一种改进的短波信道数据引导均衡算法

数据引导均衡算法(DDEA)存在利用上一帧信道参数均衡当前数据帧、假设一帧数据内信道恒定、均衡器和译码器之间传递硬判决信息等问题。为此,提出3种改进算法,硬判决迭代DDEA算法通过迭代,使得均衡当前数据帧时利用的信道参数接近于当前帧的实际信道参数,可变信道系数DDEA算法允许每个采样间隔信道系数都是变化的,DDEA-Turbo均衡算法通过传递软判决信息改善系统性能。仿真结果表明,与DDEA算法相比,3种改进算法信噪比改善程度分别达到3.5 dB、2 dB、6 dB,信道均衡性能都有不同程度的提高。

改进的短波信道数据引导均衡算法研究(英文)

针对短波信道数据引导均衡算法(data-directed equalization algorithm,DDEA)存在的问题,即必须以一帧数据内信道恒定为前提假设,且在均衡器和译码器之间只能传递硬判决信息,提出两种改进的DDEA均衡算法,分别从不同角度对此加以解决。所提可变信道系数的DDEA算法无须假设一帧数据内信道系数恒定,而允许在每个采样间隔信道系数都是变化的。所提DDEA-Turbo均衡算法能通过在信道估计器、均衡器和译码器之间传递软判决信息,将均衡器和译码器联合起来进行迭代。仿真结果表明,两种改进算法相较于传统的DDEA算法在性能方面都有不同程度的提高,但有分析显示,这种性能的提高须以增加复杂度为代价。

基于就业引导的西南民族地区高等教育相对均衡发展研究

从西南民族地区就业导向视角研究高等教育均衡发展问题，分析就业引导下西南民族地区高等教育相对均衡发展可能性，提出高等教育相对均衡发展的路径。

信息化背景下的2010年上海世博会客流均衡与引导

在现状调研和现状分析的基础上,阐述世博交通的总体特征、客流出行过程分析,并针对其交通特征提出2010年上海世博会客流引导与均衡的交通信息化解决方案,从而保障客流的总体出行特征在方式、空间、时间上与基础设施相匹配。

基于DDEA算法的短波信道Turbo均衡研究

针对数据引导均衡算法(DDEA)的缺陷,受到Turbo均衡中迭代思想的启发,提出一种基于数据引导均衡技术的短波迭代信道估计、均衡和译码算法,不仅均衡和译码之间互相传递软信息,信道估计器使用的也是译码器反馈的软信息,通过每次迭代时软信息质量的改善,提高系统的可靠性;通过多次迭代信道估计器输出的信道参数很接近当前帧的实际信道,可使均衡输出与实际发送序列的均方误差足够小,而且,信道估计器多次迭代等效于使用足够长的训练序列调整信道参数,确保了估计器的收敛。通过Matlab仿真验证了算法的工作性能。

基于协同变异与莱维飞行策略的教与学优化算法及其应用

针对教与学优化(TLBO)算法在处理优化问题时存在搜索不均衡、易陷入局部最优、综合求解性能弱等缺陷,提出一种基于均衡优化与莱维飞行策略的改进教与学优化算法ELMTLBO。首先设计精英均衡引导策略,通过种群中多个精英个体的均衡引导提高算法的全局寻优能力;其次在TLBO算法的学习者阶段后,利用自适应权重策略对莱维飞行产生的步长进行自适应缩量,以提高种群局部寻优能力,增强个体对复杂环境的自适应性;最后设计了变异算子池逃逸策略,通过多个变异算子的协同引导,提升算法的种群多样性。为验证算法改进的有效性,将EMLTLBO算法与侏儒猫鼬优化算法(DMOA)等先进的智能优化算法以及平衡教与学优化(BTLBO)算法、标准TLBO等同类型算法在15个国际测试函数上进行综合收敛性能比较。统计实验结果表明,与先进的智能优化算法和TLBO算法变体相比,ELMTLBO算法能够有效平衡其搜索能力,不但有效求解单峰和多峰问题,而且在复杂多峰问题上仍有显著的寻优能力。在不同策略的共同作用下,ELMTLBO算法的综合优化性能突出,全局收敛性能较为稳定。此外,ELMTLBO算法成功应用于基于隐马尔可夫模型(HMM)的多序列比对(MSA)问题中,优化后得到的高质量对齐序列可用于疾病诊断、基因溯源等,可为生物信息学提供算法支撑。

破解“蜈蚣博弈”悖论:“灰数规整”顺推归纳法研究

动态博弈分析的中心内容是子博弈完美纳什均衡分析,子博弈完美纳什均衡分析的核心方法是逆推归纳法[1,2]。长期以来,逆推归纳法悖论与现实严重不符的现象困扰着学术界。本文揭示了逆推归纳悖论产生的根源:首先是其所犯的微观逻辑推理对整体宏观逻辑观忽略的错误;或者说只重视眼前(近期)利益,而忽略长远利益;其次是经典的多阶段动态博弈模型的结构形式无法满足人们对整体的和长远的利益考虑与均衡分析。本文构建了一种新型的基于未来博弈引导值的动态博弈模型的结构形式;设计了多阶段动态博弈的逆推"灰数规整"算法;构建多阶段动态博弈的"终止"和"引导"纳什均衡解的概念体系,并提供了方便有效的均衡分析方法;从而较好地破解了"蜈蚣博弈"的悖论。

SNR估计误差对DDEA-Turbo系统的影响

基于数据引导均衡算法(DDEA)的Turbo均衡,求取符号外信息对数似然比(LLR)时需要用到信噪比(或者说噪声方差)信息,在均衡的过程中没法获得准确的信噪比,只能通过估计获得其粗略值。而信噪比的估计误差势必会对均衡的性能产生影响。给出了一种半分析的方法,研究信噪比(SNR)的估计误差对基于DDEA算法的Turbo均衡器性能的影响,相比较于仅靠大量的仿真工作来获取此方面信息的方法来说,该方法省略了很多的仿真工作,而是通过推导的公式计算,所以复杂度降低。通过仿真验证了给出方法的有效性,同时可以看出信噪比过估计对基于DDEA算法的Turbo均衡系统的性能基本不产生什么影响,但是信噪比欠估计会造成误码率的大幅度上升。

基于VCC-DDEA算法的短波信道均衡

为了改善窄带短波单音串行数据通信的误码率性能,提出了时变信道系数数据引导均衡算法(VCC-DDEA).采用自适应跟踪算法估计每个码符号采样时刻的信道系数,消除由训练序列在相应时刻引入的码间干扰,并基于误差平方和最小(LSSE)准则估计用户数据.仿真结果表明,相对于DDEA,VCC-DDEA突破了1帧数据范围内信道系数恒定的要求,性能显著提高.

基于DF-DDEA算法的Turbo均衡研究

研究了基于数据引导均衡算法的Turbo均衡,此算法求解似然函数时,假设条件概率密度函数符合高斯分布。实际上经过均衡处理,噪声已经变成有色噪声,此时的条件概率密度函数并不是完全符合高斯的,针对这一问题,提出基于判决反馈数据引导均衡算法(decision feedback-data directed equalization algorithm,DF-DDEA)的Turbo均衡,该算法通过对均衡符号进行判决处理,得到完全符合高斯分布的条件概率密度函数,从而满足求解似然函数时的假设条件。根据计算后验信息时是否考虑整个数据块内其他符号对当前输入符号的影响,分别推导了基于符号检测以及基于序列检测的DF-DDEA-Turbo均衡算法。通过仿真分析,比较了提出的新算法和原来算法的性能,新算法在基本不增加计算复杂度的情况下,比原来算法的各项性能分别有不同程度的改善。