一种增强型冲突分解算法

冲突分解算法是一种能有效改善无线信道多址接入协议的方式。本文对传统的冲突分解算法——树形冲突分解算法和先到先服务冲突分解算法进行了深入研究和仿真，探讨了这两种算法的优点和不足之处，提出了一种增强型的冲突分解算法（Enhanced Splitting Algorithm，ESA）。该算法继承了树形冲突分解算法和先到先服务算法的优点，不仅考虑了碰撞分组产生的时间，还考虑了分组的产生间隔，从而有效地提高了冲突分解算法的性能。仿真结果显示ESA算法是一种可行的算法。     

低复杂度的QR解相关多用户检测算法

针对常规解相关多用户检测算法因对相关矩阵求逆的运算量随用户数增加呈指数增加而失去了实用价值，提出了不需对相关阵求逆的计算复杂度低的快速QR解相关多用户检测算法。该快速算法运算量与常规解相关算法相比，运算量减少了70％，而检测性能丝毫没有降低。显然，该算法优于常规算法，具有实用意义。     

一种简化的拟蒙特卡洛-高斯粒子滤波算法

提出了一种简化的拟蒙特卡洛-高斯粒子滤波（QMC-GPF）算法（SQMC-GPF）,以解决将QMC方法应用于GPF时计算复杂度高、运算量大的问题。该算法中，在连续的迭代滤波过程开始之前，首先利用QMC采样产生单位拟高斯分布粒子集，然后用其线性变换产生GPF算法中需要的高斯分布粒子集，省去了重新进行QMC采样步骤。该算法简化了新粒子集的产生过程，减少了运算量和滤波时间，增强了算法的实时性。将粒子滤波算法（PF）、GPF 算法、QMC-GPF算法和SQMC-GPF算法用于单变量非静态增长模型（UNGM）和二维纯角度跟踪模型（BOT）的仿真结果表明，SQMC-GPF算法的滤波性能与QMC-GPF算法的滤波性能相近，但有更为明显的速度优势，具有重要的实际应用价值。     

基于IEEE 802.11a标准的符号同步新算法

针对OFDM系统符号定时，采用了两种经典算法的结合一符号同步两步算法，提出符号同步低复杂度算法，并进行分析与仿真，结合频率偏移估计比较两种算法性能。仿真结果表明。该方案中的低复杂度算法的符号定时精度较高，且算法简单。     

大数据算法定价行为的法律探析

大数据算法定价作为平台经济的核心技术，促进了技术创新并提高了经济效率，对推动新经济新业态平台经济发展具有重要意义。算法定价的核心要素在于算法技术和数据信息，但算法定价的技术性、自主性和隐蔽性等特征不利于对其进行监管。算法个性化定价和算法价格共谋涉嫌价格歧视和价格垄断协议，损害了消费者权益和其他经营者的竞争利益。对算法定价行为进行法理分析，有利于明确算法定价法律关系各主体的权、责、利、义。应积极完善算法定价相关规定和监管机制，规范平台经济经营者大数据算法定价商业行为，建立公平有序的平台经济市场营商环境，平衡大数据算法定价法律关系中各主体的利益。     

一种低复杂度的LDPC码迭代译码算法

在LDPC码的译码算法中，和积算法性能最优但复杂性较高，最小和算法实现简单但性能与和积算法相差较多。针对这一性能与复杂度的矛盾，带有修正项的最小和算法成为研究的热点问题。文中基于一种性能与和积算法接近的修正最小和算法进行研究，对修正项的修正方式进行了简化，简化后的算法在性能上与和积算法仍非常接近，实现复杂度却比原修正最小和算法有明显的降低。     

数据挖掘算法在债务管理中的应用

决策树算法是数据挖掘领域的核心分类算法之一，ID3算法镕4是最为经典的决策树算法。本文以ID3教据挖掘算法在债务管理中的应用为例，验证了算法的性能。     

LDPC码的自适应补偿最小和译码算法

LDPC码置信传播算法由于复杂度过高而无法实际应用，最小和算法虽然能降低复杂度但却带来了较大的性能损失。补偿最小和算法通过在最小和算法中引入固定修正因子，在几乎不增加算法复杂度的条件下获得接近置信传播算法的性能。为了进一步提升补偿最小和算法的性能，给出了补偿最小和算法的自适应修正因子的计算方法并结合层译码调度策略，提出层自适应补偿最小和算法。仿真表明，所提算法具有更优的性能和更快的收敛速度。     

基于SIFT算法的影像匹配实验研究

SIFT算法是目前影像匹配领域的研究热点之一。该算法的主要思想是：在尺度空间中寻找极值点，提取位置、尺度、旋转不变量，这不同于一般的基于灰度的匹配算法，因此SIFT算法的通用性很强。本文对SIFT算法的基本原理进行了介绍，针对其中的重要内容进行了解析，通过后续的编程实验证明，本文论述的要点基本合理。同时，针对SIFT算法的匹配精度问题，本文也做了一些有益的探讨。     

用于正弦波频率估计的修正Kay算法

Kay算法能够估计出采样点较少的正弦波频率，但低信噪比下估计性能不佳。针对此问题，提出了修正Kay算法。首先基于最大似然估计准则，推导了观测信号模值与相位的条件概率密度函数，进而重建了Kay算法的相位差噪声矢量协方差矩阵与权值矩阵。实验结果表明，修正算法能够有效估计正弦波信号频率，与Kay算法相比，抗噪性更强。     

一种改进智能天线宽带阵列的自适应算法

对改进宽带智能天线的算法进行了研究，提出利用横向滤波器和二维MUSIC算法相结合来实现智能天线宽带阵列的自适应算法。该算法计算量相对较小，性能较为可靠。仿真表明改进算法有很好的性能，特别是对于滤波器的抽头系数很大的情况下，改进算法更为可取。     

一种修正的自适应算法

本文首先对基于累积误差准则与共轭梯度的2种自适应算法进行了讨论和比较，在此基础上提出了一种改进的自适应算法，其收敛性能优于文献（2）中算法，且不出现不稳定现象。     

改进的“当前”统计模型变采样率目标跟踪算法

为满足实际雷达系统对高精度和高实时性的要求,提出了一种改进的“当前”统计模型变采样率机动目标跟踪算法。该算法针对“当前”统计模型必须预设加速度极值和机动频率的问题,提出一种加速度方差和机动频率在线同步自适应方法,建立改进的“当前”统计模型机动目标跟踪算法;针对在线自适应方法计算量大的问题,结合采样周期的大小与目标机动特性的关系,引入变采样率方法。仿真结果表明,与传统“当前”统计模型相比,改进的“当前”统计模型机动目标跟踪算法能显著提高对不同机动强度目标的跟踪精度;变采样率方法通过减少采样点数,节省了系统资源,提高了跟踪实时性;所提算法将两者结合,用传统的“当前”统计模型1.5～2倍的平均采样周期得到了更小的位置均方根误差,实现了用单模型方法同时改善跟踪精度和实时性的目的。     

基于DD-LLMS算法的盲自适应判决反馈均衡器

本文把用于自适应线性滤波器的LLMS算法推广到盲判决反馈均衡器,并应用于短波信道的盲均衡。仿真结果表明这种DD—LLMS盲判决反馈均衡算法具有很好的稳定性、较快的收敛速度和较好的跟踪性能。     

一种适用于稀疏多径信道的自适应均衡算法

针对传统的自适应均衡算法在稀疏多径信道下性能表现不佳的问题,提出了一种基于基追踪降噪的自适应均衡算法。该算法利用稀疏多径信道下均衡器权值的稀疏性,将自适应均衡器的训练过程看作压缩感知理论中稀疏信号对字典的加权求和,并利用重构算法直接对稀疏权值进行求解,解决了迭代参数设置和收敛慢的问题。采用基追踪降噪作为重构算法并选用变量分离近似稀疏重构对该最优化问题进行求解,既提高了权值的重构精度又降低了计算的复杂度。仿真结果表明,所提算法能够以较低的计算量和较少的训练序列达到更优性能,这对提升系统的通信性能具有参考价值。     

宽带自适应MIMO-DFE空时接收机

设计了频率选择信道基于RLS算法的自适应判决反馈均衡MIMO-DFE空时接收机,由于这种接收机不需要信道识别,从而降低了接收机的复杂度。通过蒙特卡罗仿真评估了接收机在频率选择信道下的误符号率性能。仿真结果表明,在不加信道编码的情况下,该接收机在信噪比为 14dB时误符号率达到 10-3以下。     

一种基于自适应阵列天线的波束赋形算法

自适应阵列天线中的数字波束赋形(DBF)技术是智能天线数字信号处理部分的核心.提出了一种可用于自适应阵列波束赋形的SMI-LMS算法--由SMI(采样协方差矩阵求逆)算法决定LMS(最小均方)算法的初始权向量.该算法充分结合了SMI算法收敛速度快和LMS算法稳态误差小的优点,能在较强干扰环境下,确保权向量的快速收敛和跟踪速度.与传统的LMS算法相比,SMI-LMS算法具有良好的收敛性能、较快的跟踪速度和较小的输出误差,并可以有效改善自适应方向图的副瓣性能.仿真结果验证了该结论.     

一种用于自适应噪声抵消的变步长LMS算法

为了提高LMS自适应滤波算法的性能,在分析已有变步长算法的基础上进行了一些改 进。改进算法用误差信号的自相关来调节步长以实现对不相关噪声的更好抑制,且采 用先固定后变化的方法控制步长,兼顾了暂态和稳态性能。利用改进算法进行了自适应噪声 抵消的仿真实验,结果表明,基于改进变步长LMS算法的自适应噪声抵消器 能有效抵制噪声干扰,对含噪信号具有良好的消噪能力。     

多波束形成技术研究

讨论了跟踪与数据中继卫星系统 (TDRSS)中关于多波束形成的算法 ,优选的有LMS自适应方式和相位调整自适应方式 ;并简单介绍了波束控制和波束形成的实现