IEEE 802.11n中速率、模式及信道的联合自适应算法

针对IEEE 802.11n无线网络中的速率、MIMO模式与信道宽度的联合自适应问题,提出了一种基于非静态Multi-Armed Bandit学习方法的联合自适应算法,并设计了一种新颖的报酬函数.为解决该算法收敛时间较慢的问题,基于分类回归树设计了MCS、MIMO模式以及信道宽度预测算法,其能够有效利用无线网卡驱动程序采集的相关统计数据预测不同MCS、MIMO模式以及信道宽度组合的报酬函数,大幅度缩小联合自适应算法的搜索空间.该算法具有易实现、近似最优及计算复杂度低的特点.真实实验结果表明:在无干扰和不同干扰环境下,联合自适应算法都能够有效地提高UDP吞吐量.

基于多通道联合自适应处理的微下击暴流中心风速估计方法

针对机载气象雷达下视探测微下击暴流时,有用气象信号会淹没在强杂波背景中的问题,该文提出一种基于多通道联合自适应处理的、能够用于分布式气象目标中心风速估计的降维处理器结构。该处理器通过前置的窄带多普勒滤波将全空时杂波局域化为特定多普勒通道下的定向有源干扰,然后在空域逐多普勒通道进行自适应处理,最后利用频率质心法求取中心风速估计。仿真结果表明,在强杂波背景下,所提方法可以获得较为精确风场速度估计结果,由于采用了降维结构,较最优处理器在运算量上有了明显减少。

基于音素解码的语种识别系统联合自适应算法研究

针对真实环境下的语种识别,信道类型和通话内容等非语种方面因素的不同都会造成测试和训练条件的不匹配,从而影响系统的识别性能.本文以音素识别器后接向量空间模型(Phone recognizer followed by vectorspace model,PRVSM)为语种识别系统,引入联合自适应算法来解决系统中测试和训练条件的失配问题.研究了三种自适应方法用于系统的不同阶段:1)基于受约束的最大似然线性回归(Constr ained maximum likelihood linear regression,CMLLR)的声学模型自适应;2)基于全局N元文法的音位特征向量自适应;3)VSM模型中的支持向量机(Support vector machines,SVM)自适应.在综合采用多种自适应技术后,PRVSM系统的性能有了较大的提高,在NIST LRE 2009测试库上对于30s、10s和3s的测试段,基于不同音素识别器的PRVSM系统的等错误率(Equal errorrate,EER)分别相对降低了18%～23%、12%～20%以及5%～9%.

基于MAP框架的时空联合自适应视频序列超分辨率重建

超分辨率重建在视频监控、高清晰度电视、遥感图像、医学图像处理等领域具有广阔的应用前景.最大后验估计(maximum a posteriori,MAP)法是普遍采用的一种超分辨率重建方法.针对传统MAP法存在的局限性,本文提出了一种基于MAP框架的时空联合自适应视频序列超分辨率重建算法.时空联合自适应机制的引入使得算法在保持边缘的同时可减小错误运动估计矢量对重建图像质量的影响.实验结果表明,算法具有重建质量好、边缘保持能力强、收敛速度快等特点.

捷联惯性组合导航系统联合自适应滤波器设计

为了保证SINS/GPS组合导航系统具有较高的定位精度和抗干扰能力,需要良好的数据处理方法。论文设计了SINS/GPS组合导航系统的联合自适应卡尔曼滤波器。研究了其在舰船组合导航系统随机数据处理中的应用。针对系统噪声和量测噪声未知的情况,采用联合自适应滤波处理组合导航系统较采用基本联合Kalman滤波方法具有更好地稳定性。理论分析与仿真结果表明,该联合自适应卡尔曼滤波器的设计合理,能够加快计算速度,实现实时滤波计算,提高系统的导航精度和容错能力,取得了很好的估计效果。

捷联惯性组合导航系统联合自适应滤波器设计

为了保证SINS/GPS组合导航系统具有较高的定位精度和抗干扰能力,需要良好的数据处理方法。本文设计了SINS/GPS组合导航系统的联合自适应卡尔曼滤波器。研究了其在舰船组合导航系统随机数据处理中的应用。针对系统噪声和量测噪声未知的情况,采用联合自适应滤波处理组合导航系统较采用基本联合kalman滤波方法具有更好地稳定性。理论分析与仿真结果表明,该联合自适应卡尔曼滤波器的设计合理,能够加快计算速度,实现实时滤波计算,提高系统的导航精度和容错能力,取得了很好的设计效果。

基于自适应红外多波段联合光谱分析的高精度气体浓度反演研究

本文提出一种自适应多波段联合浓度反演算法,结合透过率稳定区间与谱宽阈值自适应选择待测气体的有效波段;采用非线性最小二乘拟合方法对各有效波段进行浓度反演及残差分析,获得各有效波段的浓度反演结果及其权重,通过加权平均实现待测气体浓度的精确定量分析。设计并进行实验验证,结果表明,自适应多波段联合浓度反演算法的稳定系数达到了0.9976,与传统的单波段及多波段浓度反演算法相比,该反演结果的均方根误差分别降低了64.44%和41.52%,平均相对误差分别降低了65.97%和46.72%,平均绝对误差分别降低了66.32%和47.74%,反演精度与稳定性得到了明显提升。

联合残差域自适应的变工况轴承故障诊断方法

滚动轴承由于实际工况变化造成故障数据特征分布不同,出现跨领域问题,传统以数据独立同分布为前提的故障诊断方法难以解决该问题。为此,设计并搭建了聚合残差网络,以残差连接和分组卷积式的独特网络结构实现故障敏感特征深度挖掘。提出一种联合残差域自适应的故障诊断方法,该方法通过最优广义S变换构建聚合残差网络提取图像的可迁移特征,最后以联合最大均值差异自适应地减小数据间的联合分布差异,实现变工况轴承的故障诊断。对3种工况下的滚动轴承进行了6组迁移试验,试验结果表明:联合残差域自适应方法故障诊断准确率达到了98.29%,相比于联合分布自适应法JDA和联合分布自适应+卷积神经网络法JDA+CNN,分别提升了21.0和5.1个百分点。研究结果可为变工况滚动轴承的故障诊断提供技术参考。

基于自适应平衡静动态联合网络的公交客流预测

为解决现有公交客流预测方法多数利用预定义的图结构进行空间建模,对交通状况变化所引起客流波动考虑不充分,无法捕捉短时动态的空间依赖关系问题,提出一种自适应平衡静动态联合网络(ASDNet)模型。首先,利用时间卷积网络捕获序列的时间相关性;其次,利用图卷积捕捉站点之间整体空间信息,采用动态图同构网络捕捉相邻时隙动态图之间隐藏的动态依赖关系;最后,通过自适应平衡机制自适应地调节静动态联合网络之间的信息传递。在广州市真实公交数据集上进行了实验,结果表明,与多个基准模型相比,该模型在MAE、RMSE和MAPE预测误差指标上平均降低了12.2%、9.9%和15%,R2精确度指标上平均提高了6.3%。表明该模型能够有效地捕捉客流数据的时空变化规律,可为公交运营管理提供技术参考。

基于联合滤波算法的复杂时变系统在线自适应逆控制

针对一类结构和参数均具备时变特性的复杂时变系统,提出一种新的基于联合滤波算法的在线自适应逆控制方法.该方法在处理参数时变问题的同时可兼顾系统的结构时变特性,实现复杂动态系统的在线跟踪控制.同时提出新的联合Volterra核函数滤波算法,该算法克服了原Volterra滤波器计算复杂运算速度慢的缺点,实现了动态非线性系统的在线跟踪控制.通过仿真分析可以得出,对于此类线性、非线性复杂时变系统,基于新的联合滤波器的自适应逆控制方法可以快速有效的实现动态对象在线建模与控制.

INS/GPS/Odometer组合系统初始对准及自适应联合滤波

本文提出了 INS/GPS/Odometer(测速仪 )组合导航系统。基于信息融合理论 ,提出了基于子滤波器可观性矩阵条件数和误差协方差矩阵特征值分解的自适应联合滤波。然后利用该方法对 INS/GPS/Odometer组合系统的初始对准问题进行了研究。仿真结果表明 ,自适应联合滤波能够改善系统初始对准的状态估计精度 。

基于自适应联合字典学习的脑部多模态图像融合方法

针对目前全局训练字典对于脑部医学图像的自适应性不强,以及使用稀疏表示系数的L1范数取极大的融合方式易造成图像的灰度不连续效应进而导致图像融合效果欠佳的问题,提出一种基于自适应联合字典学习的脑部多模态图像融合方法。该方法首先使用改进的K奇异值分解(K-SVD)算法自适应地从已配准的源图像中学习得到子字典并组合成自适应联合字典,在自适应联合字典的作用下由系数重用正交匹配追踪(CoefROMP)算法计算得到稀疏表示系数;然后将稀疏表示系数的"多范数"作为源图像块的活跃度测量,并提出"自适应加权平均"与"选择最大"相结合的无偏规则,根据稀疏表示系数的"多范数"的相似度选择融合规则,当"多范数"的相似度大于阈值时,使用"自适应加权平均"的规则,反之则使用"选择最大"的规则融合稀疏表示系数;最后根据融合系数与自适应联合字典重构融合图像。实验结果表明,与其他三种基于多尺度变换的方法和五种基于稀疏表示的方法相比,所提方法的融合图像能够保留更多的图像细节信息,对比度和清晰度较好,病灶边缘清晰,客观参数标准差、空间频率、互信息、基于梯度指标、基于通用图像质量指标和平均结构相似指标在三组实验条件下的均值分别为:71.078 3、21.970 8、3.679 0、0.660 3、0.735 2和0.733 9。该方法可以应用于临床诊断和辅助治疗。

高光谱图像自适应核联合表示异常检测

针对高光谱图像目标检测问题,提出了一种基于自适应核联合表示的高光谱图像异常检测方法。相比于稀疏表示强调系数向量的稀疏性,基于联合表示的检测算法更强调背景字典中每一原子对联合表示的贡献,并且系数求解更加简单直接;在基于向量2-范数极小化问题求解联合表示系数时,引入相似性正则化矩阵与和为1的条件对系数进行约束,以增强算法的稳定性和分辨力;进而将联合表示检测算法扩展到核空间,利用高光谱图像的局部统计特性进行核参数自适应选取,增强了核参数的局部适应性。为验证该方法的有效性,采用一幅实测高光谱图像中的两个感兴趣区域进行仿真实验,并与传统异常检测方法的检测结果进行对比分析,结果表明该方法具有较传统异常检测方法更出色的检测效果。

MB-OFDM UWB系统的自适应联合均衡方案

提出了一种自适应联合均衡(AJE)方案,对接收到的多带正交频分复用超宽带(MB-OFDM UWB)时频分集信号,利用自适应滤波器实现最优合并(MMSE准则).该方案不需要知道信道参数,也就不需要进行信道估计,既减小了运算复杂度,也避免了信道估计误差的引入.该方案用最优线性合并归一化最小均方(OLC-NLMS)算法实现.利用了UWB信道慢衰落的特点,在输入信号高度相关的情况下,算法仍能快速收敛.仿真结果显示:与需要信道参数的传统最优合并方法相比,在10-2误比特率,2分集和4分集时,分别获得1.2 dB和2.7 dB增益.

双臂空间机器人的自适应鲁棒性联合控制

讨论了自由漂浮双臂空间机器人系统关节轨迹跟踪的控制问题。由于载体位置与姿态均不受控制,空间机器人系统控制方程失去了关于惯性参数的线性关系,给控制系统设计带来极大的困难。借助于增广变量法――即恰当地扩展系统的控制输入与输出,成功地克服了上述难点。以此为基础,针对机械臂惯性参数不确定与末端抓手持有载荷参数未知的情况下,设计了自由漂浮双臂空间机器人系统关节轨迹跟踪的自适应鲁棒性联合控制方案。系统数值仿真,证实了上述控制方案的有效性。

梯度自适应格型滤波联合算法的性能分析

针对在非平稳环境下,以最小均方(LMS)为代表的自适应梯度算法跟踪输入信号的能力不强和稳定性不够的问题,设计了一种以梯度自适应格型算法与线性组合器组成的联合处理器,并在白噪声、车载噪声、粉红噪声三种环境下的性能进行了仿真实验。结果显示该处理器在平稳和非平稳两种干扰环境下都只需要约20次迭代运算达到稳定,相对于横向自适应最小均方算法不仅减少了算法总的复杂度,而且对微弱信号的信噪比改善能力更强。研究表明该算法既满足收敛速度快、精度高、稳定性好等要求,又可以节省硬件资源。

梯度自适应格型联合处理器的FPGA设计

梯度自适应格型联合处理(GALJP)器的现场可编程门阵列(FPGA)设计是实现自适应滤波器处理非平稳信号的关键技术。利用多种电子设计自动化(EDA)工具并通过行为级、寄存器传输级和门级等3级仿真设计流程,在EP2C5T144C6芯片上设计了一个用于自适应去噪的GALJP电路模型。结果表明,在相同条件下,GALJP滤波器的时钟频率约为横向最小均方误差(LMS)滤波器的1/4。但因达到收敛的迭代次数仅为横向LMS滤波器的1/50,收敛速度反而提高了10倍以上,滤波器阶数的降低也极大减小了硬件资源。

基于改进型自适应非对称联合对角化双基地MIMO雷达多目标跟踪算法研究

针对双基地MIMO雷达自适应非对称联合对角化(AAJD)跟踪算法性能低的问题,该文提出一种改进AAJD双基地MIMO雷达多目标跟踪算法。AAJD算法角度估计时重复利用上一时刻的角度信息,导致跟踪性能的下降。通过证明AAJD算法求出的特征矢量每一列都对应着一个目标,改进AAJD算法直接求解目标的收发角度,提高了跟踪性能,更加适用于大机动目标跟踪,并对ESPRIT算法进行改进,实现了目标角度的自动配对与关联。仿真结果表明改进AAJD算法跟踪性能高于AAJD算法,特别是跟踪大机动目标时改进AAJD算法性能更优,验证了理论分析的有效性。

基于域适应神经网络与联合分布自适应的无监督故障诊断方法

故障诊断对于机械设备的健康管理十分重要,当前,数据驱动的故障诊断方法已成为了本领域研究热点。然而,机械设备的工作状态与条件是不断变化的,这导致故障数据分布不同,故障诊断带来了挑战。针对该问题,提出一种基于域适应神经网络与联合分布自适应的无监督故障诊断方法。首先,将不同数据分布的故障诊断数据通过信号转图像的方法进行数据预处理;然后,使用域适应神经网络生成数据分布相似的特征;最后使用联合分布自适应方法处理所生成的特征。该方法可以有效地解决工作状态与条件发生变化所带来的数据分布不同的问题。所生成的模型可以在无标签的情况下,较为准确地诊断在另一个工作状态下采样的故障数据。最后,利用本领域的经典案例———凯斯西储大学轴承数据集,对所提方法进行了测试验证,实验结果证明了该方法的可行性与有效性。

频点自跟踪自适应频率相位联合估计器及性能评价

基于二阶自适应陷波滤波器的频率相位联合估计器在工程上有着广泛的应用,但其应用前提是参考信号相对输入信号频偏较小.因为随着频偏增大,频率和相位估计的偏差和方差也随之增大.文章分析了自适应频率相位联合估计器的性能及频偏的影响,提出了频点自跟踪自适应频率相位联合估计器,并针对目标辐射噪声信号和主动发射信号的回波进行了仿真.仿真结果表明,相同条件下该估计器较自适应频率相位联合估计器大大减小了估计偏差和方差,可实现无偏估计且使估计方差接近CRLB.这一特性甚至在低信噪比时也保持良好.