广义次正定矩阵上的Oppenheim不等式

用矩阵分析的方法, 通过对广义次正定矩阵性质的进一步研究, 得到了更一般条件下的两个广义次正定矩阵的Hadamard乘积的行列式下界估计的Oppenheim不等式, 在适用范围和估计精度上都改进了已有的相应结果.     

基于抵消技术的邻道干扰抑制

针对无线设备间的邻道干扰,提出了一种干扰抑制方法。在接收机中设计邻道干扰重建支路,利用记忆多项式估计信道的非线性参数,构建邻道干扰信号模型并重建干扰信号,最终从接收信号中消除邻道干扰信号。所提方法能够有效减小邻道干扰影响,提升期望信号接收信噪比,使有限带宽内容纳更多通信设备。计算机仿真与软件无线电平台实验结果表明,在实验室视距环境中,甚高频频段,信号带宽25 kHz,所提方法能够抑制18 dB的邻道干扰,为有限空间内无线电设备间邻道干扰抑制提供了新的研究思路。     

基于深度贝叶斯网络学习的不确定性建模方法

战场态势评估涉及很多不确定因素,对不确定性进行仿真建模能够提高态势评估的能力。针对参战对象多元、不确定性增多导致的无法全面准确表达不确定性问题,提出了基于记忆模块和变分自编码器的深度贝叶斯网络模型。采用生成模型设计了基于深度贝叶斯网络学习的态势评估模型;阐述了融合记忆模块的深度生成模型原理和模型的学习与推理过程;以某空袭行动为例构建贝叶斯网络,对所提方法进行了验证。结果表明:深度神经网络能够逼近隐变量的非线性变换,设计的记忆模块能存储深度神经网络提取的大量局部特征,通过学习自动得到了贝叶斯网络条件概率,增强了不确定性建模能力。     

基于四阶累积量的MIMO信道及其相关性的联合估计

MIMO技术一直受到人们的广泛关注,并被广泛采用于各种移动通信系统的标准化协议中.在此系统中用到的分集合并和空时解码技术都需要以准确估计的信道状态信息为前提条件,以往的信道估计都是在MIMO系统子信道间是非相关的假设下进行的.事实上,由于天线之间距离的限制和传播路径散射体的不充分,子信道之间常常存在一定的相关性,常称为空间相关.另外,在信道估计、天线选择和自适应调制等方面需要已知(估计)这一参数.但是,要精确估计信道的相关性非常困难,到目前为止,这一问题没有得到很好的解决,以至于在大部分关于信道估计的文献中都是预先假定已知信道的相关特性.本文运用四阶累积量理论对MIMO信道及其相关矩阵进行了估计.仿真结果表明,本文所提出的方法具有较高的估计精度.     

基于完全样本的两参数Weibull分布的参数估计

结合概率图、数值计算方法及Monte-Carlo法给出了在完全样本下两参数Weibull分布参数极大似然估计(MLE)的数值解和区间估计的枢轴量,最后针对具体实例利用随机模拟实现了极大似然估计和区间估计,效果良好.     

基于最小二乘法的电力系统状态估计算法研究

针对现行电力系统状态估计算法中存在的各种发展潮流,重点剖析了被广泛应用的基于最小二乘法的状态估计的基本原理和改进后的几种状态估计方法,阐明了各算法的应用优势和存在的不足。对于存在不良信息系统进一步提高算法的精度和估算速度的发展方向提出了新的思想。     

16QAM-OFDM系统的迭代信道估计

传统的OFDM信道估计器和译码器分开进行,信道估计的可靠性不高.针对16QAM高效调制的OFDM系统,提出了一种基于Turbo译码的迭代信道估计方案.在迭代过程中利用译码器产生的可靠信息来改善信道估计的精度;同时推导了16QAM软去映射、校验比特译码和符号重构算法的数学过程.为了防止由于译码器判决不准造成的误差传播,提出了一种基于门限控制的迭代估计算法.仿真结果表明,该算法可有效改善系统的整体性能.     

OFDM系统中一种有效的定时和频偏估计方法

为了在没有任何导频信息的条件下,实现OFDM(orthogonal frequency division)系统中的符号定时和频偏估计算法.提出了一种重复训练后缀的OFDM信号结构,并给出了一种有效的符号定时和频偏估计方法.该方法对ZP(zero padding)-OFDM信号形式进行适当的改进,在不需要任何附加训练和导频信息的条件下,实现了符号定时和频偏的有效估计,与基于循环前缀的估计方法相比,该估计方法扩大了可估计的频率偏差范围,同时降低了运算量.     

多光谱卫星云图降水区域与强度估计的模糊推理模型

在卫星云图降水分析中,针对降水天气和降水强度具有明显的"模糊"特性,提出了云图降水的模糊推理模型.从不同云类降水的经验知识和降水天气的卫星云图样本中,提取出若干云类降水规则.在此基础上,引入模糊推理方法,建立了卫星云图降水分布和降水强度估计的模糊推理模型.实际应用中,对卫星云图进行云分类,根据云分类结果,去除不可能产生降水的云类区域.对可能产生降水的云类区域,通过提取多光谱云图的灰度等特征进行推理判别,进而得出该区域是否降水以及降水强度和降水分布的估算.试验结果表明,该方法在客观性、定量性和自动化程度方面优于传统的降水估计方法,且建模所需的样本少,可适用于多种类型的气象卫星云图.     

一种有效的参数估计方法在预缩聚反应中应用

采用改进的遗传算法解决复杂聚合反应模型的参数估计问题.算法采用排序选择、多点交叉和变异优选策略,有效地提高遗传算法的搜索性能,避免了序贯优化方法有可能存在局部极值的问题.根据文献数据,仿真结果表明,该算法在参数估计中,具有参数搜索范围大、收敛速度快和精度高等特点,它能够有效地解决非线性参数估计问题.