基于训练序列的OFDM粗帧定时同步算法分析

本文详细分析了OFDM系统基于训练序列的三种定时同步算法.这三种算法采用了不同的训练序列,但都基于能量归一化的最大相关原则.利用定时错误概率对三种定时同步算法性能进行了比较.Matlab仿真结果可以看出:Schmidl & Cox定时同步算法方差较大,Park& Cheon定时同步算法最为稳定,而Minn &Letaief算法性能介于两者之间.本文的分析为OFDM符号定时同步的应用研究提供了一定的借鉴作用.     

LTE的上行定时可信度研究

通信系统的符号定时是实现可靠通信的基础,在长期演进（Long Term Evolution,LTE）系统中,用户（User,UE）首先通过基站（evolved Node B,e NB）的同步信道（Primary Synchronization Signal,PSS）获得下行符号定时,然后根据下行符号定时发送随机接入序列（Physical Random Access Channel,PRACH）,     

基于DM642的大米色选机信号处理算法与实现

针对大米色选机输入输出信号的时阀关系,提出了一种将多米道随机信号的离散序列合并统一处理来自动实现系统数字输出与定时控制的组合算法,并设计了实现该算法的16米道DSP信号处理板。算法和DSP板配合使用,较大地提高大米色选机的时间控制精度及系统的整体性能。     

数字通信中码元同步技术研究

本文分析了常见的数字通信中码元同步的定时误差估计算法,在研究算法的同时,利用MATLAB软件对定时误差估计中WP.Z算法及WP.Z改进算法的性能进行仿真比较,分析了该算法的性能.     

Beyond3G／4G中译码技术简介

空域复用多输入多输出（MIMO）系统的接收算法主要有线性接收算法（如ZF算法和MMSE算法）和非线性算法（如ML算法）两大类。其中，线性接收算法复杂性低，需要的计算量少，但是性能较差；ML算法性能较好，但是复杂度高，计算量大。因此需要寻找一种在复杂度和性能之间达到平衡的接收算法。球译码算法作为一种次优的ML算法可以较好的实现复杂度和性能间的平衡，是近年来多输入多输出（MIMO）系统译码算法中的研究热点。介绍了球译码算法的基本原理。     

基于机器学习的短期电力负荷预测方法比较及改进研究

针对电力系统对短期电力负荷预测精确性的需求，以长短期记忆算法为基础，采用差分自适应进化算法对其进一步改进，从而提出一种基于机器学习的混合算法（SaDE-LSTM）对电力负荷进行短期预测。基于我国2004—2018年间月度社会用电负荷数据，对改进后的混合算法进行性能测试，首先利用差分进化算法的自适应变异和交叉因子来优化长短期记忆算法的初始参数，在此基础上，运用寻优得到的参数训练长短期记忆算法从而得到优化后的预测结果。为证明其优越性，对同组数据采用支持向量机（SVM）、反向传播神经网络、自回归积分滑动平均等算法分别预测。各方法预测结果和真实结果对比分析证明，SaDE-LSTM算法对时间序列数据量要求较低，同时相比其他传统算法有更高的预测精度。该改进算法能够为参与电力系统调度的虚拟电厂、负荷聚合商等对小样本和高精度预测有需求的主体提供参考。     

最小计算长度法在线性移位寄存器序列生成多项式估计中的应用

非合作通信条件下获得的线性移位寄存器（LFSR）序列通常有较高误码率,这影响了序列的后续分析和处理。本文利用统计法对高误码率序列进行预处理,从而得到一个误码率较低的新序列。同时,考虑在进行LFSR序列生成多项式估计时,已有算法计算量太大的问题,本文提出一种基于最小计算长度的估计方法。     

全数字接收机的定时同步研究

文章对全数字接收机的定时同步电路进行了研究,环路主要由环路滤波器、内插器、定时误差估计电路及内插控制器等组成。并分别对它们进行了介绍;对定时误差估计电路进行了matlab仿真。结果表明Gardner定时误差估计算法性能良好。     

一种基于CCSDS IDC标准的可伸缩性视频编码算法

空间通信具有资源受限和差错率高等特点。国际空间数据系统顾问委员会（CCSDS）所制定的图像数据压缩标准（IDC)）一种应用于空间通信的图像编码标准。但该标准未能利用序列的时域相关性,仅适用于图像编码,不适应于空间视频通信。因此,结合运动补偿时域滤波,提出了一种基于CCSDS IDC的可伸缩性视频编码算法以及一种新颖的动态帧分组算法。实验结果表明：该算法具有良好的编码性能,并能适应于空间通信网带宽的动态变化。     

认知无线电网络的干扰信道学习算法

认知无线电网络的信道受到干扰情况下,学习性能不好,导致信道失衡。传统的认知无线电网络的干扰信道学习算法采用多模盲均衡宽带压缩频谱联合特征识别算法,当干扰强度较大时,学习均衡性能不好。提出一种基于线性预编码设计的协作频谱共享的认知无线电网络的干扰信道学习算法。通过协作中继方式在服务PU的同时获得传输机会,并给出了PU/SU联合优化的预编码矩阵进行算法改进,采用Jakes功率谱,组成新的云计算联合服务器接收端和发射端节点定位训练序列,将PU、SU预编码矩阵设计问题分解,采用干扰信道学习算法,得到正交通信信道载波均衡控制方程,实现干扰信道的学习算法改进。仿真结果表明,本文算法能有效提高信道学习性能,抗干扰能力增强,吞吐率比传统方法提高35%,展示较好的网络通信性能。     

幅度受限MIMO系统的功率分配策略研究

研究了幅度受限环境下MIMO（Multiple-Input Multiple-Output）系统的功率分配策略,提出了一种适用于该环境的功率分配算法。该算法充分考虑了功放特性,能够抑制限幅引起的非线性失真,更加合理地分配资源。仿真结果也表明,在幅度受限环境下,信号功率接近限幅门限时,传统的注水算法性能会有明显的恶化,而新算法能够保持最优性能。     

一种挖掘加权最大频繁序列的新算法

由于其内在的计算复杂性,在密集型数据序列数据库中挖掘全部频繁项集往往非常困难,解决方案之一是挖掘最大频繁序列。传统的序列模式方法对满足最小支持度阈值的序列同等对待,但在真实数据库中不同的序列往往具有不同的重要程度。为解决上述问题,提出了一种挖掘加权最大频繁序列的新算法。该算法利用频繁项目出现的频率来计算频繁序列的权重,给出了频繁加权序列的定义,该定义的引入不仅可以找出较为重要的最大频繁序列,而且可以使挖掘结果同样具有反单调性,从能够加速剪枝,提高算法效率。实验结果表明,加权最大频繁序列算法是有效的。     

初探卫星或飞船的覆盖跟踪测控问题

采用了两种不同的算法来研究测控点的分布。算法一用n个小圆（测控点所能测控的范围）覆盖一个大圆形（卫星或飞船运行时所飞行的区域的外接圆）。算法二用n个小圆去覆盖矩形（卫星或飞船适行时所飞行的区域）的最小覆盖问题。最后用神州七号的例子来检验算法的实用性,得到结果用算法二得到的测控点数目与实际神州七号的测控站数目相吻合。     

一种可应用于OFDM水声通信系统中的同步算法

本文在阐述和构造了GMW序列的基础上,提出一种适用于OFDM水声通信系统的联合同步方法.此方法根据经典同步算法Schmidl和Minn的符号定时原理,传输并处理文中所构造的GMW序列信号,最终利用GMW序列的相关性和相位关系完成联合同步判决.计算机仿真结果表明,在水声信道下此方法可以很好完成时间同步和载波频率同步.     

基于DSP的双精度浮点型伪随机序列发生器的设计

在现代工程实践中,伪随机序列广泛应用于信息安全、数字通信、密码学、自动控制等领域中。本文设计了一种基于TD-ERCS混沌系统和混沌序列均匀化普适算法的伪随机序列发生器;采用32位高性能浮点型数字信号处理芯片实现了IEEE754双精度浮点型标准的PRSG;DSPs与PC的通讯采用了USB2.0传输协议。依据美国国家标准与技术研究院所提出的伪随机序列性能指标,对迭代所产生的混沌伪随机序列进行了测试,结果表明该PRSG所产生的CPRS性能良好,为算法的硬件实现做了很好的前期验证。     

突破细胞神经网络模板设计的瓶颈

受生物学中的DNA序列的自我复制等现象的启发,杭州电子科技大学和香港城市大学等院校的CNN（细胞神经网络）研究团队提出了DNA-Like序列的概念,并且发现感知器中的激发序列就是一个DNA-Like序列。进一步基于突触权值仅与激发序列中的某些值的相关性,再利用DNA-Like序列的特有性质,就可以把感知器的突触权值的学习转化为激发序列的学习。研究人员将基于这种思想的算法称为DNA-Like学习算法。这个算法具有许多优点,如学习速度快、迭代次数少,更重要的是,它必定是收敛的,因而不像传统的算法（如BP算法）那样会产生陷入局部极小的问题。此外,研究团队还开发了相关的软件,称之为CNN-UP。利用CNN快速计算功能, CNN-UP可以应用于许多组合逻辑电路的设计。可以预见,随着硬件实现技术的不断进步,CNN的应用领域将更加广阔。     

一种时间序列算法的设计

时间序列是近几年来的研究热点,通过观察生活中的很多和时间相关的事件来建立数据模型,本文在研究的Kuo关于时间序列的基础上,针对该算法中存在的挖掘精度不高等缺点,提出对惯性权值,学习因子进行改进,并引入了极值扰动,提高了算法的效率,将改进后的PSO算法中运用到时间序列算法中的定义和划分论域中,并采用了基于距离的模糊集定义方法和测算方法。仿真实验中采用了Alabama大学入学人数预测问题作为实验对象,实验结果说明本文的算法挖掘精度上优于传统的Kuo算法,取得了较好的效果。     

基于k-means聚类的快速LDA算法在语音识别上的应用

线性判别分析（LDA）具有很好的分类性能,但是计算复杂度一般较高。为了有效地降低LDA算法的计算复杂度,本文提出了一种基于k-means聚类的快速学习算法。该算法首先根据k-means聚类算法对原始样本进行聚类,计算聚类簇的样本中心作为新训练样本,然后再利用LDA算法进行分类。由于通过聚类算法有效地压缩了训练样本集的规模,因此算法具有更高的效率。在语音识别数据集上的实验充分验证了本文算法具有较好的分类性能,而且效率更高。     

基于FPGA的小波分解滤波器的设计与实现

给出了一种基于现场可编程逻辑器件（fpga）的离散小波变换的实现方案。采用了mallat快速小波变换算法,利用verilog语言在quartusll编译环境实现。在实现离散小波变换的核心运算——小波滤波器,采用分布式算法（DA）,流水线结构来提高其运算速度。同时,采用madab软件验证其运算结果的正确性。     

基于细胞神经网络的图像混沌加密算法

提出了一种基于五维细胞神经网络的图像加密算法。该算法利用细胞神经网络混沌特性,生成混沌序列,采用置乱-扩散-置乱机制,置乱算法与明文信息相关联。通过实验仿真,进行安全性能分析证实了该算法的可行性。