一种基于加权均方误差系数的评价因子筛选方法

评价因子的筛选一直是统计分析中的热门话题,目前对因子筛选方法很多,如综合指数法、全局主成分分析方法等;这些方法在特定的环境中均得到充分的运用,但是当因子间的相关性较强时,这些方法的分析不理想,如在交通助推农村产业的分析中就得不到与实际相符的结果。为了克服此问题,本文提出了一种加权均方误差系数法;并以贵州交通对农村产业的影响为例进行实证分析。实验结果表明,我们的方法是有效。

基于加权MMSE方法的中继发射波束成形器设计

针对一个全双工(Full Duplex, FD)双向通信系统提出了中继发射波束形成器的设计问题.该系统的两个源结点配备多根天线,附近的每个中继结点配备两根天线,一根用于传输,另一根用于接收.中继处在有限的发射功率和使用迫零归零技术下,设计了两种具有迭代线性复杂度的中继波束成形器:最小化两个源结点加权均方误差和最大化较小源结点的信噪比.通过对加权总和传输速率和平均运行时间的仿真,数值实验验证了改进加权最小均方误差波束成形器的有效性和高效性.

STAR-RIS辅助ISAC系统波束赋形优化方法

本文提出了将通信感知一体化(Integrated Sensing and Communication,ISAC)系统与同时透射和反射可重构智能表面(Simultaneously Transmitting and Reflecting Reconfigurable Intelligent Surfaces,STAR-RIS)相结合的系统模型,解决了传统可重构智能表面RIS不能实现全空间通信与感知的问题;同时考虑在STAR-RIS上安装低成本的专用传感器以实现ISAC系统在STAR-RIS上执行目标感知的一种新颖有源架构,解决了雷达感知的严重路径损耗问题.本文旨在联合优化ISAC基站处的波束赋形和STAR-RIS的无源波束赋形,以最大化通信用户的加权和速率(Weighted Sum Rate,WSR),同时保证感知性能的最低信噪比(signal-to-noise ratio,SNR).为了解决该复杂非凸优化问题,交替优化基站波束赋形及STAR-RIS无源波束赋形.针对所提的满足雷达感知SNR最低要求下最大化WSR问题,基站处波束赋形的优化子问题等价为加权最小均方误差(Weighted Minimum Mean Square Error,WMMSE)问题,STAR-RIS处无源波束赋形优化子问题等价为分式规划(Fractional Programming,FP)问题.进一步,分别将优化的非凸子问题转化为二次约束二次规划(Quadratic Constraint Quadratic Programming,QCQP),并使用半正定松弛(Semidefinite Relaxation,SDR)技术将它们分别转化为凸的半正定规划(Semidefinite Programming,SDP)子问题进行迭代求解.仿真结果验证了所采用新型STAR-RIS辅助ISAC方案的优点和所提算法在提高WSR性能上的有效性.

基于图注意力网络的无线信道功率资源优化分配

为更好地优化无线自组织网络中的节点发射功率,进一步提升网络总体吞吐量,文章提出一种基于图神经网络理论的发射功率分配算法。该算法以“展开加权最小均方误差”迭代算法为总体框架,在迭代结构中引入“图注意力网络”模型,通过无监督学习机制对特定参数进行训练,在保持良好优化性能的同时加快算法收敛。仿真结果表明,文章提出的功率优化分配算法可在达到优于同类算法性能的前提下,显著降低计算复杂度。

有源RIS辅助MISO系统联合波束成形优化算法

针对有源RIS辅助MISO系统中传统波束成形方法存在计算复杂度较高,且有源RIS热噪声抑制效果不佳问题,提出一种基于加权最小均方误差和粒子群的有源RIS辅助MISO系统联合波束成形优化算法。首先,利用交替优化思想,将非凸和速率优化问题转化为独立的基站波束成形和RIS相移凸优化问题;其次,采用具有较快收敛速度和较高估计精度的加权最小化均方误差算法,对基站波束成形进行优化设计;最后,通过引入混沌初始化和自适应惯性权重思想,对基于传统PSO的RIS相移设计进行优化,改善了容易陷入局部最优问题。仿真结果表明,与多种基准方案相比,所提方案可在有效降低计算量的情况下显著提高系统的和速率。

对结构腐蚀增长模型的探讨

通过对已有增长模型,即Logistic模型和Confined exponential模型的修正,建立了一个腐蚀增长模型,即修正的Logis-tic模型。并结合某飞机机翼前沿腐蚀坑的深度数据,应用SAS统计分析软件对新模型和两已有的腐蚀增长模型进行非线性回归分析,然后应用加权最小二乘法反复迭代,求解模型的参数估计值,对模型进行拟合缺适度检验来检验模型对腐蚀增长数据的拟合程度,并对模型的精度进行对比。结果显示三个模型都较好地模拟了腐蚀坑深度的增长过程。而相比之下,修正的Logistic模型的精度较高。

基于感知相关代价函数的深度学习语音增强

当前大多数基于深度神经网络(DNN)的语音增强算法使用的均方误差代价函数没有充分利用人耳听觉感知特性,且语音可懂度没有必要关联性,为此提出一种端到端的基于DNN的语音增强框架,并将基于频域加权分段信噪比的感知相关代价函数作为优化目标来训练DNN;在此基础上,将频域加权分段信噪比和感知加权均方误差相结合,提出一种联合优化代价函数用于训练DNN,改善人耳对含噪语音的听觉感知。实验结果表明,采用深度神经网络对含噪语音进行去噪时,通过将感知相关代价函数整合到数据驱动的模型学习中,语音质量和语音可懂度显著提高。

面向C-RAN的群稀疏线性预编码

云无线接入网络(cloud radio access network,C-RAN)是一种能够集中处理信号的网络架构。C-RAN能够通过算法动态选择无线电单元(remote radio head,RRH)来调整用户通信速率。而通信速率作为用户服务质量(quality of service,QoS)的关键部分,当参与服务的RRH越多时,用户的通信速率更大且体验更好,但同时所带来的能源损耗越大,因此本文研究通信速率和功率消耗二者之间的权衡关系。提出一种优化算法,将权衡问题建模成一个单目标优化模型,通过权衡系数来协调速率和RRH激活个数之间的矛盾。为了解决l0-范数的非凸问题,本文使用重复加权l1-范数去近似l0-范数,同时使用加权最小均方误差(weighted minimum mean square error,WMMSE)的方法将通信速率从非凸问题转换成一个凸问题,最后使用改进的次梯度法对预编码矩阵进行更新。仿真结果证明该算法减少了时间复杂度,同时达到了与穷举法相近的性能。

基于到达相位技术的室内定位系统研究与实现

研究了基于到达相位测距的性能,设计实现了基于到达相位技术的小型地下停车场定位系统。AT86RF233芯片可测量载波相位,根据不同频率射频信号的相位差可计算距离。设计了可变限幅均值滤波算法自适应限制测距结果的较大波动保证实时性的前提下优化了结果平滑性。在三锚节点的室内定位系统中,设计了基于加权最小均方误差的质心定位算法,改进了质心定位算法中定位点的选择方式。实地实验结果验证了算法的有效性,系统的实时跟踪精度达到亚米级,可用于小型室内停车场车辆和人员定位。

大规模MIMO系统中基于WMMSE的混合预编码算法

为提高大规模多输入多输出（MIMO）系统复用增益,降低天线硬件成本,提出一种基于全阵列天线结构的混合预编码算法.以多用户加权最小均方误差为优化目标,综合考虑天线结构硬件限制、用户公平性和功率限制,采用数字—模拟混合式两级预编码与最优一级数字预编码最大逼近的方法求解两级混合预编码.仿真结果表明,所提算法能最大限度地减小所求混合预编码矩阵与最优一级预编码矩阵的误差,具有较好的收敛性,可获得近乎最优的混合预编码性能增益.