低信噪比下长码直扩信号的符号宽度估计

针对长码直扩信号,提出了一种新的符号宽度估计算法。在基于高阶自相关统计量和最大化相应的自相关系数中得到粗略估计值,然后基于伪码差分解扩的概念和二阶循环自相关函数得到精确估计值。粗略估计步骤在低信噪比和短数据长度下具有鲁棒性,给精确估计步骤提供一个可信的估计范围,从而改善了精确估计步骤的性能;在精确估计时,采用伪码差分解扩消除伪码序列对循环自相关函数的扰动。仿真表明,和现有方法相比,算法不受伪码限制,同时估计的性能有明显改善,适合于低信噪比下使用。     

单频估计的自相关混合算法

对于高斯白噪声中单频复正弦信号的频率估计,提出一种基于信号自相关的混合算法。以自相关项相位加权平均方法获得估计初值,再以迭代方式利用自相关项进行频率估计。获得比迭代线性预测算法(ILP)更低的信噪比门限,估计方差在高信噪比时接近Cramér-Rao限,且优于ILP算法。该算法特别适于频率估计范围较窄但要求低信噪比的应用,性能分析和仿真结果说明了该方法的优越性。     

LAD准则下的无线传感器网络节点定位方法

多维标度算法广泛应用于无线传感器网络的节点定位。经典的MDS算法通过构造距离平方矩阵(非相似性矩阵)和进行双质心变换,在相似性空间中根据最小二乘准则进行求解。若测量噪声为高斯白噪声,经过变换后,相似性矩阵中元素的误差不再服从高斯分布,基于LS的估计不再是最优的。针对这一问题,用最小绝对值偏差准则改进MDS算法代价函数,对无线传感器网络节点定位进行研究。仿真结果表明,该方法具有良好的稳健性,比经典MDS算法具有更好的定位性能。     

基于FFT的数字多波束测向算法研究

低信噪比下的高精度DOA估计是信号处理中的一个难点,传统的DOA测量方法和现代空间谱估计算法只适用于高信噪比环境。该文将传统的振幅测向法、数字多波束形成和FFT相结合,提出了一种基于频域处理的振幅测向算法,仿真实验表明该算法在信噪比为0～-25 dB的噪声环境中可以进行高精度DOA估计。     

基于二维DCT的LS信道估计

把二维DCT变换引入传统的LS信道估计算法,提出了一种基于DCT2/IDCT2的OFDM系统信道估计方法.通过对具有瑞利衰落信道的典型OFDM系统仿真,该算法性能比传统的LS算法有明显提高,尤其在低信噪比时该方法对系统性能提升更为突出,并研究了该算法性能受插值方法和多普勒频移的影响.     

未知频偏下直扩信号的扩频序列估计

针对未知频偏下的直扩信号,通过将载频吸收至扩频波形中,提出了一种有效的基于协方差矩阵子空间分解的扩频序列估计算法。通过信号子空间分解,提高了含有未知频偏信息的扩频波形估计的信噪比,从而降低了载频估计难度。在随机信号模型条件下,还推导了扩频波形估计器的克拉美劳界。在低信噪比条件下,仿真验证了该算法的有效性。     

用PSO方法搜索基于MLE的ARMA模型参数

针对小样本条件下用矩估计(ME)方法获取ARMA模型参数粗略的缺点,将粒子群优化算法(PSO)用于小样本ARMA模型参数的极大似然估计(MLE),以获得概率上最优的数字解。在分析基于ARMA模型似然函数的基础上,详细分析了PSO的思想、方法和评价指标。以实际例证显示了联合PSO优化方法估计AMAR模型参数的优良特性,并从算法和似然函数角度分别阐释了形成利弊的原因。     

求解约束优化问题的混沌类电磁算法

针对约束优化问题,提出了基于混沌优化的一种新的类电磁机制算法。采用多目标优化的约束处理技术,将约束优化问题转化为无约束的双目标优化模型来求解;对于转化后的新模型,设计粒子的电荷和粒子间的受力公式。同时,为了加快算法的收敛速度,结合混沌优化改进种群中的粒子。采用标准的Benchmark函数对新类电磁机制算法的性能进行了仿真测试,并将测试结果与已有算法的结果进行比较,结果表明,新算法能够快速找到问题的全局最优解或近似最优解,是一种非常有竞争力的优化算法。     

隧道场景下行人检测DA-Zero-DCE图像增强算法

隧道图像受拍摄环境影响,存在光照分布不均、局部遮挡、噪点较多等问题,针对现有图像增强算法在优化过程中的过曝与失真,提出一种隧道图像增强算法DA-Zero-DCE(denoising-attention based zero-reference deep curve estimation)。首先,基于Zero-DCE模型,使用U-Net改进用于曲线估计的主干网络DCE-Net,并且加入坐标注意力机制来提升对图像局部区域的暗光感知能力。其次,在曲线估计主干网络后加入NAF-Net噪声去除模块,有效抑制Zero-DCE在低光照增强后的噪声。此外,为缓解增强图像的失真与过曝现象,将空间一致性损失函数的4邻域计算方式扩展为8邻域计算方式,增强输出结果平滑度。通过LOL数据集的消融实验,DA-Zero-DCE模型比Zero-DCE模型在增强结果上的PSNR(峰值信噪比)提升约10 dB,SSIM(结构相似性)提升约0.1,验证了模型的有效性和可行性。     

基于RRT改进的路径规划算法

针对快速随机扩展树(RRT)的路径规划算法效率低且采样具有随机性等问题,提出了一种偏向目标点的新节点扩展方法。该方法将目标点引力、障碍物斥力以及随机点引力三力合一,并且添加了与障碍物距离相关的自适应函数,可自适应调节随机点引力与目标点引力在新节点扩展过程中的占比,与障碍物斥力共同使随机树避开障碍物更快地朝目标点扩展;同时针对规划路径过长的问题,提出了剪枝优化方法,进一步优化路径长度。在仿真实验中分别与传统RRT算法、基于P概率算法以及另两种已有改进方法比较,结果表明:所提方法在时间、路径长度以及路径节点个数均有明显优化。     

应用卷积神经网络的测距算法研究

针对传统的接收信号强度指示(RSSI)测距算法过于依赖经验或测距环境从而导致测距精度不高的问题,提出了一种基于卷积神经网络的测距算法。为了减小复杂测距环境下,由多径效应、非视距传输等因素造成的RSSI信号波动,通过多次测量RSSI信号来构建RSSI样本数据。将RSSI样本数据集作为输入训练卷积神经网络,并通过该网络对实时捕获的RSSI信号进行特征提取,从而估计节点之间的距离。实验结果表明:与传统RSSI测距算法相比,该算法显著提高了测距精度。     

大系统分解协调理论在电力系统动态调度中的应用研究

提出了电力系统动态优化调度问题的目标分解协调的新算法．基于大系统的分解协调理论，将动态优化调度模型按时段进行分解，通过目标函数的修正来协调时段间经济性与可靠性的要求．该方法既避免了统一解算所造成的维数灾问题，又系统化了各种解耦算法（正推、反推及双向推），将模型的算法统一起来．     

多线性调频信号参数估计及DSP实现

为实现多线性调频信号参数的快速准确估计,运用模糊函数和Radon变换的性质,提出以信号分数阶自相关实现模糊函数快速计算,并对分数阶自相关进行Radon变换,结合自适应滤波的方法来估计多线性调频信号的调频斜率,在C6701 EVM板上的仿真实验表明,算法在低信噪比下具有优良的参数估计性能,计算效率高。     

粒子群优化算法在天线方向图综合中的应用

针对目前粒子群优化算法在多零点低旁瓣约束的阵列天线方向图综合中早熟收敛、易陷入局部极值的问题,提出了一种改进的粒子群优化算法MSPSO,在多子群、层次化的模型中采用von Neumann邻域结构,以改善收敛速度和优化精度。建立一种新的目标函数模型,对顶层和底层的子群分别采用适合其特点的适应值目标函数,平衡了算法的全局和局部搜索能力。仿真结果表明,将该算法应用于阵列天线方向图综合中,取得了很好的优化效果。     

基于混合差分进化算法的试井分析最优化方法

摘要：试井参数优化是对通过测试得到的油气井井底流压及产量数据得到的油气藏模型参数进行优化处理,得到最符合油气藏实际情况的参数。试井存在多解性,以往使用的最优化方法要求目标函数连续可微,受初值影响较大,是属于寻找局部最优解的办法。为此,提出了一种混合差分进化算法的试井分析最优化方法。将标准差分进化算法加以改进,与模拟退火算法和小生境思想结合在一起,构成一种混合差分进化算法,该算法在保证算法全局搜索能力的同时,能更快地收敛到非线性问题的最优解。进一步将该算法应用到试井分析中,构建了基于混合差分算法的试井分析方法,不需要估计井筒和油藏参数的初值,也不要求目标函数连续可微,优于标准差分进化算法。通过实测试井资料分析,与 L–M 方法相比,效果良好。     

无线传感器网络下的并行粒子滤波目标跟踪算法

针对无线传感器网络环境下目标跟踪问题,提出一种基于分布式并行粒子滤波的目标跟踪方法。在建立了网络动态分簇模型和目标运动模型的基础上,将并行粒子滤波算法应用于动态目标进行跟踪。算法通过多个感知节点并行的运行局部粒子滤波器,得到每个节点对目标状态的估计,动态成簇的簇头节点对簇内每个节点的信息进行融合,形成动态目标的状态估计,提高了目标跟踪的精度。同时通过动态簇头之间的目标状态信息的交换,实现了运动目标的动态连续跟踪。仿真结果表明,算法实现了运动目标协作跟踪,与集中式结构目标跟踪相比,跟踪精度提高了30%。     

支持向量机替代模型的遗传优化设计

针对实际工程中常见的性能函数不能显式表示的优化问题,提出一种基于支持向量机替代模型的遗传优化设计方法。利用试验设计选取合适的设计参数样本点,通过实验或数值仿真获得响应输出,结合遗传算法构建具有参数优化功能的支持向量机替代模型;将支持向量机模型作为目标性能函数,结合其他约束条件完成优化模型的建立,并应用遗传算法进行优化,形成一套准确、高效、适应性强的优化方法。以典型电子装备功分器的结构尺寸优化为例,采用均匀试验设计和高频电磁场仿真软件HFSS获取替代模型训练的学习样本,建立功分器模型的幅度比、相位差和驻波3个响应面目标函数,并对该多目标优化问题进行遗传寻优。     

多目标模糊优化潮流模型及其基于神经网络的算法

提出了一种计算交流潮流的多目标模糊优化模型。模型中,同时考虑了发电费用最少及网损最小等多重目标。针对该模型,还提出了一种基于神经网络模型的新算法。该算法分别采用神经网络模型进行模糊集隶属函数的表达及优化问题的求解,从而将模糊优化同神经网络有机地结合起来。通过算例对所提模型及算法进行了验证。     

Curvelet 域蒙特卡罗估计的随机噪声衰减

针对低信噪比地震资料进行噪声压制时, 传统滤波方法容易损伤有效波。研究认为, curvelet 多尺度多方向的分析能力可以有效分离随机噪声, 提出基于蒙特卡罗估计的自适应非线性阈值函数法衰减噪声能量, 实现在压制噪声的同时保持有效反射信息。模型算例及大巴山地区某地震资料的处理实例表明, 该方法能够有效地压制随机干扰, 同相轴连续性与剖面信噪比较传统小波方法显著提高, 一定程度上改善了常规滤波处理方法在压制噪声的同时对有效波的影响。     

基于遗传算法的青海土族和藏族人发元素非线性映射研究

利用非线性映射与遗传算法相结合的方法对青海少数民族进行识别。遗传算法是一种借鉴生物界自然选择和进化机制发展起来的高度并行、随机、自适应搜索算法,由于其具有健壮性,特别适合于处理传统搜索算法解决不好的复杂的和非线性问题。它是解决各类函数优化和非线性映射问题的一种有效算法。以青海少数民族土族和藏族人发中微量元素的模式识别为例,编制基于误差函数的目标函数和遗传算法约束参数,应用基于MATLAB的遗传算法工具箱进行优化求解。结果表明:该工具箱在求解此类非线性优化问题上是有效的,基于遗传算法的非线性映射的预测结果比线性判别方法要好些。