OFDM系统基于导频的信道估计算法研究仿真

本文研究了OFDM系统中基于导频的信道估计,分析了LS,MMSE,SVD三种估计算法,并对三种算法仿真研究得出结论。     

基于反向传播(BP)算法的核保风险分析模型探讨

针对高血压疾病建立风险判别模型,对投保人的患病风险以及属于何种风险类别进行判别。首先运用Ken-dall(tau-b)检验,选取相关性因素;然后以项目数据库作为建立风险判别模型的数据集,应用反向传播(BP)算法建立模型;最后通过改变训练集的样本数,来检验模型的精确程度。模型对投保人患病判别的吻合率达到81%左右,具有较强的可操作性,并可推广到相应的保险和金融等领域的风险分析。     

电力线OFDM/OQAM通信系统信道相位预处理均衡算法

针对电力线通信（PLC）正交频分复用（OFDM）系统存在频率掩码和频谱资源利用率低等问题,提出将正交频分复用/偏移正交幅度调制（OFDM/OQAM）技术应用到PLC系统中。该技术通过选用频率选择性较好的滤波器来抑制带外干扰,且不需要循环前缀,但是OFDM/OQAM系统在PLC频域复数信道下会产生严重的自干扰,传统的均衡算法并不能有效地消除OFDM/OQAM系统的固有干扰。针对这种情况提出了一种基于信道相位预处理的均衡算法。该算法的思想是让接收信号乘以一个信道相位调整因子,使等效信道的虚部尽量小,以此来减小接收信号中的干扰分量。仿真结果表明,与传统的均衡算法相比,所提算法在误比特率为1.0×10－6时可以获得0.5dB的性能提升。     

CDMA2000系统反向信道的性能研究

基于扩频码分多址移动通信系统(SS-CDMA)条件下,分析了CDMA2000反向接入信道的性能参数,利用SystemView5.0对反向信道进行建模、仿真分析,结果显示了设计的CDMA2000系统反向信道模型的良好性能,表明了设计的信道模型合理。     

OFDM系统中基于弱选择ROMP算法的稀疏信道估计

为了解决实际OFDM通信系统中信道稀疏度未知的不足,提出将弱选择正则化正交匹配追踪算法用于估计稀疏信道。算法在不知晓信道稀疏度的情况下,对不同迭代残差与测量矩阵中原子的相关系数进行判定后,根据原子的弱选择准则灵活地确定出表示信道冲激响应的原子候选集,进而利用正则化原则从候选集中挑选出表示信道冲激响应的最优原子组,逐步实现精确重建。仿真结果和理论分析表明：与正则化正交匹配追踪算法相比,相同条件下改进算法可以获得更低的均方误差和误比特率;另外,算法无需将信道稀疏度作为先验信息,实用性更强。     

基于OFDM系统的低压电力线通信信道估计的研究

主要研究了基于OFDM系统的低压电力线通信的信道估计问题。通过分析低压电力线信道特性,提出一种适合电力线信道且不需要导频的判决反馈信道估计方法。在信道慢时变的条件下,这种方法能够提高系统的传输效率。通过仿真电力线信道特性和OFDM系统,将这种信道估计方法应用在仿真系统中,能够得到较好的性能。     

改进的单载波频域均衡系统及其在航空信道上的性能分析

研究了改进的单载波频域均衡(SC-FDE)系统及其在航空信道上的误码率性能,详细分析了不同环境下的航空信道特性并建立相应的信道模型.为了解决SC-FDE系统在航空信道下误码率较高的问题,基于信道编码的思想,通过增加Turbo编码改进了原有的SC-FDE系统,提高了系统的误码率性能.仿真结果表明:基于Turbo编码的SC-FDE系统与未编码的SC-FDE系统相比,在信道变化快、多普勒频率高的情况下仍然可以达到10-6的误码率,从而提高了信息传输的可靠性.     

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。     

一种基于QoS的多任务实时集群系统负载均衡算法

负载均衡算法是多任务实时集群系统的一个关键技术。在分析了常见的轮转式均衡调度算法和任务最少优先法的优缺点基础上，针对实时集群系统处理多类任务的特点，引入了加权负载率的概念来更准确地描述各分布式集群节点的负载状况。提出了通过任务QoS映射为负载权值的思想，并给出了一种改进的任务最少优先算法——加权负载率最小法，描述了以加权负载率表为核心的多任务均衡调度算法。最后，通过仿真验证了该算法明显优于前两种算法。     

OFDM系统中的资源调度

资源调度可以显著地改善通信系统的频谱效率和吞吐量。文中给出了OFDM下行链路中3种不同的时隙调度策略,这些策略都是以CDMA／HDR中比例公平算法(Proportional Fair)为基础。比较和分析了3种子带分配的方案。首先将OFDM的子载波划分为若干个子带,目的是减少系统的反馈量。所有的用户同时竞争所有的子带。仿真表明,子带的划分以16～32个比较合适,而调度可以将系统的吞吐量提高0．4～1倍,调度方案3实现了性能和复杂度的折衷,是一种好的选择。     

基于BP网络学习算法的英文字符识别

介绍了BP神经网络的基本原理,指出了BP算法收敛速度慢、易陷入局部及小值等缺陷,在标准BP算法的基础上引入了几种优化BP算法的方法。针对模式识别应用领域,通过实例,运用Matlab编程对各种较好的网络学习算法的性能进行比较,给出了一个三层BP网络识别含噪声的字母的实例。实验结果表明,改进的BP算法有效地提高了BP算法的收敛速度。     

OFDM系统的多符号改进算法

针对OFDM训练符号同步算法中存在的大采样数据而导致捕获时间过长的问题。提出了一种多符号改进算法。该算法应用对多个符号等间隔取样并共轭相乘累加的方法，在采用小数目的采样数据时就可以取得较好的性能，同时缩短了定时捕获时间，克服了原来算法中存在的问题。最后，仿真表明该算法的有效性。     

一种基于实数编码遗传算法的常模盲均衡

盲均衡可以看作代价函数优化问题。为了改进经典常模算法的性能,研究了利用实数编码遗传算法的常模盲均衡,把均衡器系数向量作为遗传算法的决策变量,采用轮盘赌选择和精英保留策略相结合的混合选择算子、算术交叉算子和非均匀变异方式,经过一系列的遗传操作,搜索到适应度值最高的个体,即均衡器的最优系数。计算机仿真结果证明了算法具有收敛速率快、能够搜索到全局最优解等特点。     

基于改进BP网络的城市可持续发展水平模糊综合评价

在建立城市可持续发展水平评价指标体系的基础上,提出了一种基于改进BP网络的城市可持续发展水平模糊综合评价方法,该方法不仅可以模拟专家对城市的可持续发展水平进行综合评价,而且有效地改进了人为评价方面的失误,为城市的可持续发展水平评价提供了一种新的评价模型。     

OFDM系统中载波间干扰抑制方法

在高速移动通信环境下,OFDM系统在传输过程中出现的多普勒频移和收发两端本地振荡器之间的频率偏差,形成子载波间干扰(ICI)并造成系统性能降低。在分析子载波间干扰机制的基础上,讨论了自消除方法和分段均衡方法,并提出一种利用加窗技术改进的分段均衡方法。仿真结果表明,采用该改进的分段均衡方法能更好地改善系统的性能,有约2 dB的信道估计增益。     

一种基于帧结构的MIMO-OPDA盲均衡改进算法

提出了一种新的改进外积分解法(OPDA),克服了单输入多输出(SIMO)系统中的OPDA盲均衡算法扩展到多输入多输出(MIMO)系统中计算复杂度增加的缺点。在MATALB中构建了基于帧结构的MIMO-OPDA盲均衡算法模型,并将改进算法和原算法进行了仿真比较.仿真表明系统运算速度提高了,而且随着接收信息的累积,改进的OPDA和原OPDA算法性能相当,证明算法改进十分有效。     

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。     

改进BP神经网络在企业网络营销绩效评价中的应用

在研究网络营销本质及其绩效特征的基础上,建立企业网络营销绩效评价指标体系并采用BP神经网络建立评价模型。为了克服传统BP神经网络容易陷入局部极小、收敛速度慢的缺点,通过采用LM算法和学习速率的自适应调整来建立新型的BP神经网络,利用模糊综合评价法生成训练样本。该评价模型有效地利用了BP神经网络的优点,避免了评价过程的人为失误。仿真试验表明,该模型取得了较好的效果。     

基于遗传算法优化混沌神经网络的股票指数预测

为提高BP神经网络预测模型对混沌时间序列的预测准确性,提出一种基于遗传算法优化BP神经网络的改进混沌时间序列预测方法。本文采用时间序列输入输出参数数量构造BP神经网络拓扑结构,利用遗传算法优化BP神经网络的权值和阈值,然后训练BP神经网络预测模型求得最优解,将该预测方法应用到上证综合指数的时间序列进行有效性验证,结果表明了该方法对上证综合指数具有更好的非线性拟合能力和更高的预测准确性。