基于导频的OFDM系统信道估计研究

文章给出了OFDM系统模型,介绍了基于导频的OFDM系统的基本信道估计方法,并给出了典型估计方法的比较与MATLAB仿真,得出不同算法下信道估计的误比特曲线,比较了各个算法的性能。     

用于散射信道的多业务异步复分接技术

为扩大散射信道传输容量和提高其传输效率,在多种时钟业务传输过程中,可采用多业务异步复分接技术。根据极低速散射通信系统的特点,在进行业务复分接时为了改善帧同步,论文提出使用Turbo码帧同步算法,该算法不需要插入任何导频符号,利用信道码字特征和译码的迭代信息辅助系统完成帧同步,提高了系统的帧同步精度及传输效率。     

基于均值聚类的背景估计算法

本文提出了基于均值聚类的背景估计算法。首先利用提取特征点,然后利用K-means聚类算法去除错误的特征点对。最后利用随机样本一致(RANSAC)算法和最小二乘方法求解运动参数。实验结果表明本文算法比原始算法的峰值信噪比提高。该算法能更加准确的实现运动背景估计,提高了运动背景估计的鲁棒性,同时提高了计算速度。     

MIMO-OFDM信道估计新方法

近几年来,无线通信技术正发生着巨大的变化,无线传播的独特功能如反射,折射等,包括多径衰落,路径损耗的结果和多普勒频移,使无线通信具有高速的信息传递功能。此外无线通信信道由于不同的结构,在互联网中由于数据包的损失而引起的网络拥塞已不再只是无线环境下的问题了。OFDM和MIMO两种技术的结合使得多用户在无线信道中传输成为可能,本文通过对比两种不同信道估计技术,改善了无线信道估计的性能。     

贝叶斯视角下时变参数VAR建模——兼论“斜率之谜”

中国渐进式的改革实践要求中国宏观时间序列的建模能够允许参数平滑变化,而传统的VAR模型对此无能为力。本文详细阐述了在贝叶斯估计框架下,如何利用MCMC算法,建立时变参数VAR模型的过程,并利用该模型对徐高(2008)的数据重新进行了拟合,发现其文中提出的斜率之谜现象不复存在,因此时变参数VAR模型在拟合中国宏观时间序列方面更为精准。     

MIMO系统中的数据检测

BLAST提议在MIMO信道中获取更高的频谱利用率,大部分BLAST算法的研究结果认为,在接收端存在时空的白躁声和干扰。现研究在空间和时间都存在干扰的情况下一个MIMO系统的信道估计和数据检测。得到最大似然信道估计和空间干扰相关矩阵。通过利用已知的时间干扰相关特性,按照最小均方误差准则扩展一个时槽（无效的检测）到对多时槽版本。在独立的瑞利衰落信道下估计MIMO系统中未编码的QPSK的误码率。     

非线性计量经济模型的非参数估计方法研究

本文提出使用核估计的方法构造平滑转移模型(STR)的非参数模拟最大似然估计(NPSML),给出了NPSML估计量的构造方法、渐近性质以及相应的核函数和窗宽的选择准则,并利用滑动窗宽算法对估计量的构造过程进行了改进。通过Monte Carlo实验证明,该方法是可靠的,并且当误差项存在序列相关时,此种估计量是稳健的。     

无线移动信道在FSK系统中的建模与仿真

为在功率、带宽、复杂度和成本受约束的前提下能提供满足吞吐量和服务质量目标的通信系统,对信道模型的仿真研究非常重要。文章对包括瑞利、莱斯、多普勒和多径在内的信道模型进行了性能分析与比较,运用数字信号处理的方法,将不同信道模型分别加载于2FSK调制系统中,分别比较了在输入信噪比相同条件下不同模型对系统性能的影响。结果表明,多径信道对传输信号的影响最大,其它信道模型影响下的系统误比特率随着信噪比的增大而降低。该方法较好地描述了不同信道模型对移动信号性能影响。     

隐马尔可夫模型在经济预测中的应用

定量预测方法分为因果预测法和时间序列预测法。因果预测法利用预测变量与其他变量之间的因果关系进行预测,时间序列预测法的原理是根据预测变量历史数据的结构推断其未来值。由于时间序列只能描述变量自身序列的结构,但不能描述其他特征,而因果预测法虽能描述某个变量与其他变量之间的因果关系,但缺少描述这一变量自身时间序列结构的功能。因此,笔者提出了一种新的预测方法———基于观测序列为向量的隐马尔可夫模型(HMM),该方法能同时考虑变量自身序列结构以及变量与其他变量之间的因果关系。本文首先介绍了隐马尔可夫基本理论;其次在模型训练、隐状态序列估计的基础上,提出基于HMM预测算法;最后进行了实证研究,其结果也表明该方法的有效性。     

基于SVM的虹膜识别技术

文章主要阐述了基于支持向量机方法进行虹膜识别,首先利用虹膜处理系统对采集到的虹膜图象预处理,得到条形图象,然后利用主元分析方法(即PCA方法)进行特征提取,以达到降维的目的,得到的一个训练样本对应一个40维的向量,最后利用支持向量机使用序列最小优化算法进行虹膜识别。平均识别率达到了94.3%,结果表明本文的方法取得了较好的效果,降低了训练时间,提高了训练效率。     

基于反向思维进化算法的分布式电源选址和定容

以含分布式电源配电网规划为研究对象,提出一种反向思维的进化算法,对配电网规划中分布式电源的选址和定容进行优化。建立了含分布式电源配电网规划模型,利用Matlab仿真工具对所提算法进行了仿真,算例仿真结果表明,本算法全局搜索能力较强,收敛速度较快,可适用于配电网的规划优化。     

南华大学核专业人才协同创新培养模式探讨

对行业特色高校南华大学核专业人才的协同创新培养进行了研究和探讨,提出了实行"宽基础、重实践、多渠道、大协同"的人才培养模式的建议。     

Discrimination of Observations into One of Two Elliptic Populations based on Monotone Training Samples

In this paper we deal with the problem of classifying a p-dimensional random vector into one of two elliptically contoured populations with unknown and distinct mean vectors and a common, but unknown, scale matrix. The classification procedure is based on two-step monotone training samples, one from each population, with the same monotone pattern. Our aim is to extend the classification procedure, which proposed recently by Chung and Han (Ann Ins Stat Math 52:544–556, 2000). This procedure is a linear combination of two discriminant functions, one based on the complete samples and the other on the incomplete samples. The performance of the proposed classification rule is compared with the plug-in method, this means with the classification rule which arises if the unknown parameters are substituted, into the usual classification rule, by their estimators. In order to apply the plug-in method, the MLE of the location parameters and of the common scale matrix of g ≥ 2 elliptically contoured populations are analytically obtained on the basis of two-step monotone training samples.     

独立学院工商管理专业“3+1”课程体系改革研究

本文依据吉林建筑工程学院城建学院人才培养目标,以及2012年国家新出台的工商管理专业人才培养方案,分析了课程改革的基本内容,以及要达到此目标必须采取的措施。     

构建员工全职业生涯人才培养体系

企业通过人力资源管理的方式对员工的职业生涯进行规划,使之与企业的发展目标相结合,实现企业与员工双赢的目的。本文通过寻找员工的个人发展需要,使其与企业理念相一致,采取措施帮助员工不断提高自我,进而建立和完善人才培训体系,拓宽员工的职业通道,为企业发展提供参考依据。     

高维稀疏数据对象—属性的非关联子空间分析

针对高维稀疏数据对象-属性子空间的优化问题,本文从稀疏性的角度提出了RUSAUBSC算法,通过剔除非关联子空间实现子空间的优化,并通过实验研究证明了该算法的有效性。     

西北盛信电子有限公司培训方案研究

本篇论文通过对盛信电子有限公司这一现代化电子产品生产、经营的概况以及企业培训的现状、实施和是否起到培训效果的调查和了解,提出现阶段企业为其员工制定的培训方案存在的问题,运用所学的相关培训理论的知识指导分析该公司培训工作存在哪些不足,并根据盛信电子有限公司的实际情况提出切实可行的培训解决方案,从而达到培训的目的,进一步提高员工的整体素质,增加企业的经济效益。     

A voted based random forests algorithm for smart grid distribution network faults prediction

ABSTRACT

In this paper, we focus on fault prediction in the smart distribution network. modified version of voted random forest algorithm (VRF) is proposed for enhancing the predicting accuracy of the faults. We change the decision process by redesigning the voting algorithm by introducing multiple SVM models for voting model training. Based on the trained models, a simple NSGA algorithm is applied to find the best voting model. Results showed that the new algorithm could improve the accuracy and recall rate of the fault prediction, especially for the recall rate of the negative samples.