基于GSA-BP神经网络的OFDM系统信道估计算法

针对正交频分复用(orthogonal frequency division multiplexing, OFDM)系统中存在的不可忽视的非线性噪声问题,为了能够更好了解信道特性,需要利用信道估计获得信道状态信息,提出一种基于黄金正弦优化BP(golden sine algorithm,GSA-BP)神经网络的OFDM系统信道估计算法,克服了传统 BP神经网络算法容易陷入局部极值的问题,提升了信道估计算法的估计精度.首先通过LS信道估计算法获得信道的初始估计,再将其通过GSA-BP神经网络算法得到信道的精确估计.仿真结果表明,在相同的信道环境下,提出的算法比LS算法具有更好的性能,与MMSE算法性能接近,但不需要信道先验统计特性,易于实现.     

基于长期实测数据的西北地区风力发电场风速风向联合概率分布分析

为更准确地研究风力发电结构在风荷载下的结构响应,基于甘肃气象局提供的1981-2017年甘肃六地风速风向实测数据,对各地区的风速风向联合概率进行分析.抽取每天的最大极值风速及其对应风向为极值样本,统计分析得到各地区风速风向联合分布.将Gumbel,Frechet和Weibull分布函数线性化的基础上,利用最小二乘法拟合各分布函数参数,根据参数拟合结果推算各地区10,50和100年重现期的极值风速,并和各地区最大基本风速规范建议值进行对比.研究结果表明,考虑风速风向概率影响的基本风速更加符合实际情况,最大基本风速规范建议值偏于保守.     

一个将多项式因子分解的同时迭代法

本文给出了一个将多项式分解成较低次多项式之积的同时迭代法，它克服了以往那 些仅能将多项式分解成一次或二次因子之积的方法的局限性。本文讨论了其收用敛及收 敛速度，最后还给出一些具体计算中的技巧，并指出本文方法的一些特例。     

一类微分多项式的幅角分布

本文的主要结果是:设f(z)为ρ级亚纯函数,0<ρ<∞,arg z=θ_0是f(z)的一条ρ级Borel方向。若存在ε_0>0及复数c≠0,使在角域|arg z—θ_0|<ε_0内f(z)以c为Borel例外值,则对任何复数a≠0,整数n≥5及正数ε(≤ε_0),有     

关于有理系数多项式可约性的一个判别定理

有理系数多项式，或等价地说，整系数多项式的可约性判别是一个较复杂的问题。Ｅｉｓｅｎｓｔｅｉｎ定理只解决了一类多项式的中约性判别方法，本文所给出的定理类似于Ｅｉｓｅｎｓｔｅｉｎ定理，它可解决一些Ｅｉｓｅｎｓｔｅｉｎ定理不适用的多项式的可约性判别问题。dir     

频哪醇重排反应与构象最小改变原理的研究

本文应用构象最小改变原理分析讨论pincol重排反应.指出基团的迁移不是由基团迁移能力来控制.而是由反应物的立体构象控制.反应物总是处在最稳定的构象中.离去基团和迁移基团总是处在反式共平面的位置.整个反应都遵循构象最小改变原理.     

非线性代数方程组的正解数

利用关于一元多项式实根个数的显式判准、多项式的判别式序列、判别矩阵的顺序主子式序列和Sturm序列的变号数，给出了关于二元非线性代数方程组正解数的一个显式判准(假设方程组的解是有限的)．     

基于数列变换优化的灰色系统模型

提出了一种可对含负项数列建立灰色系统模型的变换方法,并利用Matlab对变换参数进行优化。针对变换函数的特点提出了一种简化变换参数优化的方法,使二维优化问题简化为一维优化,可显著减小优化计算量,同时可获得较高的模型精度,这样就可在处理含负项数列的同时获得较高的模型精度,拓展了GM模型的应用范围。具体算例验证了所提建模方法的有效性。     

一种复合型自适应Turbo均衡算法

针对短波信道以及短波瞬间通信以帧为单位进行传输的特点,提出了一种新的复合型自适应Turbo均衡算法(CATEA)。该算法结合最小均方(LMS)算法和递归最小平方(RLS)均衡算法的优点,分别在训练和直接判决阶段调整均衡器参数,因而克服了LMS算法收敛慢以及RLS算法计算量大的缺点。通过将该均衡算法与Viterbi译码算法进行迭代均衡和译码,极大地提高了均衡器性能,同时保持了较低的复杂性。仿真和实验测试证明了该算法的有效性。     

Improved fuzzy identification method based on Hough transformation and fuzzy clustering

This paper presents an approach that is useful for the identification of a fuzzy model in SISO system. The initial values of cluster centers are identified by the Hough transformation, which considers the linearity and continuity of given input-output data, respectively. For the premise parts parameters identification, we use fuzzy-C-means clustering method. The consequent parameters are identified based on recursive least square. This method not only makes approximation more accurate, but also let computation be simpler and the procedure is realized more easily. Finally, it is shown that this method is useful for the identification of a fuzzy model by simulation.