MIMO-OFDM无线传输系统中的信道估计

以2×2多输入多输出正交频分复用(MIMO-OFDM)非盲信道估计方法为研究对象,分析了该系统中基于时域训练序列,结合空时分组码的直接判决信道估计方法和基于Wiener内插的信道估计方法仿真比较了其性能。结果表明,当多普勒频移较小时,可采用简单的直接判决方法进行信道估计;多普勒频移较大时,宜采用维纳内插方法进行信道估计,且可以提高信道估计精度。     

四阶微分方程广义第二特征值的上界估计

考虑四阶微分方程广义第二特征值的上界估计，利用试验函数、Rayleigh定理、分部积分、Schwartz不等式和Young不等式等估计方法与技巧，获得了用第一特征值来估计第二特征值上界的不等式，其估计系数与区间的度量无关．     

多载波CDMA上行链路中的盲信道估计算法

介绍了OFDM 的多载波CDMA系统上行链路中的一种盲信道估计算法。通过分析接收端的信号， 利用接受信号和已知扩频码的二阶统计性估计出目标用户的信道脉冲响应。最后的仿真结果表明，该算法 比把目标用户以外的用户信息当作噪声的算法具有更好的性能。     

《周易》与信息融合一致性的研究

从基本思想、思维方法、模型结构及应用领域等角度对《周易》与信息融合技术进行了分析比较·将《周易》方法中信息采集、信息分类、信息处理、做出决策以及分类调整与信息融合技术中传感器信息采集、一级处理(目标优化、定位、识别)、态势评估、威胁估计以及过程优化进行了逐层比较·得出《周易》与信息融合在处理问题的方法上有内在的一致性,在预测和决策方面有其独特的方法,但不能精确、定量地给出判别·将《周易》宏观考察问题的方法与具体融合算法相结合,将会对信息融合技术起到指导作用·     

空间自回归模型中的强相合性

(n,n)表示在空间自回归模型Zij=αZi-1,j βZi,j-1-αβZi-1,j-1 εij中参数(α,β)的Guass-Newton估计,根据已知的结论:当α=β=1时,{n3/2)((^αn)-α,(^β)n-β)}收敛于二元正态随机向量分布即limn{n3/2(^αn)-α,(^β)n-β))′}(D→)N2(0,Γ),其中Γ=diag(2,2).利用双参数强鞅收敛定理,可以证明,当r<(3)/(2)时,nr(n-α,n-β)→(-0).a.e.     

基于最优传递矩阵的不确定型层次分析法在桥梁安全评估中的综合应用

在桥梁的安全评估中,采用确定型层次分析法,存在指标的不确定性和模糊性。针对工程实例,采用不确定型层次分析法,建立桥梁递阶层次模型,通过对比4种不同指标权重计算方法,最终选用最优传递矩阵法进行桥梁指标权重的计算。结果表明,不确定型层次分析法能够全面考虑影响桥梁安全性的各种因素;最优传递矩阵法计算权重精度高,桥梁安全评估结果更加可靠。     

左截断右删失数据下尺度参数与协变量相关时广义指数分布的估计及应用

在左截断右删失数据类型下,当时间变量T服从广义指数分布时,针对尺度参数是否受协变量影响建立两种模型,并用极大似然估计法给出参数估计,用Newton-Raphson算法求解参数估计.将两种模型分别应用到变压器寿命数据集和Channing house数据集中,得到了其生存函数和风险函数.     

用于信息传输安全的混沌编码调制跳变技术

为提高信息传输的安全性,基于信息熵和混沌编码提出了一种可用于调制方式加密的通信技术。该技术可以根据对实时信道信噪比的估计自适应地选择多种高抗噪性能的调制方式,并利用经过混沌加密的调制跳变提高信号传输的保密性能。通过仿真实验,用时变信道和7 种常用的调制方式,以及混沌的Logistic 映射实现了该技术,并证实了其有效性。     

负相关随机变量加权和的矩完全收敛性

概率极限理论是概率论的主要分支之一,是概率统计学科中非常重要的理论基础;经典的极限理论是以独立随机变量为主要研究对象,但实际大部分随机变量是非独立的,负相关随机变量序列就是相依随机变量序列中的一类典型且应用广泛的随机变量序列,针对负相关随机变量加权和序列的极限问题,应用负相关序列、截尾和矩不等式等知识,推广了负相关随机变量加权和的矩完全收敛性,并给出了一个NA随机变量完全矩收敛的线性过程,所得结果改进了的相应结果。     

自适应无迹卡尔曼滤波动力电池的SOC估计

无迹卡尔曼滤波法(Unscented-Kalman Filter,UKF)在估计动力电池的剩余容量(State of Charge,SOC)时,由于系统噪声的不确定,可能导致算法不收敛,而且算法的估计性能受模型精度的影响,为此采用自适应无迹卡尔曼滤波法(Adaptive-UKF,AUKF)动态估计电动汽车动力电池的SOC.建立了适用于SOC估计的电池模型,辨识相应的电池模型的参数并进行验证,将AUKF应用到该模型,在未知干扰噪声环境下,在线估计电池的SOC.试验仿真结果表明:UKF算法的估计误差在-0.04~0.06之间跳动,而AUKF算法的估计误差平稳的保持在0.05以内,实时修正微小的模型误差带来的SOC估计误差.