基于KNN-TSVR算法的MIMO-OFDM系统信道估计

为了提高多输入多输出正交频分复用(MIMO-OFDM)系统的信道估计性能,提出了一种基于K近邻加权孪生支持向量回归(KNN-TSVR)的信道频率响应估计算法.该算法的工作过程是首先用最小二乘算法对导频位置的信道参数进行估计,获取训练样本,然后用K近邻(KNN)算法对训练样本进行预处理,得到赋予各样本的权重,最后由加权TSVR对MIMO-OFDM系统所有位置的信道参数进行插值估计.本文提出的改进的加权TSVR信道估计方法不仅具有TSVR对非线性关系回归的优势,同时引入KNN算法对TSVR进行改进,使得该算法与传统TSVR相比,具有更好的回归性能和抗噪声能力.对非线性MIMO-OFDM信道进行估计的仿真实验结果证实了这一结论.     

多注意力结合光流的视频超分辨方法

针对现如今监控摄像、卫星遥感以及视频娱乐等领域对视频图像的清晰度要求越来越高,而目 前大部分视频超分辨方法存在参数量大、恢复的视频存在抖动等问题,提出了一种多注意力结合光流的视频 超分辨方法,通过引入多个注意力包括空间注意力、通道注意力以及自注意力来提升超分辨性能。 具体而 言,作为一种特征加权的增强方法,这些注意力可以捕获视频帧的时空特征并增强自适应性和通道间的依赖 性,实现全局学习的功能;同时,提出双阶段特征对齐思路,首先利用光流对视频进行估计,进行第一阶段的 特征对齐,然后引入长短是记忆网络结构增强位置和通道的特征融合,进行第二阶段的特征对齐,以防止恢 复的视频帧出现抖动。 实验结果表明:该方法在评估标准和可视化效果方面都取得了令人满意的效果。     

一类二重积分不等式中未知函数的估计

利用变量替换技巧、放大技巧和反函数技巧等方法, 研究了一类被积函数中含有未知函数及其导函数、积分项外包含了非常数项的非线性二重积分不等式,给出该类不等式中未知函数的显上界估计,并举例说明所得结果可以用来研究微分-积分方程解的估计.     

Intelligent Scheduling Controller Design for Networked Control Systems Based on Estimation of Distribution Algorithm

The use of communication networks in control loops has gained increasing attention in recent years due to its advantages and flexible applications. The network quality-of-service （QoS） in those socalled networked control systems always fluctuates due to changes of the traffic load and available network resources, This paper presents an intelligent scheduling controller design approach for a class of NCSs to handle network QoS variations, The sampling period and control parameters in the controller are simultaneously scheduled to compensate for the network QoS variations. The estimation of distribution algorithm is used to optimize the sampling period and control parameters for better performance. Compared with existing networked control methods, the controller has better ability to compensate for the network QoS variations and to balance network loads. Simulation results show that the plant setting time with the intelligent scheduling controller is reduced by about 64.0% for the medium network load and 49.1% for high network load and demonstrate the effectiveness of the proposed approaches.     

θ-方法求解广义中立型延时微分代数系统的渐近稳定性

讨论了广义中立型延时微分代数系统理论和数值解的渐近稳定性．推导出了一个广义中立型延时微分代数系统渐近稳定的充分条件．通过分析相应的特征方程根的性质,得出θ-方法渐近稳定的充分条件：θ∈（1/2,1]．     

基于马氏链的感知无线电信道状态预测及容量估计

针对感知无线电(cognitive radio,CR)信道的动态特性,对感知无线电频谱占有模型进行了研究,利用马尔可夫模型对频谱占用情况以及信道状态变化情况进行概率统计和估计,基于估计结果,进行实时预测频谱占用情况和实现信道容量估计,并给出了一个容量估计公式.仿真结果显示信道状态预测及容量估计准确性很高,为基于QoS的感知无线电动态选频提供了很好的参考依据.     

基于IRT模型的BP神经网络降维法参数估计及其应用

该文对应用BP神经网络和降维法相结合在0—1记分模式下估计项目参数和考生能力的方法作了概述,重点是对该方法如何应用于实际进行探讨。     

基于隐含导频的长距离IM/DD DFT-S-OFDM无源光网络的实验系统研究

基于隐含导频、超奈奎斯特镜像混叠和直接检测,首次在IM/DD光通信系统中使用基于隐含导频（ST）的信道估计和均衡方式,通过实验实现了速率为20 Gb/s的正交相移键控（QPSK）离散傅里叶变换扩展正交频分复用（DFT-S-OFDM）信号传输832 km的光通信系统.使用隐含导频信道估计（ST-CE）方法来均衡信道的线性损伤,关键是把隐含导频（ST）算术叠加在数据信号上,而不占用单独的时隙. 通过对接收到的信号进行1阶统计分析估计出精确的信道. 为了增加传输距离,根据超奈奎斯特镜像混叠的方法增加接收机带宽来补偿色散引起的功率衰落. 结果显示,在长距离强度调制/直接检测（IM/DD）DFT-S-OFDM无源光网络（PON）系统中,采用ST-CE能得到更高的频谱效率,且其信道估计性能与TA-CE相当. 该方法节省了带宽,提高了频谱利用率.     

数据模拟与模型参数的回报

模型参数估计方法的优良性可用数据模拟一参数回报的方法进行检验.本文建立了一类与Rasch模型相关的展开模型,着重讨论了该模型参数的回报与比较,以此为实例概要地介绍了数据模拟—参数回报的基本技术.     

空域色噪声背景下双基地MIMO雷达角度估计

空域有色噪声会导致现有多输入多输出(multiple input multiple output,MIMO)雷达算法性能下降,甚至完全失效.针对空域色噪声背景下双基地MIMO雷达联合波离角(direction of departure,DOD)和波达角(direction of arrival,DOA)估计问题,分析了...