变引发的干扰,同时又能最大地利用接收分集增益.仿真实验结果表明所提出方案具有更好的误比特率性能.     

四硝基取代酞菁铜/介孔二氧化硅复合材料的成及表征

利用溶胶-凝胶方法原位同步合成了四硝基取代酞菁铜/介孔二氧化硅的有机-无机复合材料.采用紫外可见吸收光谱(UV-vis)、红外光谱(IR)等对四硝基取代酞菁铜/介孔二氧化硅复合材料进行了表征.发现四硝基取代酞菁铜在介孔二氧化硅中以单聚体和二聚体两种形式存在,且以二聚为主.XRD检测结果表明:四硝基取代酞菁铜/介孔二氧化硅复合膜仍保持了原来的介孔结构,SEM检测结果表明原位合成的四硝基取代酞菁铜可以均匀地分散到介孔二氧化硅的基质中.     

小波分析在表面肌电信号(sEMG)研究中的应用

表面肌电信号是从肌肉表面通过电极记录下来的反映神经肌肉系统活动的一维时间序列非平稳生物电信号.而小波分析作为一种多分辨率时频分析方法是分析非平稳信号的有力数学工具.在简要回顾小波变换与多尺度分析的基础上,系统的总结了小波分析在当前表面肌电信号研究中的几个热点问题上的应用并剖析了其主要技术路线,包括小波分析在肌电信号预处理中的应用、小波分析在基于肌电信号的动作识别和假肢控制方法中的应用、小波分析肌肉疲劳评价中的应用等几方面.最后介绍了小波分析在笔者开发的新型外骨骼式上肢康复机械臂控制中的应用.     

改良松嫩盐碱草地的优良植物——菊芋

简要介绍了菊芋的生物生态学特性和利用价值以及国内利用现状,总结了菊芋生长势强、叶面积指数大、耐盐碱而又有一定经济价值等适于松嫩盐碱草地改良的特点,分析了利用菊芋改良松嫩盐碱草地的优点和意义,介绍了菊芋在松嫩盐碱草地的初步应用.     

无线网络下行链路时延和功率的最优控制

研究无线网络下行链路中平均功率约束下联合跨层多用户平均时延最小化问题.基站根据不同用户的信道增益和队列长度信息,动态调整发射功率和速率,以实现系统平均时延最小化.将该优化问题转化为非约束马尔可夫动态决策过程,证明了在最优策略下系统平均时延和功率具有凸关系,仿真结果表明这种关系成立.考虑到原优化问题的特性和求解的复杂度,进而将该优化问题转化为凸优化问题,并给出了实际的求解算法和仿真结果.     

基于MSE匹配法则的全零块判决算法

为提高编码效率,从运动估计匹配法则的特性分析出发,提出一种基于MSE匹配法则的全零块判决算法.在保持编码质量的前提下,推荐算法能够有效地提高运动估计的速度并减少DCT和量化的运算量.MPEG-4下的实验表明,改进的判决条件能够检测出高达92.6 %的全零块;推荐算法比常规算法最大能节省65.7 %的整体编码时间.     

三维网格模型的空间布尔运算

为了快速正确地对各种复杂程度(开放、封闭)的网格模型进行空间布尔运算,根据复式网格的可定向性建立各元素间的拓扑关系,并根据这些拓扑关系判断网格面片的最终去舍,得到布尔运算结果.算法首先对网格方向一致化,然后通过相交测试求出两两相交三角形面片之间的交线,再由相交三角形与它的交线得到多边形,并对该多边形进行三角化,得到"结果交域",最后根据这些"结果交域",以及各元素间的邻接关系判断其他网格的取舍,得到最终结果.实验表明该算法结果正确、计算量少、速度快,同时适应于封闭与开放网格模型.     

一种多机器人围捕策略

以多机器人的围捕为研究对象,分析了成功围捕目标机器人的临界条件,即围捕机器人和目标机器人速度比的临界值,给出了该临界值的计算公式.设计了当围捕机器人的速度小于目标机器人的速度时多围捕机器人的伏击围捕方案:即先将目标机器人驱入最佳围捕区,然后再实施智能围捕策略完成围捕任务.采用Matlab的仿真结果验证了临界条件的正确性以及伏击围捕方案的有效性.     

基于Mumford-Shah模型的局部水平集分割窄带算法

提出了一种基于Mumford-Shah推广模型的水平集能量函数,引入了梯度特征,并在此基础上提出了一种新的局部水平集分割方法,提高了算法收敛速度,避免了图像中的无关边缘对分割结果的干扰.设计了窄带算法,克服了水平集方法初始化复杂的缺点.与窄带算法相结合,所提出的分割方法可以在杂波背景中得到分割的局部最优解.通过采用Otsu算子确定感兴趣目标初始位置,所提出的方法可用于具有不同灰度特征的多目标分割.实验证明了所提出的方法用于复杂背景下的目标分割以及多目标分割时的有效性和计算效率.     

基于特征选择和支持向量机的异常检测

为在提高检测率的同时保持较低的虚警率,提出一种不同于单一算法的基于特征选择和支持向量机的异常检测技术.首先用一个数据子集进行特征选择,通过构造函数来计算特征间的相似度,并在不失样本信息的前提下,完成会话样本的特征选择;然后对用于训练和测试的数据执行特征选择,剔除不必要的数据特征;最后利用支持向量机来判断入侵.仿真实验表明:与基于标准的支持向量机、基于tf×idf的支持向量机、基于tf×idf的神经网络及基于数据挖掘等的异常检测相比较,该方法具有更高检测率,同时其虚警率也更低.