低复杂度水声多输入多输出正交时频空调制通信方法研究

在多输入多输出正交时频空调制(MIMO-OTFS)水声通信系统中,基于消息传递(MP)算法的MIMO-OTFS通信的计算复杂度较高,在实际应用中会增加设备成本。针对上述问题,该文提出一种基于2维虚拟时间反转镜(VTRM)的MIMO-OTFS均衡算法,该算法利用VTRM的时频空聚焦特性,有效提高了均衡性能,并通过改进的2维比例归一化最小均方(IPNLMS)算法进行信道估计,该算法利用时延-多普勒域信道的稀疏特性以较低的复杂度提高了收敛速度,最后通过2维自适应判决反馈均衡算法消除残余的码间串扰,进一步提高系统性能。仿真结果表明,所提均衡算法具有可行性,且在保证相同性能时,复杂度低于MP算法。

基于皮肤-脂肪模型的太赫兹体内多输入多输出信道特性分析与建模

为探究太赫兹(THz)频段体内多输入多输出(MIMO)通信系统的传输特性,该文在0.8~1.2 THz下构建了精确的皮肤-脂肪模型,对皮肤-脂肪模型中垂直方向和水平方向的链路进行全波电磁仿真,分析太赫兹体内信道特性,建立路径损耗模型。首先,结合太赫兹频段人体组织的介电特性和人体皮肤的解剖学结构构建皮肤-脂肪模型。其次,对比分析了3条链路的路径损耗和阴影衰落,提出带有等效吸收因子的太赫兹体内路径损耗模型。最后,对3条链路的莱斯K因子、均方根时延扩展、MIMO容量进行分析。仿真分析表明,带有等效吸收因子的太赫兹体内路径损耗模型可以更准确地描述加长距离垂直链路2的路径损耗,发射端在体表可以增强MIMO容量。该文的工作可以为太赫兹体内通信系统的设计和优化提供参考。

基于多峰优化Kriging模型与距离相关系数的高速列车动力学参数多输出灵敏度分析

高速列车动力学参数较多,有多个动力学性能的评价指标。综合考虑这些动力学指标进行参数灵敏度分析,对高速列车动力学参数的恰当匹配具有重要意义。现有的单输出灵敏度分析技术难以准确度量参数对车辆动力学综合性能的影响。为避免这一缺陷,本文引入了一种新的基于距离相关系数的多输出灵敏度分析技术。该方法通过求解单个输入与多个输出变量之间的距离相关系数,实现多输出全局灵敏度分析的目的。为提高灵敏度分析的效率,建立了多个动力学指标与输入参数的Kriging模型;为提高近似模型的精度,引入了一种新颖的多峰优化算法对Kriging模型的超参数进行全局寻优。与传统单目标智能优化算法不同,该优化算法通过引入种群差异指标,将单目标优化问题转化为双目标优化问题,从而增加了子代种群的多样性,避免了传统优化算法易于陷入局部最优解的问题。基于所提方法,以和谐号动车组动车为例,研究了多个动力学指标的多输出全局灵敏度。结果表明:由于增强了种群多样性,所提的超参数优化方法对Kriging模型精度和稳定性提升效果明显;基于距离相关系数的灵敏度分析方法能够更加合理地识别出对车辆动力学综合性能影响较大的参数,排除几乎没有影响的参数。

深层特征提取与多输出增强融合的建筑物分割

针对高分辨率遥感影像建筑物语义分割中存在单体建筑部分漏分与纹理相近的非建筑物错分的问题,提出深度特征提取与多输出增强建筑物语义分割网络。首先,在编码与解码交替处设计并行连续空洞空间注意力金字塔模块,对建筑物高维特征实现深层提取;然后,在网络解码阶段设计多输出增强融合模块,提升不同尺度建筑物特征对输出结果的有效参与度。选取U-Net、DeeplabV3+、MA-FCN、BRRNet同类算法进行对比,在Massachusetts和WHU公共数据集上测试,OA、precision、recall、IoU、F1指标分别达到98.87%、94.53%、95.40%、90.41%、94.96%,与同类算法相比,除precision之外其他4项指标更高,与U-Net相比,依次高出0.25%、1.12%、1.14%、2.02%、1.12%。

面向6G无线网络的全息多输入多输出技术综述

未来的第6代(6G)无线通信系统需要支持超大规模的用户需求,且对频谱效率和能源效率的要求越来越高。在此背景下,全息多输入多输出(MIMO)技术由于其具有智能可重构、电磁可调控、高方向性增益、成本低廉和部署灵活等潜力而愈发受到关注。在全息MIMO系统中,大量微小而廉价的天线单元被紧密集成,使其在低硬件成本的情况下能够实现高方向性增益,同时其可以对电磁波进行灵活的调控,从而有效提升了无线通信性能。该文从全息MIMO技术出发,首先简要介绍了全息MIMO的发展过程、技术现状、分类和特点,然后对全息MIMO在视距场景和空间平稳散射的非视距场景的信道模型进行了介绍,最后阐述了全息MIMO面对的挑战和未来趋势,并进行了总结。

基于Raptor编码的多输入多输出光通信系统设计

为了提高可见光通信(Visible Light Communication,VLC)系统的复用增益,本文提出一种基于多输入多输出(Multiple Input Multiple Output,MIMO)的固定比例像素化VLC系统。系统首先执行空间角度映射,使数据的传送可在角域中进行;同时利用Raptor编码方法来跟踪由于窗口截断而引起的数据信道特性变化;然后对于使用高速相机捕捉到的一系列时变图像,利用散景效应获得所有链路距离上的固定比例图像。实验利用液晶显示器和高速相机,对所提出的VLC系统进行了验证。与传统的像素化MIMO系统相比,本文所提出的系统在未对准朝向的情境下具有更高的鲁棒性,从而在多路复用场景有着广泛的应用前景。

基于改进多输出支持向量的船舶航迹预测

为保障智能船舶快速、安全、可靠地进行避碰工作,提出了一种基于改进樽海鞘群算法(salp swarm algorithm,SSA)的多输出支持向量的船舶航迹预测模型。本文采用的多输出支持向量模型可以对船舶进行整体建模,所构建的模型可以对船舶航迹状态进行多输出预测,对于模型中存在的超参数采用改进的SSA进行寻优,算法加入了自适应权重与离群象算法,避免了算法早熟与高维易陷入局部最优的问题。最后,实验选取了实测数据对所提方法进行验证,并与其他常见模型进行对比实验,结果表明了所提方法的可行性与有效性。

基于多输出的多传感器在线航迹融合方法

多传感器航迹融合能够在一定准则下整合数据,获得比单一的传感器数据更接近被测物理量真值的状态估计值和更有价值的综合信息。目前,卡尔曼滤波算法和传统的加权平均融合算法虽然能有效地实现航迹融合,但融合所得测量精度仍然有限。文中针对航迹数据特点,提出基于多输出的多传感器在线航迹融合算法,通过多输出多元线性回归模型实现了航迹数据融合;利用云边协同架构完成模型训练和推理,在中心云端利用历史数据训练得到多输出多元线性回归模型,在此基础上,在边缘端利用在线梯度下降算法完成模型权重系数的实时更新。实验结果表明,文中提出的算法在融合精度上要优于目前的卡尔曼滤波算法和传统的加权平均融合算法。

多输入多输出微振动系统的混合鲁棒自适应控制

Q参数化方法在结构振动自适应控制领域的应用中体现出明显优势.本文针对多输入多输出(MIMO)结构振动主动控制系统,利用Q参数化方法的优势,基于无限冲激响应(IIR)滤波器,提出了一种结合前馈控制与反馈控制的MIMO混合鲁棒自适应控制方法.同时,给出前馈,反馈MIMO鲁棒自适应控制方法的详细推导过程,给出混合MIMO鲁棒自适应控制方法的推导和稳定性,收敛性分析.在此基础上,通过构建三自由度微振动主动振动控制实验系统,针对单频窄带和双频窄带扰动展开了对比实验分析,相关的实验结果验证了本文所提出MIMO混合鲁棒自适应控制方法的可行性和有效性.

一种防空服务质量模型下的集中式多输入多输出雷达三维机动跟踪功率分配方法

针对防空作战中现有多功能雷达功率资源利用率低的问题,提出一种基于服务质量(Quanlity of Service,QoS)模型的三维机动跟踪功率分配方法以差异化标准提升多目标跟踪性能。将目标三维机动模型建立为自适应当前统计模型,通过将加速度协方差与估计误差协方差矩阵相关联以实现自适应调整。在此基础上,对三维跟踪下的贝叶斯克拉美罗下界进行推导,并将其作为跟踪误差衡量指标。通过构建关于目标威胁度与期望跟踪精度的函数关系,建立防空QoS模型下的闭环功率优化分配机制。证明所构建功率优化分配模型是凸优化问题,并进一步转化为半正定规划问题进行求解。仿真结果表明,相对于传统功率分配方法,所提方法能显著提高全局跟踪效能。

基于虚拟传感器的坝区多输出自由场地震时程长序列预测模型研究

坝区自由场地震时程的多维长时序预测对于震害快速分析具有重要意义。虚拟传感器是地震物理传感器的补充感知手段,可实现地震时程的预测,然而现有虚拟传感器难以对多个信号做长时序预测,导致大坝震害分析较为滞后。针对上述问题,提出基于TFA-Seq2Seq虚拟传感器的坝区多输出自由场地震时程长序列预测模型。其中,基于多任务学习将Seq2Seq的虚拟传感器改进为“Encoder-3 Decoder”结构,以建立多个坝体物理传感器信号与自由场三个方向长时序地震时程的映射关系,并添加注意力机制捕获多个输入信号的时序依赖关系,以解决同步多输出预测问题及提升预测精度。进一步,引入可逆的时频变换层和其逆变换层改进编码器和解码器,以缩短地震信号的时域长度,提取频域特征,并提出对应的随机强制学习的模型训练策略,从而克服了现有虚拟传感器难以对长序列进行有效预测的缺陷。案例分析表明,该方法实现了坝区自由场三个方向地震信号的超前10 s虚拟感知,且相较于未添加注意力机制和单输出的模型,预测精度分别提高了6.88%和3.32%,研究为震时地震信息的超前感知提供了新思路和新途径。

大规模多输入多输出可见光通感一体化系统的信道状态信息还原和定位

得益于丰富的频谱和光源,可见光通信感知一体化(IVLCP)系统为解决高性能通信定位的室内无线网络需求提供强有力的技术支撑。同时,大规模多输入多输出(m-MIMO)技术能有效提高IVLCP网络的服务范围和质量。然而,m-MIMO赋能的IVLCP网络的信道环境更加复杂且先验信息更易变化,这使得传统方法难以快速准确地完成信道估计和定位。针对此,该文提出一种信道状态信息还原和定位(CSIRP)网络,该网络不仅能够有效地捕捉复杂分布的可见光通信信道特征,同时能够应对信道状态的时变性,从而提高信道和位置估计的鲁棒性和动态适应性。具体而言,CSIRP网络首先基于条件生成对抗思想自适应训练生成器和鉴别器,进而实现根据接收信号进行信道估计,接着结合长短期记忆网络(LSTM)从估计的信道中获取接收终端的位置估计值。仿真结果表明,采用CSIRP网络所获得的信道状态准确度和定位精度均优于现有的深度学习参考方法,这为m-MIMO赋能的IVLCP系统提供了可靠和精准的信道状态信息和位置感知能力。

基于主动学习与贝叶斯深度神经网络的高维多输出不确定性传播方法

针对实际工程中存在的具有多个输出响应的高维问题,提出一种基于主动学习与贝叶斯深度神经网络的高维多输出不确定性传播方法。利用多个输出响应对应同一组输入变量的特点,对输入变量进行一次性采样,从而构造初始训练样本集。采用贝叶斯深度神经网络初步构建高维多输出问题的代理模型。贝叶斯深度神经网络能够同时求解多个预测输出响应的不确定性估计,基于该特点发展了一种针对高维多输出问题的主动加点策略,通过主动学习的方式进一步构建具有较高精度的高维多输出代理模型。然后,利用蒙特卡罗采样方法以及高斯混合模型求解多个输出响应的联合概率密度函数。研究结果表明,所提方法不仅能够避免分别对多个输出响应进行独立求解的复杂过程,而且能够利用多个输出响应之间的关联,主动筛选关键样本点进行建模,在一定程度上提高了高维多输出问题的求解效率。最后,通过几个数值算例验证了所提方法的有效性。

基于网格化数值天气预报的区域光伏发电多输出功率预测方法

区域光伏的短期功率预测是省级及以上电网调控中心制定发电计划、提高光伏消纳率的重要基础之一。光伏短期功率预测本质上是构建数值天气预报与实际功率之间的映射模型,为了实现预测精度的提升,利用网格化的数值天气预报,采用残差网络建立区域光伏的多输出预测模型,充分挖掘区域光伏所属空间的气象资源分布与各光伏电站功率的关联关系,实现以网格化数值天气预报为输入的区域各光伏电站的功率预测。以实际运行数据进行仿真,结果表明,本文方法在各光伏电站的功率和总功率2个方面的预测结果均优于现有成熟方法。

采用子阵多输入多输出的天基预警雷达强杂波抑制方法

针对天基预警雷达因其高速平台运动带来严重的距离模糊和多普勒模糊,导致杂波背景强进而降低雷达目标检测性能的问题,提出一种基于子阵级多输入多输出天基预警雷达强杂波抑制方法。构建基于子阵级多输入多输出天基雷达模型并分析远距离机动目标相参性,确定目标出现线性距离徙动和不出现多普勒频率扩散时的最大相参积累时间,以保证长时间相参积累可行性;针对多输入多输出雷达长驻留的特点采用长时间积累提高多普勒分辨率,降低一个距离-多普勒单元的杂波功率,在保证搜索效率的情况下降低该单元杂噪比,并采用3/5准则检测盲区图评估天基雷达检测性能;在强杂波背景下改善了信杂噪比,提高了目标检测概率。实验仿真表明,所提方法相比相控阵雷达可有效降低杂波背景,在单脉冲重复频率下即可达到很好的检测效果,比相控阵雷达检测性能提高约20.48%。

基于多输出LSTM神经网络的深基坑侧移预测

深基坑挡土墙是工程实践中常用的支护结构,对限制深基坑变形和预防工程事故起着重要的作用。深基坑工程往往会布置多个不同深度的测点,然而现有研究大多只预测了单个测点的未来侧移,浪费了其余测点的监测数据。以杭州市某深基坑工程为背景,建立基于贝叶斯优化的多输出长短期记忆(Long short term memory,LSTM)神经网络模型,在保证模型最优性能的情况下,采用历史监测数据输入对深基坑的多个测点进行预测,并单独提取墙体每日最大侧移预测值进行分析。研究结果表明:结合贝叶斯优化的多输出LSTM神经网络模型在深基坑墙体多测点侧移预测方面展现出理想的预测效果,模型R^(2)达到了0.94,每日最大侧移预测值的模型R^(2)为0.91,略低于整体预测。

虚拟多输入多输出无线电能与信息同步传输技术

在无线通信系统中,多输入多输出(MIMO)天线技术可有效提高信号传输速率和信道利用率。传统的能量调制式无线电能与信息同步传输(SWPIT)技术主要依赖单输入单输出线圈实现系统的供电和通信,难以实现多路并行通信。该文针对需要多信号接收器的无线供电场景,提出一种虚拟MIMO-SWPIT技术以满足多端通信的需求。所提系统可在两种状态下工作:当仅需无线供电时,系统工作在谐振状态进行高效电能传输;当需要通信时,通过控制逆变器开关信号的相移角和频率,在发射线圈中构造非标准正弦多载波(即虚拟多输入),以其中的基波和谐波分量作为通信载波传输信息。系统接收回路对基波和谐波所携带的信息进行解调(即虚拟多输出),同时谐波分量可用于负载供电。搭建的实验样机实现了稳定的电能与双通道信息并行同步传输,通信时电压波动低于3%,每路通道信息传输速率为4.0 kbit/s,验证了所提方案的可行性。

基于多输入多输出模糊控制器的电液系统控制研究

电液系统的控制主要依靠控制阀来调节液压系统中的液压油流量和压力,以实现对液压缸的运动控制,电动液压系统(EHS)通常具有力和位置控制,为了将这些参数控制到所需值,经常使用多个PID控制器,它们对系统参数的变化很敏感。因此,本文提出了一种多输入多输出(MIMO)模糊控制器来控制这些变量。所提出的控制器具有四个输入和三个输出,所提出的控制器和EHS已应用于液压机。实验结果表明,与多个PID控制器相比,采用MIMO模糊控制器的力和位置混合控制具有更好的性能。拟议的EHS也比传统EHS节省更多的能源。因此,MIMO模糊控制器可以是EHS中控制多变量的替代方案。

5G网络下的多用户多输入多输出(MIMO)研究

本研究深入研究了在5G网络环境下的多用户多输入多 输出(MIMO)技术的重要性和潜力。通过详细的分析和实验,我 们发现MIMO技术不仅在提高5G网络性能和容量方面发挥关键 作用,而且具有解决多用户干扰和显著提高数据传输速度的潜力。 这些发现对于5G网络的未来发展至关重要,将为通信技术领域 的创新提供重要的启示和方向。我们的研究为加速5G网络的进 一步演进和改进打下了坚实的基础。

去蜂窝大规模多输入多输出非正交多址系统中基于量子菌群优化的接入点选择方案

去蜂窝大规模多输入多输出非正交多址(MIMO-NOMA)系统的接入点(AP)选择,对有效降低系统的回程链路开销、提高用户的下行可达速率影响较大。该文针对AP选择的去蜂窝大规模MIMO-NOMA系统下行链路建立了用户平均速率的表达式;在此基础上,提出了基于量子菌群优化(QBFO)的AP选择方案,将AP与用户的连接关系以量子比特的形式编码,利用自适应量子旋转门模拟细菌趋化,实现细菌位置更新,通过对量子细菌种群进行测量,获得AP与用户的选择解集,并引入驱散操作避免算法陷入局部最优。实验结果表明,所提方案能够在降低回程链路开销的同时显著提高用户的下行平均速率,相较于基于接收功率和基于信道估计均方误差的AP选择方案,该文所提方案在降低用户间干扰、提高系统总吞吐量方面表现更优。