基于空间交替广义期望最大化算法的信道参数估计的改进

在大规模多输入多输出(multiple-input multiple-output,MIMO)系统中,空间交替广义期望最大化(space-alternating generalized expectation-maximization,SAGE)算法可以精准有效地估计出信道参数信息,从而被广泛使用。针对SAGE算法两种初始化方法均无法处理信道中多条径的时延相等或接近时,低功率径无法估计出来的情况,提出了一种在估计子径时将功率低于一定阈值的径作为噪声消除掉的SAGE优化方法。在仿真阶段,首先对SAGE算法的两种初始化方式进行了分析与比较;接着对比了改进后的SAGE算法与原算法的性能差异。仿真结果表明,改进后的SAGE算法能够较好地估计出原被噪声淹没的径,提高参数估计精度,并且加快迭代收敛速度。

基于自适应广义层次期望提高等效试验的抗辐射性能等效试验设计方法

轨道空间高能粒子辐射环境是航天器材料和器件损伤或性能退化的重要影响因素,威胁航天器在轨安全可靠运行。空间辐射环境复杂,为尽可能真实地模拟空间辐射环境效应,在地面等效试验具有较高的可信度。本文针对抗辐射性能地面等效试验环境参数确定问题,提出基于自适应广义层次期望提高的等效试验设计方法,并以Kapton薄膜为例,进行抗辐射性能地面模拟等效试验设计,验证了本文提出的等效试验设计方法的有效性。

基于广义期望效用理论的主观概率调整的一致性风险测度

在对广义期望效用理论进行综述的基础上,将该理论与一致性性风险测度联系起来,并利用广义期望效用理论中的Choquet期望效用函数,提出了一个主观概率调整的一致性风险测度.以中国股市中的一个资产组合为样本,利用二元随机波动率模型对资产组合收益率分布进行描述,并使用马尔克夫链蒙特卡罗的模拟方法对该分布进行模拟,计算了主观概率调整的风险值.

一种基于广义期望首达时间的形状距离学习算法

形状距离学习是形状匹配框架中引入的后处理步骤,能够有效改善逐对计算得到的形状间距离.利用期望首达时间分析形状间相似度可能导致距离更新不准确,针对这一问题提出了一种基于广义期望首达时间(Generalized mean firstpassage time,GMFPT)的形状距离学习方法.将形状样本集合视作状态空间,广义期望首达时间表示质点由一个状态转移至指定状态集合所需的平均时间步长,本文将其视作更新后的形状间距离.通过引入广义期望首达时间,形状距离学习方法能够有效地分析上下文相关的形状相似度,显式地挖掘样本空间流形中的最短路径,并消除冗余上下文形状信息的影响.将所提出的方法应用到不同形状数据集中进行仿真实验,本文方法比其他方法能够得到更准确的形状检索结果.

一类由广义g-期望诱导的相干风险度量及其表示定理

本文通过广义g-期望引入了一类风险度量ρg,并在:g=-rtg-μ|z|时给出了相干风险度量ρg的表示定理。

一类离散时间风险模型的广义期望贴现惩罚函数

研究一类具有随机保费收入的离散时间更新风险过程,并且假设无风险利率是一个齐次不可约的马尔可夫链.通过讨论Lundberg基本方程的根,得到了广义期望贴现惩罚函数的解析表达,给出了一些相关破产量的分析表达式.

基于广义期望值的生鲜农产品供应商选择方法研究

如何选择供应商是供应链管理中的一个重要问题。本文在分析生鲜农产品的特点以及现有供应商选择方法不足的基础上,将运输过程中的变质率视为随机变量,将数学期望和方差作为随机变量的复合量化指标,提出了广义期望值的概念,建立了基于广义期望值的生鲜农产品供应商选择模型;进而结合某蔬菜超市的经营数据验证了所建模型的有效性。

基于GAPSO优化的神经网络无线信道参数预测

针对复杂环境中无线信道参数的预测问题展开深入研究,基于反向传播神经网络(Back Propagation Neural Network,BPNN),提出了遗传算法(Genetic Algorithm,GA)与粒子群优化(Particle Swarm Optimization,PSO)算法联合优化的神经网络预测无线信道参数的方法。在利用QuaDriGa平台生成非视距(Non-Line-of-Sight,NLoS)环境下的信道冲激响应(Channel Impulse Response,CIR)的基础上,结合GA在搜索最优解方面的优势与PSO算法加快收敛的特点,利用优化后的BP神经网络模型对相关信道参数进行学习和预测,解决了学习过程中收敛速度慢、预测精确度有限等问题。仿真结果表明,GAPSO-BPNN模型对NLoS环境下的信道参数的预测有较好的效果,能够在未来适应更多的复杂环境。

基于改进的有序子集的SAGE算法在PET图像重建中的应用(英文)

提出了一种利用修改的有序子集(MOS)方法改进空间交替广义期望最大(SAGE)算法收敛性的方法.新的可变有序子集算法(MOS-SAGE)通过修改投影数据的数目和子集的排列循序加速收敛速度.其中每一个子集中的投影数目按2,4,8,16,32,64来排列以便重建算法首先恢复高频部分信息,然后重建低频部分信息.另外新算法还使相邻子集尽可能分离以减少投影间的相关性,达到加速收敛的效果.实验中,运用MOS-SAGE算法对计算机仿真的PET投影数据和实际的临床数据进行重建.几种误差分析结果表明,MOS-SAGE算法的收敛性能比SAGE算法和有序子集期望最大算法(OSEM)要快,重建后的图像更接近仿真用的模板图像.

毫米波WiFi系统中多目标无源定位与生命体征检测算法

为提高独居老人看护、地震及消防救援等场景下人体目标无源定位和感知精度,基于空间交替广义期望最大化(SAGE)算法,提出了一种室内多目标毫米波无源定位和生命体征检测算法。首先,在毫米波WiFi系统中利用毫米波的高空间分辨率和人体目标固有的特征(即人体呼吸和心跳频率在一定范围内变化),对采集的信道响应在时域上进行滤波预处理,有效提取目标直接反射径;然后,将人体目标位置参数及呼吸心跳频率看作多径信号参数,将多目标无源定位和生命体征检测建模为信道测量的多径信号参数估计问题;最后,利用SAGE算法实现多个静止目标的位置信息和生命体征参数的联合估计。所提算法利用了人体先验信息,并同时对时域、频域和天线空间域的信息进行分析,提高了估计精度,降低了计算复杂度。实验和仿真结果表明,所提算法在微波暗室环境下可以有效估计人体目标的呼吸和心跳频率,其估计精度分别可达97.1%、97.7%;在多目标场景下,与传统基于WiFi的无源定位和感知算法相比,所提算法的定位误差降低约70%,呼吸频率估计精度提高约19%。

基于行处理的SAGE算法在PET图像重建中的应用(英文)

运用基于行处理(RA)的"单块"投影子集法改进了空间交替广义期望最大(SAGE)算法的收敛性.新的RA-SAGE算法以正交单投影序列的方式对投影数据进行处理,以减少投影间的相关性,达到加速收敛的效果.此外,在迭代搜索同时,新算法结合了超松弛变量,使其能快速接近全局最大似然解.实验中,运用RA-SAGE与SAGE对正电子发射断层(PET)进行了重建.结果表明,RA-SAGE收敛性能比SAGE优越,且重建图像质量较高.

室内WiFi定位技术的多参数优化研究

基于WiFi的室内定位技术受天线数量和频道带宽影响,存在定位精度低和跟踪易失败的问题。为此,提出一种多参数室内无源定位技术。通过几何关系解释包括到达角、飞行时间和多普勒频移在内的参数,利用参数模型量化用户运动和信道状态信息间的关系,将多参数估计问题表示为最大似然估计问题,使用广义期望最大化算法将错误的原始参数细化到一定范围内,最终输出目标位置。实验结果表明,该技术平均定位误差为0.7m,相较于时间与空间信号模型、指纹定位、空间域建模等现有的无源定位技术具有更好的定位精度和稳定性。

5G毫米波频段不同天线形式信道参数测量及对比分析

基于5G毫米波应用频段,开展了全向天线、喇叭天线以及阵列天线的信道测量与信道参数对比分析研究.利用空间交替广义期望最大化(space-alternating generalized expectation-maximization,SAGE)算法提取了多径信道参数,包括多径时延、到达角、多径强度等,基于多径分量距离(multipath component distance,MCD)对多径分量进行了分簇结果的对比,对比分析了相同测量点处不同天线形式得到的信道参数差异.结果表明,同场景下不同天线的信道参数测量结果会有较大差别,全向天线路损指数最小,阵列天线均方根(root-mean-square,RMS)时延扩展和RMS角度扩展均最小,喇叭天线可以得到较多的簇.本文为5G毫米波频段信道建模提供了不同天线形式信道参数结果对比分析数据.

MIMO-OFDM系统的SAGE-ISD联合估计检测算法

针对采用最小均方误差估计MIMO-OFDM系统信道时计算复杂度高,以及采用期望最大化算法存在收敛速度慢等缺陷,提出一种新的联合估计检测算法,将线性最小均方误差信道估计、广义空间迭代期望最大化算法和改进球形译码检测算法相结合进行联合估计检测,采用线性最小均方误差信道估计对信道进行信道初估计,并利用联合迭代技术结合广义空间迭代期望最大化算法及改进球形译码检测算法进行信道估计校正和信号检测,从而提高系统的可靠性。理论研究和仿真结果表明:在相同误比特率下,算法性能优于传统的检测算法,其与理想信道估计下的最大似然检测算法仅平均相差0.5 dB。该算法在较少的迭代次数下,可获得较理想的信道估计和检测结果,并以较低系统复杂度的代价,逼近理想信道估计下的最大似然检测算法。

基于习惯形成的Epstein-Zin效用函数模型与股权溢价之谜——来自中国A股市场的证据

美国资本市场历史数据显示股票收益远远高于债券收益,不能用基于消费的资产定价模型解释,Mehra and Prescott提出了所谓的股权溢价之谜,而Campbell and Cochrane的习惯形成模型在用HJ方差界检验股权溢价之谜时受到局限。对Epstein and Zin(1991)的广义期望效用模型进行修正,使用随机贴现因子的HJ方差界来检验中国股票市场是否存在股权溢价之谜,并比较CRRA模型、Epstein and Zin的模型及修正模型的定价能力。实证分析发现:(1)修正后的模型要求消费者的相对风险厌恶系数为2左右就可以解释中国的高股权溢价现象,而且中国股票市场不存在股权溢价之谜,也不存在无风险利率之谜;(2)同CRRA模型、Epstein and Zin的模型相比,修正后的模型具有更强的定价能力。

用于大规模MIMO系统的SAGE迭代信道估计算法

针对基于导频污染的大规模多输入多输出系统,提出一种空间交替广义期望最大化(SAGE)迭代的信道估计算法。将发送和接收的导频符号形成完备的数据空间集,利用基于导频的最小均方误差估计器初始化信道参数,通过导频符号和软信息迭代改进并更新初始估计数据。实验结果表明,该算法通过一次SAGE迭代即可实现精度收敛,且在高信噪比及导频污染的情况下相比基于导频的估计器具有更高的估计精度及频谱效率。

LTE-A中基于CoMP的信道估计研究

为了有效降低小区间干扰,提升系统吞吐量,在LTE-A系统中引入了多点协作(Co MP)技术,它基于利用不同小区的不同基站发送有用信号的思想,通过多基站共享信道信息和用户数据信息来实现多基站协作传输。文章重点研究了Co MP系统下基于最小均方误差准则的信道估计算法,并在此算法的基础上研究了与空间交叠广义期望最大化准则相结合的改进算法,从而避免了对协作信道估计的求逆运算,降低了复杂度。

广义随机占优理论——一种群体决策理论

本文以广义期望效用———RDEU模型为基础 ,推广了传统随机占优和“对偶随机占优”理论 ,提出了一种新的不确定性条件下的群体决策理论———广义随机占优理论。通过引入高阶转换函数和高阶(条件 )期望效用概念 ,本文给出了风险厌恶者、风险爱好者、悲观主义者、乐观主义者广义随机占优定义及其充要条件 ,我们将这种研究思路称为经典方法。最后讨论了广义随机占优理论在经济研究和管理实践中的应用前景。

MIMO-OFDM系统的SAGE-IPSO联合估计检测

针对多输入多输出-正交频分复用系统中最大似然检测算法难以硬件实现以及传统的信道估计性能较差等缺陷,提出了一种联合估计检测算法.该算法使用离散傅里叶变换-最小二乘(DFT-LS)算法进行信道初估计,利用广义空间迭代期望最大化(SAGE)算法对估计的信道信息进行校正,并结合改进的粒子群优化(IPSO)算法完成对信号的迭代检测,使系统性能得到改善.仿真分析结果表明,算法能以较少的迭代次数估计出信道状态信息和检测数据;在相同误比特率的情况下,性能优于经典检测算法,与理想状态下的最大似然检测算法仅相差1 dB左右.

2-型模糊环境下的能源系统优化

基于模糊可能性理论,建立2-型模糊环境下的能源分配优化模型,其中各种类型能源的成本用2-型模糊变量刻画。用均值简约方法简约2-型模糊成本,建立广义期望值意义下的模糊能源分配优化模型。当成本用相互独立的三角2-型模糊变量刻画时,所建立的模糊能源分配优化模型可以转化为等价的参数线性规划。最后提供一个数值例子表明建模思想。