一类推广的指数平滑优化模型性质及算法的研究

在原二次指数平滑模型的基础上 ,提出了一种带有动态平滑参数的指数平滑优化模型 ,包括差分 指数平滑模型 ;通过引入动态参数 ,建立了不需选取平滑初值的新模型 ;采用Fibonacci算法优选并自动生成平滑参数使模型得以优化 .从而较完整地解决了指数平滑预测中 ,平滑参数靠经验确定且为静态、平滑初值难以确定并易导致预测偏差等问题 .

基于TM遥感优化模型的地表水体信息提取

利用归一化植被指数(NDVI)、归一化水体指数(NDWI)、修正归一化差异水体指数(MNDWI)三种方法对中山市TM影像数据进行水体信息提取,并对三种方法进行了比较分析。结果表明NDWI指数对山体阴影区分并不明显;NDVI指数可以明显区分出山体与水库,但噪声较大,建筑物与水体区分不明显;MNDWI指数尽管为三者中最优,但仍有部分水体信息提取了山体阴影使提取结果不准确。考虑到每种指数方法优缺点,在现有指数模型基础上,经过多次实验研究提出了综合考虑三种指数信息的水体提取优化模型,该模型提取快速,准确率高于MNDWI指数模型,解决水体提取中难于消除阴影的难题,使得提取水体信息的范围与面积更加准确。

基于OGCE⁃BEM的OTFS信道估计

【目的】随着面向第六代移动通信技术研究工作的开展,传统的正交频分复用(OFDM)系统中的载波间干扰使得信道估计性能不足以提供高度可靠的通信,而正交时频空(OTFS)系统可以有效解决快速时变性和多普勒效应导致的通信系统可靠性下降问题,近年来受到了广泛关注。【方法】为了有效满足OTFS系统所需的信道估计性能需求,文章采用优化的广义复指数(OGCE)基扩展模型(BEM)将信道脉冲响应建模为时不变的基函数与基函数系数的形式,从而有效地拟合高速移动通信场景下的快速时变信道。OGCE⁃BEM通过更加密集的采样改善了频谱泄漏的问题,并且通过增加修正系数降低了高频基模型的误差。为了得到更为精确的基函数系数,文章基于遗忘因子与估计误差的关系,设计了可变遗忘因子的递归最小二乘(RLS)滤波器,使得RLS滤波器可以实时追踪基函数系数的变化。【结果】仿真结果表明,文章所提算法适用于高速移动通信场景,基函数的设计更为合理,相较于固定遗忘因子的估计方法,具有更低的均方误差,信道估计结果更加精确。与最小二乘(LS)、BEM⁃LS和BEM⁃线性最小均方差(LMMSE)信道估计方式相比,均方误差性能得到了明显提升。【结论】文章所提基于OGCE⁃BEM的信道估计算法有效减少了待估计未知参数量,提高了信道估计的准确性。