储罐自动化仪表计量误差在线识别方法研究

针对站场油气储罐计量仪表的检测误差,以现场366座储罐正常计量数据为基础,设置0.5%~2.5%的误差率,构建数据驱动方法数据集,综合考虑误报率和窗口大小(25~125),针对7类算法(WIN-G、WIN-M、WIN-L、RuLSIF、KL-CPD、VAE和LSTM-VAE)进行综合性能评价,用现场检测的误差数据和正常数据进行算法验证,结果表明:在窗口大小100的条件下,LSTM-VAE算法性能最佳,正确报警率高于0.95。

MIMO系统中基于代价函数和排序模式的MMSE SIC检测器

针对多输入多输出空间多路复用系统,提出了一种基于代价函数和排序模式的多个并行分支的最小均方误差连续干扰消除检测器;具体而言,设计了选择规则来选择代价函数性能最好的分支,并通过利用不同的检测排序模式使得每个分支中的SIC算法按照信号干扰噪声比由高到低来检测信号,从而实现完全检测分集;为了进一步降低算法的计算复杂度,还提出了一种采用递归最小二乘算法的有效自适应接收机来更新滤波器权值向量,从而获得基于递归最小二乘算法的MB-SIC接收机的自适应实现;此外,还对提出的检测器在比特差错概率性能方面进行了分析;仿真结果表明,相比于现有的检测算法,提出的算法不仅具有较低的计算复杂度,而且能获得更好的误码率性能。

融合蚁群算法MMSE准则在MMW混合波束形成中的应用

波束形成预编码技术是毫米波通信的核心技术,其中模拟和数字混合波束形成技术可以很好地平衡模拟预编码技术和数字预编码技术的优缺点,既可以得到足够的波束形成增益、减少传播损耗,又降低了硬件成本和功耗。均方误差(MSE)是表征毫米波通信传输可靠性的性能指标,利用最小均方误差(MMSE)准则的混合预编码设计可以在毫米波大规模多输入多输出(MIMO)系统中获得较好的频谱效率。将MMSE与广泛应用于解决旅行商问题的蚁群算法相融合,以进一步优化基于流形优化的混合预编码算法。仿真结果表明,融合后的优化算法具有更低的误码率和更好的频谱效率。

基于灰度共生矩阵纹理特征的SAR影像变化检测方法研究

利用灰度共生矩阵提取SAR影像的纹理特征,分析灰度共生矩阵的原理、特征向量以及特征参数的确定。利用对数比值算子构造差异影像,通过比较发现基于反差的差异影像更能突出变化信息。选择基于反差的差异影像作为变化检测的基准,由于其影像符合高斯混合模型,利用期望最大(EM)算法对高斯混合模型进行参数估计。最后利用贝叶斯最小错误率进行变化信息的提取,与基于像元灰度值的变化检测结果进行比较,试验证明基于灰度共生矩阵纹理特征的变化检测方法虚警率更低、漏检率更低、总体误差更小,具有更好的检测效果。

一种面向统计机器翻译的协同权重训练方法

分析了统计机器翻译中的特征权重的领域自适应问题,并针对该问题提出了协同的权重训练方法.该方法使用来自不同解码器的译文作为准参考译文,并将其加入到开发集中,使得特征权重的训练过程向测试集所在的领域倾斜.此外,提出了使用最小贝叶斯风险的系统融合方法来选择准参考译文,进一步提高了协同权重训练的性能.实验结果表明,使用最小贝叶斯风险系统融合的协同训练方法,可以在一定程度上解决特征权重的领域自适应问题,并显著地提高了在目标领域内机器翻译结果的质量.

全海深高速水声通信机设计与试验

为了适应深海科学考察领域的快速发展,实现对全海域水声通信能力的覆盖,本文设计了一种全海深水声通信机。该水声通信机采用大功率D类功率放大器进行信号发射,利用三基元接收通道进行空间分集接收,最大通信距离12km。水声通信机采用单载波相干水声通信技术,相干解调算法采用了时频域双向turbo均衡器结构,均衡器系数调整采用了改进比例归一化最小误符号率准则算法。该通信机于2018年12月12日在海洋最深处马里亚纳海沟挑战者深渊进行了实时水声通信试验,实现了水下10500m到水面的高速水声通信,通信速率6000bps,通信误比特率为10-5量级。

MIMO系统中基于ZF/MMSE检测的自适应功率分配方案

本文研究了MIMO系统中的功率分配技术.针对基于ZF/MMSE检测的MIMO系统,提出了一种简单的自适应功率分配方案.该方案在不使用预编码技术对MIMO信道进行对角化的前提下,遵循最小化系统BER的准则,为发送数据流分配发射功率.与采用SVD预编码的功率分配方案相比,本文提出的方法减少了系统需要的反馈信息量.仿真表明该方法能够有效地提高系统的BER性能,而且基于MMSE检测的系统性能接近于采用SVD预编码的功率分配性能.

扩频系统中最小误码率意义下的最优干扰抑制技术

通过论证最小化误码率 (MBER) ,最小均方误差 (MMSE)以及约束最小均值输出能量 (MMOE)之间的关系 ,将MBER准则下最优干扰抑制器的设计转化为后两种准则下最优干扰抑制器的设计 ,并分别导出两种自适应算法 :递推最小二乘 (RLS)和盲递推最小二乘 (BRLS) .前者抑制干扰效果好 ,但需要期望信号 ;后者无需期望信号 ,但抑制效果较差 .本文将两种算法合理配合 ,给出了动态环境下的干扰抑制方法 .

水声通信中稀疏信道均衡算法优化

为应对复杂的水声信道环境,提高信道均衡算法的收敛速度和误码率性能,文中提出了一种零值吸引稀疏控制成比例最小误码率判决反馈均衡算法。该算法在稀疏控制成比例最小误码率判决反馈均衡算法的基础上,通过在目标函数中加入近似l0范数的稀疏约束,迫使均衡算法在迭代过程中将幅值小的均衡器抽头向零值吸引,以加快均衡算法的初始收敛速度;同时在信道均衡过程中引入锁相环技术,以消除抖动相位噪声带来的影响。传统的锁相环技术都是基于最小均方误差准则的,但现有文献和相关实验仿真已经证明,当系统的均方误差最小时,误码率不一定最小。针对此问题,文中提出了一种基于最小误码率准则的锁相环相位追踪算法,并将其嵌入稀疏均衡算法中。在Matlab平台上,分别在实际采集的静态水声信道和实际时变水声信道条件下进行了实验,结果表明:加入近似l0范数约束的稀疏控制成比例最小误码率判决反馈均衡算法,在没有时变相位噪声影响下的收敛速度更快;在有时变相位噪声影响的信道条件下,基于最小误码率准则的锁相环相位追踪算法相较于基于最小均方误差准则的锁相环相位追踪算法,收敛速度更快,误码率性能更优。

一种基于约束最小误码率的多用户检测算法

针对多用户检测器误码率函数具有多个局部极小点的缺陷,本文提出一组新的约束条件,在约束的检测器解空间里,误码率函数具有唯一的最小点。同时,本文还提出了一种有效的阻碍共轭梯度算法来求解约束最小点。仿真结果表明,本文的提出的约束最小误码率检测器性能接近理想的线性最小误码率检测器,明显优于最小均方误差检测器。

基于遗传算法的最小误码率线性多用户检测

本文提出了一种多用户检测算法,算法基于最小误码率准则,应用内核密度估计方法来估计误码率函数,并采用基于实数编码的遗传算法来搜索误码率函数全局最小点。该算法解决了由于误码率函数存在局部最小点而难以用普通的梯度算法来求解全局最优点的问题。算法对初值的选取无特殊要求,可随机选取。仿真结果表明,梯度算法求解最小误码率检测器由于可能收敛到次优的局部极小点,故检测器不能达到最小误码率性能;而本文基于遗传算法的多用户检测由于能很好的避免收敛到次优的局部极小点,因而得到的检测器性能逼近最小误码率。

最小误码率排序迭代优化的SLNR改进算法

针对多用户MIMO系统应用SLNR算法时由于干扰用户增加引起的系统性能下降问题,联合考虑误码率性能和信道质量,提出一种先把部分已知的多用户干扰加入SLNR准则进行抑制,根据信噪比大小确定预编码矩阵的设计顺序,再利用已知的多用户干扰迭代优化后续用户预编码矩阵的SLNR改进算法.由于只利用发射端信道信息优化预编码矩阵,改进算法无需基站与用户协作,计算复杂度低.对比仿真结果表明,改进算法收敛速度快,在高信噪比区域,误码率性能和系统容量增益得到了显著提升.

一种基于最小误分率估计高斯混合模型参数的方法

传统的基于最大似然估计高斯混合模型参数的方法是一种无导师的学习方法，该方法的主要缺点是学习算法在估计一类模式模型中的参数时只利用了该类模式中的训练样本，而未考虑其它类训练样本的分布影响，因此，这种方法的识别效果往往不够理想．针对以上问题，作者提出利用最小误分率估计高斯混合模型参数的方法，这种方法考虑了不同类之间的样本的区分性．同时为了提高获得全局最优解的可能性，文中给出一种利用遗传规划求解最优参数的算法．这种方法用于非限定文本的话者识别．实验表明，该方法较传统的参数估计方法识别效果好．

具有快速收敛特性蜂群算法的球度误差评定

将蜂群算法应用到球度误差评定中，给出最小区域球度误差评定模型。根据球度误差评定的特点，改进了基本蜂群算法。首先从雇佣蜂中按概率引进一组蜂群实现最优搜索，加快算法的收敛速度；再按照概率随机选择部分侦察蜂在当前最优解邻域内搜索，提高算法跳出局部最优的能力。通过典型测试函数验证了该算法的可行性。比较改进蜂群算法与几种典型群智能算法的实例计算结果，证明该算法评定球度误差时收敛速度快、评价精度高、鲁棒性强，适用于各类精密设备的计量检测。

一种最小误码率约束的动态地理协作路由算法

为了提高无线多跳通信的可靠性,提出一种联合物理层和网络层设计的动态地理协作路由(DGCR)算法,推导计算了单个协作单元协作中继节点的选择区域,在该区域内选择的协作中继节点可以满足误码率要求。最佳中继节点的位置会根据实际协作中继节点的位置和目的节点的位置动态选取。仿真计算表明,该算法相比非协作路由算法和传统地理协作路由算法具有更好的误码率性能,更适用于多径条件下的应用。

复值的MBER非线性均衡器用于QAM信号

本文提出一种复值的最低误码率非线性滤波器用于非线性信道中QAM信号的均衡。推导了针对QAM信号的最低误码率准则训练算法的目标函数,并用Volterra序列来实现复值的非线性均衡器。为使非线性均衡器能在线自适应训练并增加训练算法的数值稳定性,提出一种滑窗随机梯度算法。大量仿真表明,对于非线性信道中QAM信号的均衡,最低误码率非线性均衡器的性能优于最小均方误差准则。

最低误码率非线性均衡器的快速自适应学习算法

针对最低误码率非线性均衡器的参数在线自适应学习问题,本文提出基于拟牛顿方法的快速自适应学习算法。采用Parzen窗函数方法估计误码率,通过设定切换条件,使参数学习在滑窗随机梯度法与滑窗拟牛顿法之间切换。这既增加了新算法的数值稳定性,又可提高收敛速度。通过对拟牛顿方法进行修改,还使新算法既可以在线自适应学习,也可用于高维参数的快速学习。仿真采用最低误码率非线性均衡器对通信系统进行干扰抑制和信道均衡,结果表明了新算法的高效性。

OFDM系统下基于MBER准则的自适应波束形成器

宽带无线通信系统采用正交频分复用(OFDM)调制和智能天线技术来克服限制系统容量的符号间干扰(ISI)和同信道干扰(CCI).在OFDM调制技术下,针对数字通信系统传输中最主要的性能参数之一误比特率(BER),研究了基于最小误比特率(MBER)准则的自适应波束形成器.与现有的基于最小均方误差(MMSE)准则的波束形成器相比,MBER自适应波束形成器直接最小化OFDM系统的BER,保证了信号传输的有效性,提高了系统性能.仿真实验表明,基于MBER准则的自适应波束形成器比基于MMSE准则的波束形成器能更好地接收期望用户的信号,系统的BER更低.

最小误码率波束的形成算法

在经典自适应波束形成算法中,常采用均方误差准则,但对于一个通信系统来说,误码率是评价其性能的一个很重要的参数。利用核密度估计方法,由概率密度函数得到系统误码率与波束权值的关系,提出了一种自适应波束形成算法,在迅速收敛得到系统较小误码率的同时,得到最优的波束方向。仿真实验证明该方法优于经典的最小均方误差方法。

基于MBER准则的变阶长自适应均衡器

提出了基于最小误比特率(MBER)准则的变阶长自适应均衡算法——FT-MBER算法。变阶长自适应均衡是未知多径信道均衡的重要技术,准确估计自适应均衡器最佳阶长能同时实现低复杂度和较好的均衡性能,而传统的最小均方误差(MMSE)算法稳态误比特率性能不理想。FT-MBER算法以最小化BER为代价函数,把不同阶长均衡器产生的误比特率之差作为因子调节伪分数阶长,当伪分数阶长变化大于阈值时更新阶长。仿真结果表明该算法比MMSE算法能更有效抑制码间干扰并能准确估计MBER准则下的均衡器最佳阶长。