宽带认知无线电网络分布式协作压缩频谱感知算法

针对宽带认知无线电网络中压缩频谱感知算法在低信噪比环境下频谱检测性能下降的问题,提出了一种基于高斯过程的分布式压缩频谱感知(PBCS)算法.首先应用层次化的正态分布概率模型来表示压缩频谱的重构,然后各个认知无线电用户交换模型参数并结合本地的压缩采样数据进行压缩频谱感知.有别于其他直接融合频谱感知结果或检测数据的协作式算法,PBCS算法通过模型参数融合来进行协作,能有效减小信噪比低的协作用户的影响,从而提高算法的抗噪性.仿真结果表明,PBCS算法可以在-5dB的信噪比条件下达到检测概率大于0.9、误检概率为0.1的频谱检测性能.     

新型4H-3,1-苯并噁嗪类化合物的合成及拉曼光谱研究

应用连续的Passerini-氮杂Wittig反应合成了两种4H-3,1-苯并嗯嗪类化合物,对合成的苯并噁嗪化合物进行拉曼光谱测试分析,用密度泛函(DFT,density functional theory)理论的B3LYP方法,选用标准的6-31G*基组对化合物的几何构型进行优化,并对其振动频率进行了量化计算.结果表...     

有色噪声中一种新频谱检测器的设计

高效、可靠地检测到主用户的存在与否是认知无线电的一个重要环节.在实际生活中,观测噪声常为时间相关的高斯有色噪声,如果运用传统的基于高斯白噪声假设的频谱检测算法,检测性能将显著降低.该文以高斯有色噪声为背景,首先采用线性模型估计导频信号,然后根据估计的参数设计基于似然比的检测器,并推导得到了检测概率和虚警概率的解析式.仿真结果表明:在低信噪比下,与能量检测相比较,所提方案能有效地提高检测概率和检测速度.     

交换耦合双能级量子点的全计数统计

基于粒子数分辨的量子主方程,研究了自旋交换耦合双能级量子点中的电子全计数统计,给出了平均电流、散粒噪声和偏斜度.库仑排斥和交换作用导致了平均电流中的小平台;散粒噪声和铁磁电极的极化率以及量子点与电极的不对称耦合密切相关.极化率和量子点电极不对称耦合越大,超泊松散粒噪声越容易出现.当两个自旋单态通道能级参与输运时散粒噪声会大大降低,而当两个自旋三重态通道能级同时参与输运时散粒噪声则会明显增大.     

一种新的PDP低灰度级图像增强技术

针对常规PDP显示中的低灰度级轮廓问题,提出了一种新的PDP低灰度级图像增强算法．该算法根据PDP线性离散化的显示特点利用图像的表现率动态选择多种子场的编码,减少了图像伽马变化过程中灰度级的细节损失．针对PDP实际输出亮度相对于输入灰度级有反转的现象进行了理论分析和算法处理,消除了低灰度图像灰阶反转的现象．利用误差扩散算法最大限度地重现了图像的细节．实际结果表明该算法能够减少低灰度级轮廓,其显示效果明显优于传统方案．     

一类带调和势的随机非线性Schrdinger方程的爆破解(英文)

讨论一类带调和势的随机非线性Schrdinger方程.众所周知,带白噪声的非线性Schrdinger方程描述了非线形色散波在非齐次或随机介质中的传播.首先给出带调和势的随机非线性Schrdinger方程的一些准备知识,通过建立该方程的性质,运用随机分析方法,证明了临界和超临界情形下解在对应能量空间中的爆破性质,推广了带调和势的非线性Schrdinger方程在确定情形下的相关结果.     

跳频抗干扰通信系统中LDPC码的编码优化设计

为进一步提升低密度奇偶校验(low-density parity-check, LDPC)编码跳频通信系统抗干扰能力,提出一种对抗部分频带干扰样式的LDPC编码构造方法。首先针对不同干扰因子参数优化了LDPC码字在干扰环境下的度分布序列,然后通过基于渐进边增长和近似环外信息算法构造基矩阵,最后采用改进部分分割移位系数矩阵扩展得到校验矩阵,并结合不等差错保护特性应用到信息位的干扰保护上。该构造方法兼顾优化的度分布和准循环结构。仿真结果表明,所构造的码字性能良好,相同条件下,抗干扰性能优于现行主流类型码字的抗干扰性能。     

基于去冲激响应的UWB雷达目标识别

提出了基于去冲激响应的UWB雷达目标识别方法,在理论上对该识别方法进行了详细地推导,并给出了该方法中所用到的窄脉冲的选取准则;最后,通过计算机模拟,给出了两种飞机模型不同姿态下的近似冲激响应数学模型,在此基础上对这两种飞机模型进行了识别仿真。从仿真结果来看,此识别方法效果良好。     

自校正信息融合Kalman预报器

对含未知噪声统计的多传感器系统,用现代时间序列分析方法,基于滑动平均（MA）新息模型的在线辨识和求解相关函数矩阵方程组,可在线估计噪声统计,进而在按矩阵加权线性最小方差最优信息融合准则下,提出了自校正信息融合Kalman预报器。证明了它的收敛性,即它具有渐近最优性,且自校正融合Kalman预报器比每个局部自校正Kalman预报器精度高。一个目标跟踪系统的仿真例子说明了其有效性。     

辨识动态系统噪声方差Q和R的新方法

对于带未知噪声方差的线性离散定常随机系统,引入左素分解可得到一个新的观测过程,它用两个滑动平均（MA）过程之和表示。用解相关函数矩阵方程组得到了噪声方差Q和R的估值器,进而基于新的观测过程的采样相关函数及其遍历性可得到噪声方差Q和R的强一致估计。算法简单,便于实时应用。一个目标跟踪系统的仿真例子说明了其有效性。