基于线性预测的盲最小均方误差均衡器

盲过采样均衡器仅用二阶统计量便可减小码间干扰,该文采用线性预测方法,提出了一种盲最小均方误差(MMSE)均衡器。该方法不需要先估计信道,可直接利用过采样的接收信号均衡信道。此外,该均衡器可采用递推最小二乘算法自适应地实现,具有较高的计算效率。仿真结果表明,该均衡器比基于线性预测的盲置零均衡器有更小的符号估计均方误差。

提升小波尺度自适应非线性预测算子构造方法

提出一种提升小波尺度自适应非线性预测算子的构造方法。通过相空间重构将剖分信号转换成训练样本,采用基于高斯核函数的支持向量回归机算法进行回归训练,给出所构造预测算子的结构,并说明基于高斯核函数实现最小均方误差原则的机理。通过仿真实验验证用所构建预测算子在故障诊断时具有较好的识别能力和较强的抗噪能力,在信号降噪时信噪比较高、效果良好。

基于非理想信道状态信息的最小化均方误差非线性收发机设计

在多输入多输出系统中,当收发端已知非理想信道状态信息时,提出了一种基于最小化均方误差准则的非线性收发机设计方法,其结构基于汤姆林森-哈拉希玛预编码(THP).首先研究了收发信号的均方误差表达式,并将其转换为预编码矩阵的函数;然后,通过最优化及矩阵论方法最小化均方误差的下界,求解最优预编码矩阵以及下界的闭式解,进而获得整个非线性收发机矩阵.仿真结果表明,该方法性能优于现有的线性收发机设计和经典的THP收发机设计.

已报告未决赔款准备金的线性预测方法

文章研究了多个样本轨道的连续时间的线性预测问题,得到了最优线性预测所要满足的正则方程及其均方误差,并把之应用到RBNS的厘定中来,该方法具有成本低、费时少、在实务中可操作性强等特点。

线性最小均方误差在水声通信中应用

首先对水声信号的结构进行分析和研究,然后对影响其性能的部分采用线性最小均方误差估计的均衡算法,通过调制方式进行实验仿真。实验结果表明,本文所设计的算法性能比较稳定、复杂度低、均衡效果好。

一种面向多RIS的LMMSE信道估计方法

在智能超表面(Reconfigurable Intelligent Surface,RIS)辅助的无线通信系统中,信道状态信息(Channel Situation Information,CSI)是RIS反射相位矩阵优化的前提和基础。为了获得精准的CSI,针对多RIS辅助的多输入单输出(Multiple Input Single Output,MISO)通信系统,提出了一种训练序列优化和线性最小均方误差(Linear Minimum Mean Squared Error,LMMSE)方法相结合的信道估计方法。该方法使用LMMSE方法估计级联信道的CSI;在所得CSI的基础上,对RIS的反射矩阵和基站(Base Station,BS)发射的训练序列进行了联合优化,最小化原本信道估计的均方误差(Mean Squared Error,MSE),进一步提高了信道估计的精度。仿真结果验证了所提信道估计方法和双RIS联合训练反射矩阵与训练序列优化设计的有效性。与各种基准方法进行比较,具有更高的CSI估计精度。

基于灰色系统与线性回归方法的水质预测

以北京市石景山区某地地下水监测点多年监测数据为例,进行适宜性预测方法的验证。其中,总硬度灰色预测值的平均相对误差为2.62%比线性预测低5.65个百分点;溶解性总固体线性预测值的平均相对误差为2.33%比灰色预测低0.61个百分点,与通过拟合度R^2值大小选取的最优预测方法一致,表明通过拟合度R^2值大小来选取合理的预测方法是一种便捷、合理的技术手段。

二重马氏过程泛函的最佳非线性均方预测

设φ是满足某些条件的 Borel 可测函数,记{Y(t),t∈R^+}为由公式 Y(t)=∫(t-s)dB(s) from t=0 to t所确定的二重 Markov 过程,这里 B(t)是规范化的布朗运动过程。在本文中要研究 Y(t)经函数φ变换而得到的随机泛函 M(t)=φ(Y(t))的最佳非要性均方预测问题.作者在此文中,根据已知观测值 M(s),s≤t 研讨了怎样求 M(t+τ),τ>0的最佳非线性均方预测量■(t,τ)。另一方面,还利用单参数预测算子、布朗运动过程的迭对数定律以及二重马氏过程的统计性质给出了计算预测量■(t,τ)的显式公式和由观测值来确定基础过程值的算法规则。

基于线性约束最小均方的谐波检测算法

最小均方(Least Mean Square, LMS)算法因其计算复杂度低、稳定性好的特点已广泛应用于谐波检测领域中。但为了避免权重偏移,进一步提高收敛速度,提出了一种基于线性约束最小均方(Linearly Constrained Least Mean Square, LCLMS)的谐波检测算法。该算法在LMS算法的基础上,对权重变量加入了一个线性约束条件,并应用于不同高斯白噪声环境下谐波、间谐波信号的幅值和相角参数评估。最后又在稳态信号、动态信号和电弧炉算例下检验了该算法的可行性。实验结果表明,该算法可以快速准确地检测不同环境下谐波的相关信息,且相比LMS算法有较快的收敛速度和较高的抗干扰能力。

激光测振仪中最小均方误差前向预测器的研究

针对激光测振仪中的自适应滤波问题,本文采用最小均方误差前向预测器,仿真分析了振动测量信号的峰值、频率、滤波器阶数和步长系数等参数对最小均方误差前向预测器滤波性能的影响,并搭建实验系统进行了验证。研究结果可以作为最小均方误差前向预测器参数选择的理论依据,为设计适用于激光测振仪自适应滤波器提供技术手段。

线性混合模型中固定效应与随机效应线性组合两步预测的均方误差

对一般的线性混合模型,研究其固定效应与随机效应线性组合的两步预测问题,给出了两步预测均方误差的一个近似计算公式,为比较不同方差分量估计的优劣性进一步奠定了基础.

正交频分复用系统一种基于线性最小均方误差信道估计的改进算法

线性最小均方误差(LMMSE)是OFDM系统中常用的一种信道估计算法。LMMSE信道估计需要无线信道的统计信息,在实际应用中很难实现。针对上述问题,提出了一种利用滑动窗口法改进的LMMSE算法。该算法利用最小平方(LS)估计结果通过滑动窗口获得计算所需的参数,与LMMSE算法相比,该算法计算相对容易,更加实用。在对估算精度要求不太高的场合,改进算法更具优势。仿真结果显示,改进算法的误码率性能接近理想条件时等价线性最小均方误差(ELMMSE)算法。

OFDM水声通信线性最小均方误差算法信道均衡

正交频分复用在高速水声通信中的应用越来越广泛。水声信道是多径、高噪声的衰落信道。由于信道条件差,容易产生码间干扰,信道均衡技术是提高通信系统性能的重要技术。提出了线性最小均方估计在水声通信系统中应用的方案,研究了实际通信中利用调频信号如何确定信号的平均多径时延、最大多径时延,比较了不同调频信号测量信道的性能。该方案基于导频辅助均衡方法,利用调频信号测量信道,获得的信道统计信息,计算信道的自相关矩阵。从而根据线性最小均方误差算法进行信道均衡。通过仿真和湖试进行验证,结果表明该方案效果较好,对系统性能改善比较明显。

瞬时相位去线性的最小均方算法实现

本文根据通信信号调制识别过程中瞬时相位去线性的原理,提出了便于硬件实现的最小均方算法,实现了对瞬时相位解混叠后的线性相位分量的滤除。改进后的算法在不增加硬件资源的情况下提高了运算精度。硬件电路的设计基于Quartus Ⅱ平台,用Verilog HDL语言编程实现。算法首先经过Matlab仿真,并在FPGA上通过测试,验证了其正确性和可行性。

一种新的最小均方误差线性合并算法

针对未编码的多输入多输出系统,将基于训练序列的最小均方误差(MMSE)信道估计算法与最优线性无偏估计结构(BLUE)相结合对已估计的信道参数进行估计。仿真结果表明,使用线性合并的MMSE算法比传统的MMSE算法具有较小的参数估计误差,比使用线性合并的LS算法性能更好。

随机时滞微分方程的随机线性θ方法的均方指数稳定性

给出了随机时滞微分方程随机线性θ方法的均方指数稳定性的充分条件,证明了当扩散系数高度非线性(即不满足线性增长条件)时,随机线性θ方法仍可能均方指数稳定。本文研究结果在相同条件下加强了Huang在文献[5]中关于随机线性θ方法稳定性的结果。

非线性随机微分方程Milstein方法的均方稳定性

将Milstein方法应用于一般的非线性随机微分方程,证明了此数值方法是均方稳定的,并给出该方法满足均方稳定性的条件.

非线性随机延迟微分方程半隐式Milstein方法的均方稳定性

针对一般的非线性随机延迟微分方程,证明了如果系统本身的理论解满足均方稳定性条件,那么当方程的漂移项和扩散项满足一定的条件时,半稳式Milstein方法也是均方稳定的.

短波信道均衡中的线性均衡方法研究

论文讨论了短波天波信道的特性,建立了CCIR描述的恶劣短波天波信道模型,并且对该模型的特性进行了全面的仿真研究;在此基础上,仿真比较了线性均衡方法两大类算法,即最小均方算法、递归最小二乘算法对该模型的均衡效果,最后进行了性能比较。

机器学习方法和线性随机效应混合模型在纵向数据预测上的对比

本文针对牛奶中所含蛋白质的纵向数据,利用R软件,运用机器学习方法中的决策树、boost、bagging、随机森林、神经网络、支持向量机和传统处理纵向数据的线性随机效应混合模型做预测对比。变化训练集并进行八折交叉验证,对得到的标准均方误差分析可知:对于该数据,无论是长期预测(训练集更大)还是短期预测,传统的方法远远不如机器学习方法,机器学习方法有很好的稳健性。