Turbo码解码过程中的加权算法

本文通过调整迭代解码过程中系统位接收值的加权系数，提出了一种Turbo码加权迭代解码算法。该算法改变了迭代运算后Turbo码解码器输出软值中系统位接收值信息和它的外部估计信息的比重，使Turbo码无论在低信噪比或是在高信噪比时均具有优良的纠错性能。仿真结果显示，采用Turbo码加权迭代解码算法，不仅能提高Turbo码的收敛速度，而且能进一步降低Turbo码解码时的地板值，使Turbo码的比特误码率在高、低信噪比时都能够得到进一步改善。     

一种基于CMA和DDLMS算法的双模式盲均衡算法

为进一步改进盲均衡算法收敛速度慢、稳态误差大、计算复杂度高等问题,提出一种切换模式和加权模式联合CMA(Constant Modulus Algorithm)+DDLMS(Direct Decision Least Mean Square)双模式盲均衡算法。综合切换双模式盲均衡算法和加权双模式盲均衡算法的优缺点,对切换、加权模式联合的CMA+DDLMS双模式盲均衡算法进行仿真。在不同信噪比条件下,对CMA算法、MCMA(Modified CMA)算法、DDLMS算法和CMA+DDLMS双模式盲均衡算法进行仿真,结果表明,所提算法收敛速度快,约为600个符号;稳态误差小,约为0.1;误码率小,在信噪比为25 dB时,误码率约为10-6。该算法可广泛应用于无线通信、光通信、声呐和雷达等众多领域。     

自适应约束下的双边全变差正则化超分辨率重建

在经典的双边全变差(BTV)超分辨率重建中,加权系数和正则化参数的恒定性导致重建结果边缘保持能力受限。为此,提出了一种自适应约束的BTV正则化先验模型。算法首先定义了图像的局部邻域残差均值以区分当前像素属于平坦区域还是边缘区域;然后针对加权系数的不变性导致边缘削弱的问题,利用边缘方向和垂直边缘方向扩散性的不同,设计自适应权重矩阵;最后根据代价函数的极值问题推导出迭代公式,从而进行图像的超分辨率重建,重建过程中采用自适应的方法确定正则化参数,以便求得代价函数的全局最优解,提高了算法的鲁棒性。实验结果表明：与双三次线性插值法和经典BTV算法相比,该算法取得了更好的视觉效果和更高的峰值信噪比,更多地保留了图像的边缘细节信息。     

基于DCT的SAR原始数据压缩算法分析

根据合成孔径雷达(SAR)原始数据经离散余弦变换(DCT)后的系数特性,分析了在DCT域按各子带能量分布作变比特块自适应量化的算法--DCT域块自适应量化(DCT-BAQ),并将该方法与时域BAQ算法作了比较.结合一组实测SAR原始数据,用两种算法分别进行了压缩和解压缩,并计算了数据域及图像域信噪比,给出了两种压缩算法所成的图像.实验证明,在相同的比特率下,DCT-BAQ算法的数据域和图像域信噪比均比时域BAQ算法高.数据域信噪比增加1.38～1.94 dB,图像域信噪比增加1.56～1.91 dB.加之DCT变换是实数运算、有快速算法,所以将它用于SAR原始数据压缩有一定的优越性.     

基于平方加权质心特征的快速分形图像压缩编码

分形图像压缩利用自身图像具有的相似性,结合压缩仿射变换减少图像数据的冗余来实现图像数据的压缩,具有压缩比高、恢复简单的特点。然而,分形图像压缩编码也具有编码时间长、计算复杂的缺点。为了解决上述的缺点,提出了基于平方加权质心特征的快速分形图像压缩编码算法,利用平方加权质心特征可以将基本分形图像压缩编码过程中的全局搜索转化为局部搜索,限定搜索范围,减少码本数量,在巨大图像信息量传输和存储过程中,在一定程度上缩短了编码时间。将平方加权质心特征快速分形图像压缩编码算法和双交叉和算法、改进叉迹算法、规范五点和算法进行比较,仿真结果表明,所提算法在恢复质量可接受情况下,编码时间具有巨大优势。     

新变步长自适应算法及其时延估计性能

针对已有的变步长自适应算法收敛速度和稳态误差矛盾的问题,提出了一种新的变步长最小均方自适应滤波算法。新的算法在类S函数的基础上,引入调节因子P对步长函数的形状进行实时调整,并以误差的自相关时间均值估计调节步长,使得算法在初始时具有较快的收敛速度,稳态时有更平滑的步长变化。在新算法中引用最大似然加权算法进一步抑制自适应滤波器权系数伪峰。将新算法和最大似然加权应用在自适应时延估计的实验中,结果表明：在已有参数固定的条件下,新提出的算法具有更快的收敛速度和更小的稳态误差。同时,时延估计实验中能有效地实现信噪比-3 dB以上的准确时延估计。     

基于权值优化的认知WiMax信号协同识别

传统的正交频分复用（OFDM）系统识别算法只能识别出接收信号是否为基于全球微波互联接入技术（WiMax）的OFDM信号，但无法判断该信号是认知信号，并且在复杂电磁环境下识别正确率低。为此，提出了一种协同识别认知WiMax无线网络OFDM信号的算法。该算法首先利用OFDM信号的循环自相关特性估计信号的有用符号时间，并通过估计各协同感知节点的信噪比对时间参数的估计值进行加权，得到有用符号时间的协同估计值，进而判断接收信号是否为基于WiMax系统的OFDM信号；再通过自私攻击策略，实现对OFDM信号是否是认知WiMax信号的判别，为进一步研究认知WiMax网络节点定位技术奠定了基础。仿真结果表明，与非协同识别算法相比，提出的协同识别算法在多径和低信噪比条件下具有更高的识别率。     

一种提高雷达系统输出信噪比的方法

在给定雷达的检测概率和虚警概率后，系统输出信噪比直接影响雷达的作用距离。采用距离分段加权技术，可以减小加权引起的信噪比损失，从而提高了雷达的作用距离。给出了泰勒窗函数在距离分段加权中的应用，事实已证明该方法的可行性。     

降秩的空时联合抗干扰技术分析

针对GPS接收机容易受到干扰的缺陷,采用空时联合进行自适应抗干扰方案,利用多级降秩维纳滤波计算权值的方法,大大减小了计算量,同时具有很快的收敛性能,能够保证复杂多变环境的抗干扰能力.通过仿真验证了算法的有效性,分析了干扰数目的改变和时域抽头数目的选择对算法性能的影响,以及在采用多级降秩维纳滤波算法时如何选择分解阶数和送入数据的长度,得出的结论对工程应用具有一定的指导意义.     

融合局部加权余弦与稀疏表示的目标跟踪算法

针对目标跟踪算法的鲁棒性难题，在粒子滤波框架下提出基于联合模型的目标跟踪算法。首先，由局部加权余弦相似对目标模板和候选目标进行匹配，其中的局部加权算法增加了未受遮挡、形变等影响的候选目标的权重；其次，通过对目标区域局部图像块稀疏编码来表示目标观测模型，其中字典不进行更新，重建误差的构建考虑了局部图像块之间的空间布局；最后，利用最大后验概率估计目标状态。联合模型将目标的当前状态和原始状态都考虑在内，提高了观测模型的可靠性。实验结果表明，该算法具有较强的鲁棒性。     

基于动态规划算法的无源毫米波弱小目标检测方法

针对无源毫米波弱小目标特点,结合已有的动态规划算法,利用图像阈值分割原理实时计算检测门限,提出一种适用于无源毫米波小目标检测的实用动态规划算法,并分析了动态规划的计算过程及分割门限的确定方法。实验仿真结果表明,此算法能准确检测出复杂背景下的低信噪比无源毫米波弱小目标,并得到目标运动轨迹,在单帧成像信噪比为4.5dB左右时,能准确检测出目标运动轨迹。     

一种应用于欠采样图像的自适应稀疏重建方法

针对图像稀疏重建中因使用固定参数的全变分(TV)正则项所带来的图像细节缺失和阶梯效应问题，提出了一种自适应二阶广义全变分(TGV)约束的图像稀疏重建算法。该算法采用二阶广义全变分模型权衡图像的一阶导数和二阶导数，且能够根据每次迭代得到的重构解及对应张量函数自适应地修正权重系数，实现图像的稀疏重建。与全变分正则模型和固定参数广义全变分正则模型相比，该算法能更好地保持图像轮廓和细节信息，提高重建图像的峰值信噪比(PSNR)和结构相似度(SSIM)。     

完整的边缘检测提取方案

Sobel算子在图像边缘检测中是比较常用的一种方法,利用像素的左、右、上、下邻域的灰度加权算法,根据在边缘点处达到极值的原理来进行边缘检测。本文提供了实现灰度图像边缘检测利用Sobel算子的具体程序和流程以及相关的处理结果。     

基于稀疏编码的鲁棒型人脸超分辨率重建

为了减少人脸超分图像的边缘伪影和图像噪点，利用基于稀疏编码的单幅图像超分辨率重建算法，在字典学习阶段，结合L1范数引入在线字典学习方法，使字典根据当前输入图像块和上次迭代生成的字典逐列更新，得到更加精确的超完备字典对，用于图像重建。实验中进行的仿真结果表明，改进算法超分结果的峰值信噪比（PSNR）和结构相似性（SSIM）比同类型的稀疏编码超分法（SCSR）和应用在线字典学习算法的超分方法（ODLSR）均有较大幅度提升，比后者平均提升0.72 dB和0.018 7。同时，视觉上有效地消除了边缘伪影，且在处理含噪人脸图像时，具备更强的去噪能力和更好的鲁棒性。     

主动毫米波成像地海面目标识别方法

主动毫米波成像传感器为前下视对地成像,作为侧视SAR和前斜视SAR成像的补充,能够实现全方位观测覆盖,采用扫描方式实时获取飞行路径前方地物目标图像数据,在飞行器导航中具有重要应用前景。针对主动毫米波成像目标识别所面临的成像信噪比低、图像方位向分辨率低以及保障条件为异种传感器图像数据等难点,探讨了目标检测识别实时信息处理流程中的地面信息保障、匹配识别算法等若干关键技术和方法,结合目标背景特性,提出的结合特征检测的目标匹配识别定位方法,能满足低信噪比条件下的目标快速检测识别的要求。     

一种有效降低复杂度的2×1D维纳滤波信道估计方法

在应用于正交频分复用(OFDM)系统的信道估计方法中,维纳滤波是一种估计性能较好的算法,但该方法实现时,需估计噪声方差和多普勒频率,并根据估计的这两个关键参量进行实时相关矩阵的计算,复杂度较高。为此,提出了一种基于关键参量固定值的离线产生相关矩阵来简化维纳滤波信道估计方法。仿真结果表明本方法在性能损失不大的情况下,大大地降低了实现复杂度。     

离散采样偏差造成的信噪比损失分析与改善

分析了离散采样偏差造成的目标信噪比损失,提出采用幅度最大原则搜索获得采样位置偏差值,利用该偏差值在频域完成对采样偏差的补偿,从而改善信噪比的损失。讨论了该算法的应用条件,分别对强散射点目标和弱散射点目标情况进行了仿真,分析了随着信噪比变化该算法对信噪比损失改善的效果,验证了算法的有效性。算法具有较低的运算复杂度,因而在实际系统中易于实现。     

抗冲激干扰的稀疏惩罚约束遗漏最小均方算法

当被识别系统是稀疏系统时,传统的遗漏最小均方（LLMS）自适应算法收敛性能较差,特别在非高斯噪声环境中,该算法性能进一步恶化甚至算法不平稳收敛。为了解决因信道的稀疏性使算法收敛变慢的问题,对LLMS算法的代价函数分别利用加权1-norm和加权零吸引两种稀疏惩罚项进行改进;为了优化算法的抗冲激干扰的性能,利用符号函数对已改进的算法迭代式作进一步改进。同时,将提出的两个算法运用于非高斯噪声环境下的稀疏系统识别,仿真结果显示提出的算法性能优于现存的同类稀疏算法。     

用于APSK和QAM信号信噪比估计的改进分段数据拟合算法

为提高幅相键控(APSK)信号和正交调幅(QAM)信号信噪比估计范围和精度,提出了一种改进的信号信噪比估计算法。算法首先计算接收信号平方的均值和绝对值的均值之比,然后根据星座图特征,利用多项式拟合该比值与信噪比的关系。在拟合过程中,对信噪比区间进行分段拟合来提高各段拟合精度,并用蒙特卡洛仿真经验值修正算法的固有偏差,从而得到信噪比的近似无偏估计。仿真结果表明,当信噪比估计区间为-5~20 dB且数据长度合适时,16APSK和32APSK信号信噪比估计偏差均值小于0.5 dB,标准差小于2 dB;该算法对16QAM和32QAM信号信噪比估计的标准差小于传统数据拟合算法。该算法运算复杂度较低,便于实时应用和硬件实现,对恒模和非恒模信号均能实现信噪比宽范围精确盲估计。     

基于负荷平衡的混合式中继选择新算法

现有的中继选择算法通常带来中继负荷失衡问题,可能导致中继节点资源的非公平利用。为解决这个问题,首先对中继负荷失衡问题进行了分析,接着使用链路信噪比和中继节点负荷作为模糊控制的输入参量,提出了负荷平衡中继选择（LBRS）算法;其次,针对LBRS算法中存在的低信噪比区域误比特率偏高的问题,进一步提出了LBRS的改进算法,即基于负荷平衡的混合式中继选择（HRS）算法。仿真结果表明,与典型的最优中继选择（BRS）算法比较,HRS算法在平衡中继节点负荷上具有非常显著的优势,在误比特率性能上稍逊,总的来说是一种性能优异的中继选择算法。