采用张量方法的盲干扰抑制及信源恢复技术

针对多输入多输出系统受到有意干扰情况下的盲干扰抑制和信源恢复问题,提出一种双阵列天线接收机结构,通过差分处理,在不考虑独立性的条件下实现盲干扰抑制。消除干扰后的数据有明显的张量切片特征,将其堆积成三阶张量,并通过基于张量分解的方法不经信道估计直接恢复源信号,相较于传统基于信道估计的信源恢复方法大大降低信道估计误差的影响,提高恢复精度。仿真结果表明,所提方法较传统基于训练序列进行信道估计的方法能以更小的训练开销达到更优的信号恢复性能。     

DSSS中抑制窄带干扰的时域自适应技术

本文研究了DSSS中窄带干扰（NBI）抑制的时域自适应技术,由Masreliez提出的近似条件均值（ACM）滤波的适用范围比卡尔曼滤波更广,但实现起来比较困难,具体应用时,可采用与其性能相当,易于实现的多用户直接判决卡尔曼（MDK）滤波来完成抑制NBI的功能。     

一种基于MMMA的双模式变步长盲均衡算法

针对传统修正恒模算法(MCMA)收敛速度慢、剩余码间干扰大的缺点,在双模式修正恒模算法(MCMA+DD-LMS)的基础上引入局部信息量和变步长的思想,提出了一种基于修正多模算法(MMMA)的双模式变步长修正多模算法(VS-MMMA+DD-LMS)。经过理论分析和实验仿真,证明改进后的算法较传统算法具有更好的均衡效果。     

一种改进的直扩系统频域抑制窄带干扰算法

提出了一种基于比较变异系数统计平均的自适应多门限窄带干扰抑制算法.该算法用变异系数的统计平均作为切换准则,当干信比较小时利用直扩系统本身的匹配滤波器进行相关解扩,而当大干信比时切换到白适应多门限算法进行干扰抑制.理论分析和计算机仿真结果均验证了变异系数作为切换准则的有效性,并且表明了该算法在直扩系统中抑制窄带干扰具有更...     

一种基于Lorentzian函数的变步长LMS自适应滤波算法

为了改善传统的LMS类算法存在的缺点,提高算法的收敛速度和跟踪性能,提出了一种基于Lorentzian函数的变步长LMS自适应滤波算法.该算法采用Lorentzian函数来建立估计误差e(n)和步长因子μ(n)之间的非线性关系,以达到提高收敛速度和改善跟踪性能的目的.计算机仿真表明,算法与其他LMS类自适应滤波算法相比,在收敛速度和跟踪性能上都有较大的提升.     

基于MSE准则抑制SPR射频干扰的方法

针对冲激体制的超宽带表层穿透雷达在时域接收中存在的射频干扰的问题,分析了射频干扰的性质与特征,并在此基础上,以MSE为准则,提出了A Scan的波形平均算法和B Scan方位向的中值滤波算法,并对实测的表层穿透雷达数据进行了处理。结果表明这两种算法都能较好地抑制SPR的RFI,最后对这两种算法的性能进行了比较和评估。     

一种改进的变步长归一化LMS算法

在以往的基于ＬＭＳ算法的研究中，归一化ＬＭＳ算法（ＮＬＭＳ）增大了算法的动态输入范围，但该算法对噪声很敏感。引入自相关的变步长ＬＭＳ算法（ＶＳＳＬＭＳ）不仅加快了收敛速度，可在非平稳状态下进行快速跟踪，而且消除了独立噪声的干扰，但它无法适应大范围的动态输入。本文综合它们的优点而得到的算法，在低信噪比和大范围的动态输入情况下都有良好的性能。     

融合动量项的步长自适应盲源分离算法

为进一步缓解盲源分离算法收敛速度与稳态误差之间的矛盾,首先在自然梯度算法的基础上,通过融合动量项改善算法的收敛速度,基于分离性能指标的步长自适应减小稳态误差;然后,给出了所提算法的模型图,同时考虑分离性能和计算复杂度,选择合适的融合动量项算法,并设计了算法的近似最优参数,有效避免了算法的分段收敛;最后,合理选择步长与动量项的权重系数,有效改善了分离性能与收敛速度。仿真结果表明:该算法在一定程度上缓解了上述矛盾,并具有较低的计算复杂度。     

FRFT与时域联合处理的欺骗干扰抑制方法北大核心

针对斜率抖动线性调频(SVLFM)脉冲压缩雷达受假目标欺骗信号干扰的问题,提出一种分数阶傅里叶变换(FRFT)滤波和时域联合处理的欺骗干扰抑制方法。通过分数阶傅里叶变换将欺骗干扰信号中与回波信号调频率相差较大的干扰分量进行滤波处理,对滤波后信号进行分数阶傅里叶反变换到时域后,利用相同调频率的LFM信号经加窗脉冲压缩后,最大幅值与窗函数宽度成线性关系,而不同调频率的最大幅值不随窗函数宽度变化的特点,进一步将与回波信号调频率相近的干扰分量进行区分。最后通过仿真验证了低信干比条件下,该方法能够有效滤除多分量假目标欺骗干扰信号,正确检测目标回波信号。     

改进的变步长LMS自适应滤波算法分析

通过建立步长因子μ与误差信号e(n)之间的非线性函数关系,提出了一种改进的自适应变步长最小均方(LM S)算法。该算法克服了LM S算法在自适应稳态阶段μ取值偏大的缺陷,具有在误差e(n)接近零处缓慢变化的特点。该算法还具有初始阶段和未知系统时变阶段步长自动增大而稳态时步长很小的特点,解决了收敛时间和稳态误差的矛盾。将该算法对比一般的变步长算法,该改进算法在平稳过程中具有更小的稳态误差,同时还具有更好的跟踪时变系统的能力。     

一种改进的量子粒子群算法

量子粒子群算法是将量子计算与粒子群算法相结合的一种新的优化方法。首先利用相位角进行实数编码,将动态量子旋转门引入到粒子群算法中,采用自适应变异,提出了一种改进的量子粒子群算法。然后运用Pe-nalized函数和Ackley函数测试了该算法的性能。最后将该算法应用到武器目标分配模型中,获得了最优的分配方案。仿真研究表明,该算法具有收敛速度快、搜索能力强和稳定性高的特点。     

基于改进遗传算法对某自动装弹机减速器的研究

在满足自动装弹机性能的前提下,研究了减速器的最优结构参数组合以及动力学性能。在分析了减速器不同参数对性能的影响后,提出了一种基于遗传算法的改进算法,以中心距最小为优化目标,建议优化数学模型;选取斜齿轮齿根弯曲强度和齿面接触疲劳强度为约束,运用改进遗传算法进行求解,得到最优参数组合。改进遗传算法进行优化,中心距的尺寸相比之前减少了9.59%;基于优化后的结果,随着减速器输出端负载的增加而振动变弱,其最大值仅为负载为500 N时的1/8。结果表明利用改进后的遗传算法可以有效地解决自动装弹机减速器结构优化问题,为以后的工程图设计提供依据。     

基于AP-DE算法动态迭代步长的研究

为了促进自适应滤波器的滤波性能,建立了一种变步长的基于直接迭代误差AP-DE算法。通过使得权值均方误差下降速度最大,获得了AP-DE算法的优化迭代步长,并分析了所建立算法权值均方误差的统计特性。     

北斗GEO卫星用户算法的改进方法研究*

针对北斗GEO用户算法需要进行5?倾角的坐标旋转处理这一过程,本文提出了采用经典广播星历参数用户算法直接解算北斗GEO卫星位置的改进方法,并同时给出了相应的基于第二类无奇点根数的广播星历拟合算法。该算法采用第二类无奇点轨道根数代替经典轨道根数,解决了由GEO轨道的小倾角特性引起的经典广播星历参数拟合过程中法化矩阵奇异的问题。从而避免了北斗GEO用户算法中坐标旋转处理过程,减少了GEO用户算法的计算步骤。经过仿真验证,本文提出的改进方法在卫星轨道拟合过程中与原算法精度相当;在卫星轨道外推过程中与原算法相比略有精度损失,但仍满足用户导航定位精度的需求。最后,采用实际北斗GEO星历解算的轨道数据验证了改进算法的有效性。     

基于正态分布曲线的分段式变步长LMS算法

针对传统最小均方误差(Least Mean Square, LMS)自适应滤波算法由于步长固定,在解决稳态误差与收敛性之间的关系时,始终处于矛盾状态的问题,在对传统的固定步长LMS自适应滤波算法分析的基础上,根据变步长LMS自适应滤波算法的步长调整原则,通过构造步长因子与误差信号的非线性函数,提出了一种基于正态分布曲线的分段式变步长LMS自适应滤波算法,并分析了参数取值对算法性能的影响。针对实际信号处理过程中参考信号难以选取的问题,提出了一种基于分裂阵的参考信号选取方法。理论和海试数据分析结果表明:该算法的收敛速度和稳态误差明显优于固定步长的LMS自适应滤波算法和基于Sigmoid函数的变步长LMS自适应滤波算法。     

基于改进LMS算法的复合材料超声检测缺陷识别

在径向基函数（RBF）神经网络实现无人机复合材料超声检测脱粘缺陷识别时,针对最小均方（LMS）算法在确定网络输出权值时存在稳态失调误差和收敛速度相矛盾的问题,提出一种改进的自适应的变步长LMS算法．该算法根据反馈误差自适应确定步长,通过引进动量项加快收敛速度．将改进LMS算法应用到RBF网络缺陷识别中,结果表明该方法在稳态失调误差较小的情况下,能快速确定RBF网络的权值．改进的RBF网络能够较好地识别超声检测脱粘缺陷．     

基于改进March SS算法的存储器测试技术研究

摘要：针对存储器的特点,介绍了存储器简化的功能故障模型．基于一种既可以测试静态简化故障又可以测试动态简化故障的MarchSS算法,提出了一种改进的存储器测试算法MarchSSI算法．该算法不仅能测出MarchSS算法测试的所有功能故障,而且能够覆盖MarchSS算法遗漏的故障,使算法故障覆盖率有了一定的提高．通过仿真,验证了算法的可行性．     

改进人工蜂群算法的无人机航迹规划研究

如何快速地规划出满足约束条件的飞行航迹,是实现无人机自主飞行的关键。将改进的人工蜂群算法应用于求解无人机航迹规划问题,同时在人工蜂群算法的侦察阶段引入差分进化算法的思想。通过仿真实验并与标准人工蜂群算法比较,结果表明此算法能够有效加快收敛速度,提高最优航迹精度,是解决航迹规划和其他高维复杂函数优化的有效方法。     

基于改进粒子群优化RBF神经网络的算法

针对粒子群算法易陷入局部极小的缺陷,提出了一种改进的粒子群优化算法,并将改进后的算法应用到RBF神经网络核函数参数的选取中。依照文中提出的编码方式、迭代公式和适应度函数,在全局空间中搜索具有最优适应值的参数向量。实例仿真表明,基于改进粒子群算法优化的RBF神经网络不仅收敛速度快,且误差精度高。