ZP-OTFS系统信道估计的帧平均算法

面向车辆无线通信、卫星通信等高移动性场景,正交时频空(OTFS)调制具有适应快速时变无线信道的特性,使其成为6G的候选技术之一。针对零符号填充正交时频空系统(ZP-OTFS)嵌入式导频(EP)信道估计算法中导频及保护符号开销较大且没有充分利用时变信道特性的问题,文中提出一种导频嵌入零符号帧结构辅助的帧平均算法(FACEA)。采用时延时间域信号联合门限判决矩阵进行信道预估计,通过对连续多帧OTFS信号预估计矩阵的平均,得到时域信道矩阵。仿真结果表明,该算法在终端用户高速移动场景下性能优于现有嵌入式导频辅助信道估计算法,且在不同快速时变信道下该算法也表现出较好的鲁棒性,在特定信道下实现了信道估计最佳性能。

同步叠加平均算法抑制噪声的Labview实现

在光纤传感系统中,微弱的信号经常淹没在噪声中。为了很好地实现对光纤传感系统中小信号的检测,必须对光纤传感系统中的噪声进行消噪处理。实验中采用了同步叠加平均消噪法。论文对同步叠加平均消噪方法进行了系统的研究。首先用LabView对叠加平均算法进行了仿真,其次通过对采集卡编程实现了信号采集,并用此方法实现了对带噪信号的消噪处理,最后对实验结果进行了分析。实验结果证明了此方法具有实用价值。

小波去噪与平均算法去噪在拉曼光谱中的应用

拉曼光谱分析中,噪声的存在常影响分析的准确度和检测限,现有滤波方法在光谱信号除噪方面有种种缺陷。使用自适应小波阈值函数滤噪法和平移不变量小波去噪法两种方法,并分别与传统方法平均算法相结合,实现了信号与噪音的有效分离,均取得了很好的效果。即使对信噪比小于1的高噪声信号也能够很好地保留了信号的细节,获取满意的处理结果。

基于加权非局部平均算法的滚动轴承故障诊断

非局部平均算法(Non-Local Means,NLM)拥有十分优异的去噪性能,被广泛应用于二维图像信号处理领域,并逐渐应用于一维轴承故障信号检测中。该方法能够利用信号中存在的冗余冲击成分,以包括局部结构的小窗口或邻域为单元,利用局部结构相似性进行加权运算,抑制随机噪声信号,使冲击特征得到增强。但对于强烈背景噪声干扰下的信号,诊断效果不够理想。提出一种基于非局部平均算法的权重包络谱诊断方法,该方法对信号各点进行加权运算,通过权值比对,使信号冲击分量的尖锐特性得到进一步增强。通过与EEMD方法对比,以及实验室轴承故障数据和工程案例分析,验证了该方法在检测轴承局部故障检测中的有效性和优越性。

高刺激率条件下利用非局部平均算法提高听觉诱发电位信噪比

目的利用非局部平均(NL-means)算法提高高刺激率模式下去卷积前的听觉诱发电位(AEPs)的信噪比。方法首先通过仿真实验来确定在不同噪声水平下的滤波参数,然后采用真实数据进行了验证,并且与均值滤波进行了对比。结果 NL-means方法能够有效的抑制粉红噪声,较好的保留信号的细节。结论 NL-means方法非常适合具有周期特性的信号去噪,能够有效的去除噪声,提高AEPs信噪比。

采用动态窗口宽度和二次平均算法的SSOA定位方法

信号的中值估计是到达信号强度(SSOA)定位的核心,其误差主要来源于信道的快衰落和阴影(慢)衰落。信号平均是获得信号中值估计的重要手段,该文提出了二次平均和动态窗口宽度算法以提高中值估计精度,从而达到进一步提高定位精度的目的。计算机仿真结果表明,在衰落信道中,二次平均算法的定位精度比传统方法约高30％。采用动态窗口宽度后,可保证在移动台低速运动时仍具有较高的定位精度。

有效参数的幂平均算法对农田尺度阿特拉津淋溶动态数值模拟的影响

以模拟农田尺度降雨入渗—重分布条件下阿特拉津(atrazine)在非饱和土壤中的淋溶动态为数值算例,通过在北京东郊的一块27m×27m的农田采集100个土壤样品,测定其主要理化性质,间接计算获得各土壤样品的vanGenuchten型水力学参数、溶质运移的弥散度及atrazine在土壤中吸附的分配系数,进而基于柱模型假设,运用HY DRUS 1D软件得到不同时刻采样区内土壤水负压和atrazine浓度的平均分布。在此基础上,重点探讨了应用幂平均算法计算不同的等价有效参数对农田尺度下土壤水负压和atrazine浓度平均分布的数值模拟精度的影响。就所设计的降雨入渗—重分布条件下atrazine淋溶的算例而言,土壤水力学参数、溶质运移参数和吸附特性参数取几何平均或调和平均作为有效参数值,空间平面上呈正态分布的土壤水负压的初值采用算术平均值作为流场模拟的初始条件,可以获得满意的数值模拟结果。

多人层次分析几何平均算法原理

在多人层次分析法(GAHP)中,几何平均综合排序向量是常用的较好算法,该文论证了它作为多人偏好测度的算法原理和保序性。

用遗传算法改进聚类分析中的K-平均算法

Ｋ－平均算法属于聚类分析中的动态聚类法，但其聚类效果受初始聚类分类或初始点的影响较大。本文提出一种遗传算法（ＧＡ）来进行近优初始分类。以内部聚类准则作为评价指标，实验结果表明，该算法明显好于Ｋ－平均算法。

激励学习的广义平均算法及其收敛性

一个激励学习Agent通过学习一个从状态到动作映射的最优策略来解决策问题。激励学习方法是Agent利用试验与环境交互以改进自身的行为。Markov决策过程(MDP)模型是解决激励学习问题的通用方法。文章提出了一种新的算法,这个算法通过牺牲最优性来获取鲁棒性,重点给出了一组逼近算法和它们的收敛结果。利用广义平均算子来替代最优算子max(或min),对激励学习中的两类最重要的算法一动态规划算法和个学习算法一进行了研究,并讨论了它们的收敛性。其目的就是为了提高激励学习算法的鲁棒性。

采用加权平均算法提取事件相关电位

阐述了用加权平均的原理方法来消除事件相关电位(ERP)中的自发脑电(EEG)干扰,推导算法并进行分析。编程仿真结果表明,加权平均技术在ERP的提取和噪声消除方面有显著的优势。它减少了波形失真度和平均叠加次数,提高了生物医学信号提取水平。随着信号处理技术的发展,ERP提取技术将会进一步提高。

基于FPGA的消噪同步叠加平均算法仿真分析及实现

在瞬变电磁接收系统中,信号易受外部电磁噪声的干扰,信号消噪效果直接影响勘探深度和精细程度。对此,实验中采用了同步叠加平均滤波算法,首先采用Matlab与ModelSim对该算法的消噪性能进行仿真分析,最后采用FPGA实现同步叠加平均算法。实测结果表明,以FPGA纯硬件方式实现同步叠加平均算法的方案灵活性高、实时性好,能无失真恢复瞬变电磁信号,提高信噪比,满足多路瞬变电磁信号消噪的要求。

基于移动方差平均算法的相位敏感光时域反射计去噪算法研究

在相位敏感光时域反射计(φ-OTDR)系统中,扰动信号一般淹没在噪声中,导致扰动定位困难。为了提高扰动信号的信噪比,本文结合方差算法自身具有突出数据离散程度的特点,提出了一种移动方差平均算法。相比于累加平均、移动平均法、分离平均法、小波去噪、移动平均法+移动微分等传统算法,仿真和实验结果显示,移动方差平均算法具有更好的去噪效果,具有更高的信噪比(SNR)。因此,该算法可以用较少的累加采集次数实现扰动信号的定位,从而可以进一步提高φ-OTDR系统的响应频率,提升系统的实时性。

改进的联邦加权平均算法

针对基于层次分析改进的联邦平均算法在计算其数据质量时存在主观因素的影响,提出改进的联邦加权平均算法,从数据质量的角度来处理多源数据。首先,将训练样本划分为预训练样本与预测试样本;然后,使用初始全局模型在预训练数据上的精度作为该数据源的质量权重;最后,将质量权重引入到联邦平均算法中,重新进行全局模型中权重更新。仿真结果表明,在均等分割的数据集与非均等分割的数据集上,改进的联邦加权平均算法训练的模型与传统联邦平均算法训练的模型相比,准确率最高分别提升了1.59%和1.24%;改进的联邦加权平均算法训练的模型与传统整合多方数据再训练的模型相比,虽然准确率略有下降,但数据与模型的安全性有所提升。

基于加权平均算法的线阵CCD三角定距研究

针对线阵CCD三角定距系统在定距区域内随着距离增大定距精度下降,导致激光引信定距距离超差,通过对定距误差来源分析和半实物仿真结果分析,提出在小基线条件下采用加权平均算法求解目标位置,以此提升线阵CCD三角定距区域内远端的定距精度。测试结果表明:对比传统的波形中心法,采用加权平均法的线阵CCD激光近炸引信可有效提高定距精度。

K-平均算法的综合优化策略

在典型的空间聚类算法K-平均算法中,输入参数K一般为用户事先确定的值,在实际应用中K值很难精确地确定,同时算法执行时首先随机选取初始聚类中心,初始聚类中心选取的不同往往会导致算法陷入局部最优,使得聚类结果不够准确。本文提出将以上两个方面的优化结合起来进行优化的K-平均综合优化算法,对K-平均算法的综合优化问题进行了初步的研究。

C54x系列DSP的快速双精度平均算法实现

针对C语言求平均运算效率低,不适应实时系统要求的问题,采用C54x系列DSP的两个40位累加器联合对双精度源数据进行累加,累加结果分别用SUBC指令进行快速除法,得到商的高字和低字再组合成双字,实现快速双精度求平均算法的功能。基于该算法的汇编代码,在仿真测试中误差几乎为0,效率是C语言的30倍左右,为实时处理系统做了可靠的铺垫。

最小控制递归平均算法对光纤声音传感系统的降噪作用

为了解决恶劣环境下分布式光纤声音传感系统的声音还原问题,搭建了一种基于改进最小控制递归平均(IMCRA)算法的多通道光纤声音传感系统。采用Sagnac和Mach-Zehnder复合光路结构,以单模光纤作为传感单元拾取声音信号,借助光开关实现了多通道信号采集,并通过改进最小控制递归平均算法对声音信号进行降噪、还原及增强处理。实验结果表明:该系统可在长为4km的传感光纤上实现对单音信号和语音信号的多通道扫描拾取,并能够在复杂情况下实现对语音信号信噪比的有效提升,为光纤声音传感系统在恶劣环境下的应用提供了一种新途径。

基于诱导有序加权平均算法的风电场短期功率的预测

为了提高风电场发电功率的预测精度,提出一种基于诱导有序加权平均(induced ordered weighted averaging,IOWA)算法的风电场功率组合预测模型;该方法通过误差信息矩阵法筛选出优选模型进行组合,消除了冗余模型对预测精度的影响;结合华北某风电场历史功率数据及该地区的数值天气预报数据建立了风电场短期功率预测模型,以误差平方和最小值为准则,对未来48 h的风电场发电功率进行预测。结果表明:经优选后的组合预测模型降低了预测误差,提高了预测精度,缩短了预测时间。