PCMA系统双同步序列联合盲估计

成对载波多址(Paired Carrier Multiple Access,PCMA)使用同一频率传输通信双方的调制波形,是一种重要的卫星通信多址方式。对PCMA信号进行盲分离是无线电频谱监测的重要内容,高精度的调制参数信息是盲分离的必要基础,同步序列辅助的调制参数估计方法具有精度高、鲁棒性好等特点。然而在PCMA信号的盲接收中,往往无法预知同步序列,且两路同步序列估计需要在无法完成分离解调的条件下得到,因此难度较大。本文针对幅相调制(Amplitude-Phase Modulation,APM)类PCMA信号,利用通信系统数据帧的结构特性,采用子空间分解思想,重点分析了不同条件下的信号相关矩阵奇异值分解(Singular Value Decomposition,SVD)结果,推导了特征值、特征向量与两路信号同步波形间的近似数学关系;提出“先整体后局部”的算法流程,首先对信号按帧长分段做整体SVD分解得到对同步波形及其位置的粗估计,而后对同步波形位置的原始PCMA信号做局部SVD分解,进一步提高估计性能,解决了PCMA信号盲接收中双同步序列估计的难题。仿真结果表明,本文算法可广泛适用于APM类PCMA信号的同步波形和同步序列盲估计问题,在低信噪比条件下算法性能优于最大似然的估计方法,随着信噪比的提升和使用数据量的增加,估计性能不断提高,能够得到对PCMA信号双同步序列的高精度估计,为数据辅助的参数估计方法应用于工程实践提供了先决条件,为PCMA信号调制参数估计和后续的盲分离技术研究提供重要基础。

基于虚拟训练序列的双向水声信道精准估计

针对时变水声信道造成的严重多途干扰问题,提出基于虚拟训练序列的双向水声信道精准估计(Virtual Training Based Bidirectional Channel Estimation,VT-BCE)算法。基于叠加训练(Superimposed Training,ST)方案,将训练序列和符号序列线性叠加,使得训练序列和符号序列的信道信息一致,提高信号的跟踪能力;基于置信传播,双向信道估计(Bidirectional Channel Estimation,BCE)算法将一个数据块分成多个短块,利用整个数据块的信息估计当前短块信道,实现对当前短块的精准信道估计。将ST方案、BCE算法和信道均衡(频域)以迭代的方式相结合,使估计的符号序列可以作为信道估计的虚拟训练(Virtual Training,VT)序列,提升信道的估计性能,进而提高系统的解码性能。最后,通过计算机仿真和水池试验,验证了所提算法的有效性。

一种M-ary扩频信号扩频序列集估计方法

针对M-ary扩频信号的扩频序列集估计问题,提出一种基于序贯相关检测的扩频码集估计方法。首先,对同步信号样点进行划分,并利用所分向量间的相关特性,通过迭代操作得到码集中某一个元素的估计;然后,将对应于该元素的样点向量从接收信号向量集合中剔除,并重复上述步骤,以序贯的方式得到扩频码集的一个估计;最后,利用原始信号对该码集的各个元素进行检验,剔除码集中的虚假元素从而得到最终估计结果。该方法可以实现M-ary扩频信号的扩频序列集估计,并且不受扩频码集类型的限制,由于避免了二维搜索以及K均值聚类的迭代操作,文中方法具有比文献方法更快的计算速度。

基于m-WOD序列非参数回归模型线性加权估计的完全收敛性

利用m-WOD序列的性质和概率不等式,研究了基于m-WOD序列的非参数回归模型线性加权估计的完全收敛性并得到了其收敛速度.首先,给出了研究需要用到的预备知识.然后,证明了m-WOD序列的非参数回归模型线性加权估计的完全收敛性及其收敛速度.最后,以最近邻估计为例,验证了相应的完全收敛性及其收敛速度的正确性.

基于Viterbi算法的扩频码与信息序列联合估计

针对短码DSSS(Direct Sequence Spread Spectrum,直接序列扩频)信号扩频码MLE(Maximum Likelihood Estimation,最大似然估计)问题,提出了一种基于Viterbi算法的扩频码搜索方法,并将其应用到同步CDMA(Code Division Multiple Access,码分多址)信号的扩频码估计中。该算法利用了扩频码码元为±1的先验知识,以向量的2-范数平方或1-范数作为度量值;每次判决扩频码码元时,计算2条可能路径的度量值,并选择使度量值最大的那条路径作为幸存路径,最终的幸存路径即为估计的扩频码;所提算法不仅计算复杂度低,而且能同时估计扩频信号的扩频码和信息序列。仿真实验表明,本算法在低信噪比时同样具有较好的性能。

基于LENQD序列生成的线性过程误差回归函数小波估计Berry-Esseen界

在LENQD相依序列生产的线性过程误差下,研究了固定设计非参数回归模型小波估计.利用LENQD序列的矩不等式和特征函数不等式,建立了未知回归函数小波估计的Berry-Esseen界.通过选取适当的参数,其界可达O(n^(−1/6)).所得结果推广了相关文献的研究结果.

2013年和2022年芦山地震序列断层面花状构造及其滑动特性研究

芦山地区在2013年和2022年发生两次6.0级以上地震,本研究收集两次地震的余震序列,研究两次芦山地震发震断层的几何参数和滑动特性,并分析汶川地震和2013年芦山地震对2022年芦山地震的应力影响.得到以下结论:(1)基于收集到的两次芦山地震序列的2531个地震事件的精确定位结果,采用模糊聚类方法,求解得到芦山地震序列的5个发震断层面位置及其走向和倾角,5个断层面在空间上呈花状构造分布.(2)基于收集和计算得到的该地区的127个震源机制中心解,求解得到该地区的构造应力场,得到芦山地区形成了SEE—NWW向挤压,垂直向拉张的以逆冲为主的应力状态.(3)通过将构造应力场投影到两次芦山地震发震断层上,得到这些发震断层面上均容易发生逆冲型破裂事件.(4)将求解的2022年芦山地震序列发震断层面形状和滑动特性作为接收断层参数,计算汶川地震和2013年芦山地震对2022年芦山地震序列的应力影响,结果显示汶川地震对2022年芦山地震序列发震断层面的活动性起到促进作用,而汶川地震和2013年芦山地震的共同作用,对2022年芦山地震序列发震断层面的活动性起到抑制作用,即2013年芦山地震的发生推迟了2022年芦山地震序列的发生.基于GPS观测的应变率得到,在汶川地震和2013年芦山地震的共同作用下,2022年芦山地震被推迟的时间约为5.2~10.5年.这些研究对研究龙门山推覆构造带南段的断层活动特性和地震危险性评估有一定意义.

基于序列贝叶斯更新的锂电池剩余寿命预测

针对贝叶斯方法在更新模型参数时无法充分利用历史退化数据的问题,提出基于序列贝叶斯的在线更新方法实时估计锂电池退化模型参数。构建基于指数函数的非线性维纳退化模型描述变工况下锂电池容量的退化路径,并采用最大似然估计法估计初始时刻的模型参数;利用实时容量监测数据,基于序列贝叶斯更新方法在线更新退化模型中的漂移系数;推导锂电池剩余寿命的概率密度函数并预测剩余寿命。通过对不同工况下的锂电池退化数据进行实例验证表明,与基于幂指数和线性函数的退化模型相比,由于序列贝叶斯方法能够实时更新锂电池非线性退化模型参数,采用所提模型预测的剩余寿命精度更高。

基于骨架序列的工序动作识别与分析

为了解决工业工程领域传统制造过程中工序动作分析方法存在的耗时耗力与依赖经验的问题,运用动作识别技术替代传统的人工分解动作方法,提出一种基于骨架序列的工序动作智能检测方案。使用2D相机与MediaPipe框架搭建人体姿态估计模型以获取骨架序列,引入相关评估指标进行工序动作量化分析。利用骨架数据构建基于卷积门控循环单元CNN-GRU的动作分类模型,面向自建工序动作数据集进行实验验证。结果表明,所提出的CNN-GRU模型在参数量更少的情况下具有更高的准确率,相较于LSTM模型和GRU模型表现更优。在动作识别的基础上,将所得推理结果与标准作业程序进行对比得出异常动作,为工序动作识别与分析提供有效的解决方案,有助于规范生产操作和提升生产效率。

基于一类非线性时间序列模型的锂离子动力电池建模研究

伴随着新能源产业的飞速发展,锂离子动力电池作为一种高效的储能方式,已成为电动汽车的重要组成部分。在电池管理系统的功能中,电池的高精度建模至关重要。在实际应用中,电池不是一个线性系统,其输入和输出由于外部扰动等原因表现出非线性特征,从而直接影响参数识别效果,进而影响模型精度。鉴于此,本文对锂离子动力电池进行了Hammerstein-ARMAX(Autoregressive MovingAverage with Extra Input)模型构建,并对模型参数的估计方法进行研究,旨在提高模型的准确性。实验结果表明了该方法的有效性。

基于改进UKF的自动落布车位姿估计

自动落布车位姿估计的准确性是影响其在纺织车间内同时定位与地图构建(simultaneous localization and mapping,SLAM)的关键因素。在进行自动落布车位姿估计时,遇到观测噪声异常变化或噪声协方差与算法不匹配等情况时,无迹卡尔曼滤波(unscented Kalman filter,UKF)难以准确估计小车的位置和姿态。针对此问题,将误差序列协方差估计与遗忘因子同时引入UKF进行改进,提出了一种改进的自适应UKF自动落布车位姿估计算法。通过误差序列协方差估计对观测噪声协方差矩阵R进行调整,引入遗忘因子对R进行自适应更新,进而得到自动落布车位姿的最优估计。实验结果表明,在高斯噪声环境下,改进的UKF算法比其他算法具有更好的鲁棒性和估计精度。改进后的UKF位姿估计算法代入Cartographer算法后建图误差值减小,表明此算法能够在室内复杂环境下达到更加精确的位姿估计。

面向高速PAM4有线收发机的自适应和低复杂度最大似然序列检测器

高速串行收发机是中央处理器、网卡和交换机等高性能芯片的关键部件.判决反馈均衡器(decision feedback equalization,DFE)是高速串行收发机的主要判决电路.针对传统DFE在高码间干扰(intersymbol interference,ISI)信道下的高误码率制约串行收发机速率提升的问题,提出一种面向4电平调制(4 pulse amplitude modulation,PAM4)串行收发机的自适应、低复杂度的减状态序列检测器(adaptive reduced-state sequence detector,ARSSD).ARSSD基于最大似然序列检测结构降低检测误码率;结合Viterbi算法和分区算法降低运算复杂度;采用基于迫零算法的ISI参数获取方式实现检测器参数的自适应更新.所提结构最终完成了行为仿真、电路设计以及系统验证.基于模拟前端芯片和现场可编程门阵列电路的实验结果表明,与传统DFE相比,当12~64 Gbps PAM4信号经过−8~−18 dB@16 GHz衰减信道时,32×4路并行ARSSD检测误码率降低2个数量级,与行为仿真结果一致.

基于四维广义离散椭球序列的降秩MIMO-OFDM信道估计方法

传统的基于插值的信道估计器需要高导频负载来对快速时变的频选MIMO-OFDM信道进行稳健估计。为降低对高导频的需求,利用信道对低维子空间的限制作用设计了一种线性最小均方误差(LMMSE)信道估计器,该估计器采用由带限广义离散椭球(GDPS)序列得到的四维基扩展信道模型。仿真结果表明:与基于插值的最小二乘(LS)估计器相比,降秩估计器的均方估计误差较小,且对时延、多普勒和角扩展等均具有较强的鲁棒性。

垂直水声通信中的伪随机序列精确定时算法

针对垂直水声通信中时变多普勒引起的定时偏差问题,研究一种基于伪随机序列的迭代定时估计及补偿算法。该方法利用伪随机序列作为同步信号,分三步估计时变多普勒:采用低复杂度的模糊函数法粗补偿接收信号内的平均多普勒;通过迭代插值法实现残留时变多普勒的精确估计及补偿;利用基于信道相关函数的相位信息,纠正均衡后信号的偏转相位。为实现高阶海试数据的有效解调,采用基于伪随机序列均方误差的多通道加权合并方式,获得空间分集增益。仿真及海试数据处理结果证明所提方法具有良好的时变多普勒估计及补偿性能,同时对30个通道内的1024QAM数据进行合并处理,在500 m的通信距离下,误码率为0.04,信道容量达到7.6 bits/symbol。与传统数据帧结构相比,无需使用线性调频信号,可以提高有效数据传输率。

一种基于小数倍多普勒信道的OTFS信道估计方法

针对现有正交时频空(OTFS)调制系统的信道估计中存在的高峰均比和小数倍多普勒信道下估计困难及复杂度高的问题,提出了一种基于序列导频的匹配滤波(SMF)信道估计方法。该算法首先将序列导频与数据联合成帧,依靠序列的自相关性获取路径数、时延和整数倍多普勒;然后通过互相关匹配滤波估计小数倍的多普勒抽头和信道增益,从而得到信道状态信息;最后根据小数倍信道整数采样的特征,更新信道增益和信道初始相位。仿真结果表明,该方法相比基于嵌入式脉冲导频的信道估计,改善了峰均比,并提高了信道估计性能。相比于传统的序列导频,该方法可以估计得到小数倍多普勒抽头,估计的信道状态信息更准确。该信道估计方法更具有普遍性。

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。

基于稳健估计和变量分离的大坝监测数据异常值识别方法

大坝原观监测数据是掌握大坝运行性态最重要的资料,监测数据中的异常值又是分析过程中关注的重点。异常值分为两类,一类由测量误差产生,应给予剔除或补测,避免影响后续分析,另一类由于结构突变产生异常,应高度重视。目前坝工领域主要的异常值识别方法多未考虑结构异常的影响,仅从传统数学统计角度出发,造成识别准确率不高。为此,在深入研究大坝监测数据及异常值特征的基础上,首先采用稳健MM估计消除内外因正常影响,再利用剩余测值前后逐差消除稳定异常影响,最后根据极小值法对剩余值进行异常识别,通过对大坝实测数据的应用,证明了该法可以更有效、稳健地识别测量异常,避免结构稳定异常的干扰。

基于多视角热像图序列的物体表面温度场重建

表面温度场模型能够有效反映物体表面的温度分布情况。由于单一视角采集的图像信息无法覆盖整个物体表面,难以实现整个物体表面温度场的重建,此外温度场模型中非目标物体的存在,对温度模型分析存在干扰。提出了一种基于多视角热像图序列的物体表面温度场重建方法。首先使用语义分割算法对可见光图像提取目标物体轮廓,然后结合深度数据与热像图温度信息实现目标物体单视角温度点云的融合;随后采用多视角图像数据和多视角温度点云拼接的方法,借助各视角相机的位姿对温度点云进行初始拼接,应用多视角的LM-ICP算法对全局温度点云进行配准优化。实验结果表明,该方法有效重建了物体表面温度场模型,并且具有较小的尺寸误差(2.61 mm)和温度误差(0.56℃)。

PCSS-SC下基于并行导频序列的一种主动式RAKE接收技术

为解决并行组合扩频散射传输系统信道中存在的严重多径衰落效应,提出一种基于并行导频序列的主动式RAKE接收技术。该技术利用扩频序列PN的自相关特性,添加额外并行扩频序列作为收发已知的导频信号,设计适用在并行组合扩频散射通信的系统模型,并提出该模型下的多径搜索和时延估计方法,利用散射信道相干时间减少导频序列占比。通过仿真对比分析,在SNR=-8 dB时,信号识别概率能达到90%以上,低信噪比范围内,相比无抗多径技术可以提升60%左右的正确识别概率;区分充分多径和不充分多径进行系统误码率性能仿真分析,在SNR>-2 dB的区间内,相比无抗多径技术误码率大小均降低了三个数量级以上。结果说明文中技术能有效地对抗系统存在的多径衰落,保持较好的工作性能,保证数据稳定传输。

基于遗传算法的最小初始标识估计

在考虑标注序列时,计算带有不可观测变迁的标注Petri网的最小初始标识集是一个复杂的任务。现有解决这一问题的方法存在多种限制。该文采用一种基于遗传算法的方法来估计最小初始标识。由于可能存在多个初始标识(通常是无限多个),关注点在于获得Petri网中的最小初始标识集,其中满足以下条件:初始标识允许至少一种触发序列与观察到的标注序列和网络结构一致;初始标识具有最小的托肯总数(即在所有库所上的托肯总数最小);对于每次观测到的标注,允许每个可观测变迁发生之前至多一个不可观测变迁发生。鉴于最小初始标识的估计属于NP-hard类别,因此采用此类算法是合理的。通过实验证明了该方法的有效性。与现有算法相比,该算法能够以更小的计算代价获得最小初始标识。