基于深度学习的水声信道联合多分支合并与均衡算法

为了更好地解决水声信道中的衰落及严重码间干扰问题,该文提出一种基于深度学习的联合多分支合并与均衡算法。该算法借助深度学习网络的非线性拟合能力,联合实现了多分支合并和均衡。在算法实现中,合并与均衡并非相互独立,而是基于深度学习网络的总输出计算出总误差,以总误差对网络参数实现联合调整,数据集则基于统计水声信道模型进行构建。仿真结果表明,相较于已有算法,所提算法能获得更快的收敛速度和更好的误码率性能,使得其能更好地适应水声信道。

基于模糊逻辑的异型无人机中继网络接入点选择算法

针对单一无人机中继网络中源节点数据业务需求量分布不均引起的局部数据拥塞问题,提出一种由固定翼无人机和旋翼无人机组成的异型无人机中继网络模型。在此基础上,探讨异型无人机网络和用户间的接入点选择算法,提出适用于异型无人机中继网络的基于模糊逻辑理论的接入点选择算法。在异型无人机中继网络环境下,仿真分析比较所提算法和传统算法在网络吞吐量和中断频率方面的性能差异,结果表明所提算法能使异型无人机中继网络具有更高的吞吐量和更低的中断频率。

改善CE-OFDM相位模糊的块编码联合过采样方法

针对调制指数较大时,相位连续的正交子载波数较少的恒包络正交频分复用CE-OFDM(Constant Envelop Orthogonal Frequency Division Multiplexing)信号在相位解调过程中频繁出现相位模糊的问题,提出利用块编码联合基于在OFDM帧结构中插零实现过采样的方法改善该问题。在此基础上,利用模拟退火-粒子群优化SA-PSO(Simulate Anneal Particle Swram Optimization)算法寻找最优编码序列。实验结果表明,相比于单一的过采样方法,所提方法在改善相位模糊效果相同时,能够具有更低的计算复杂度。在采样率相同时,联合方法具有更好的改善效果。

一种基于杂波稀疏度改进的杂波密度估计方法

在实际跟踪环境中,杂波测量空间分布特性往往是未知时变的,杂波密度通常被用来描述杂波测量的空间分布特性,是决定多目标自动跟踪性能的核心环境要素。现有的空间稀疏度的杂波密度估计方法(Spatial Clutter Measurement Density Estimator,SCMDE)在多目标自动跟踪场景下的杂波密度估计偏差急剧增大。针对以上问题,提出了一种基于SCMDE改进的杂波自适应估计方法,通过计算以待估点为中心的超球体内测量来源于杂波的概率估计超球体内真实的杂波个数,消除超球体内目标测量带来杂波密度估计偏差,从而提升复杂环境下多目标自动跟踪的航迹管理性能。

频分复用CE-OFDM系统原理及性能分析

针对恒包络正交频分复用CE-OFDM(Constant Envelope Orthogonal Frequency Division Multiplexing)波形相位解调时容易出现的相位模糊问题,提出对该波形进行频分复用,介绍频分复用CE-OFDM系统工作原理。在此基础上,分析频分复用CE-OFDM波形的频谱效率和功率效率。仿真结果表明,频分复用手段能有效改善CE-OFDM系统相位模糊问题。

离心式导热油泵替代屏蔽泵降本节能改造

针对聚酯装置中导热油泵存在高造价、高维修成本和高运行能耗的缺点,利用特殊设计密封改造的离心泵替代屏蔽泵,试运行结果表明:改造后的离心泵运行状况良好,泄漏量在可控范围内,造价成本、维修成本与运行能耗均明显下降,有效地实现了降本节能的目的,为后续聚酯项目设备选型提供了借鉴经验。