用实数编码遗传算法解非线性方程组

将非线性方程组的求解问题转化为求最大值问题,设计出选择算子,杂交算子,变异算子,加速收敛的最佳个体保留策略和预防早熟的灭绝与移民算子,利用实数编码遗传算法求出了非线性方程组的解,数值例子表明了该方法的有效性。     

甘肃省广播电视数字微波应用体会

通过对甘肃省数字微波网几个方面的分析,阐述了作者对现行的数字微波最基本的认识和理解。从而达到掌握基础理论,熟悉设备,熟练处理系统故障,为广播电视的不间断高质量传输而努力勤奋工作。     

可快速编码的准循环LDPC码设计

由于LDPC码的生成矩阵是非稀疏的,当LDPC码较长时,存储一个庞大的生成矩阵很困难,通过生成矩阵来编码也有较高的时间复杂度. 为了解决LDPC码的编码复杂度问题,该文提出一种可快速编码的准循环LDPC码设计. 不同于其他准循环码,所设计的准循环码校验矩阵除具有准循环特性外,还引入了具有准双对角线结构的子矩阵,使校验矩阵具有近似下三角结构. 该结构的校验矩阵可采用Richardson提出的快速编码算法直接通过校验矩阵进行编码,避免了采用生成矩阵编码带来的存储难度与时间复杂性. 在AWGN信道下的仿真结果表明,该文设计的LDPC码在不同码长、码率情况下均有很好的BER性能.     

TURBO编码在鲁棒数字水印中的实现方法

在典型的通信系统中,调制过程是数字信号加载在载波的幅度值、载波的频率或者载波的相位上。因此,可以把载体数据看成是一种广义上的传输载体,把水印信息看成是一般数字信息,那么水印的嵌入过程就是一个广义的调制过程。相应地,可以把水印的检测过程看成是一个水印信号的解调过程,就是从宿主载体数据中提取水印信号。Turbo码的译码性能在于循环迭代的译码结构,针对Turbo码译码复杂度非常高的缺点,提出了各种低复杂度的译码算法。为了解决在图像中嵌入大容量水印难度大的问题,设计并实现了一种新的基于TURBO编码的鲁棒性数字水印算法。从TURBO码的编码特征入手,实现了嵌入方式的选择、水印基本模型、水印算法具体的程序实现方法。在对鲁棒性数字水印的基本理论进行分析的基础上,有效地改善了TURBO码数字水印技术中鲁棒性能。     

PCM编码的ISP技术实现

在简述实现PCM(Pulse Code Modulation)逐次反馈编码方法的基础上,采用先进的ISP(In-System Programmable)技术现代电子设计平台和开发软件,以ispLSI1016E芯片为核心,辅以相应的外围电路,实现了PCM编码的硬件电路配置和功能仿真设计.     

基于稀疏编码的自然图像特征提取及去噪

主要讨论稀疏编码在自然图像统计特性中的应用，利用稀疏编码实现图像的特征提取以及消除图像中的高斯噪声。丈中利用双梯度算法对自然图像的基向量进行迭代学习。实验表明，提取的基向量在时域和频域上都有方向性和局部性。与小波收缩法相比，稀疏编码法提取的特征要优于小波法提取的特征。对特征提取的实际应用，就是利用稀疏编码收缩法对图像消噪，并通过仿真实验证明稀疏编码收缩法去噪效果要优于任何低通滤波方法。     

选择相控阵雷达信号的准则和所用信号的特性分析

本文从雷达信号的基本原理出发,提出了选择相控阵雷达信号形式的准则。分析了常用信号的主要性能,并修正了文献[1]中的错误。     

空间相关MIMO广播信道中的预编码技术

针对多天线多用户下行链路中,采用块对角化预编码进行多路并行传输时,用户端的检测复杂度比较高,且系统的和速率性能将受到信道空间相关性严重影响的问题,提出了一种将发送端迫零预编码与接收端天线选择进行联合的预编码方案,降低了接收复杂度.分析了该方案在最佳信道选择下的性能,并引入了一种简单的次优天线选择算法.仿真表明,提出的预编码方案在和速率性能上明显优于原迫零预编码,且在高信噪比情况下,几乎获得了与块对角化预编码相同的和速率.     

过载指令编码低空突防方法研究与仿真

针对飞行器低空突防的地形跟随问题,作者给出了一种基于改进的遗传算法的地形跟随轨迹的优化生成方法,通过对初始编码（染色体）及适应函数的优化,以及改进对染色体复制,杂交,变异生成最优轨迹,采用了控制指令直接编码,最优个体保护,分布式搜索,启发式变异。该方法模型简单,智能化全局寻优,运算速度快,精度高,实时性强等优点,结合某导弹模型,经仿真模拟得到了满意的结果。     

一种结合Fisher编码的多示例聚类算法

多示例学习中的数据是由包含多个示例的包所组成的,样本之间真实的相似性被正包中大量的假正例所掩盖。为了拟合多示例数据真实的分布情况,提出了一种结合Fisher编码的多示例聚类算法MIFK-means。首先通过Fisher编码在保留数据语义的同时对多示例数据进行归一化降维,然后通过示例层次的K-means聚类算法揭示多示例数据的分布情况。在基准数据集上的实验表明,MIFK-means算法的聚类效果明显好于包层次的多示例K-means聚类算法,分类精度也可以和现有的经典多示例算法相媲美。