基于混合Taguchi-GA算法的MIMO-OFDM信号检测

为了避免传统MIMO-OFDM信号检测方法具有的计算量过大而导致的算法复杂度高的问题,设计了一种基于混合Taguchi方法和GA算法的MIMO-OFDM信号检测方法,首先建立了MIMO-OFDM信号检测的模型,然后依据信号检测模型建立目标函数,将目标函数作为混合Taguchi-GA算法的适应度函数,通过个体在信号检测问题的解空间中进行不断地选择、交叉和变异等操作来求解全局最优解,为了进一步增加算法的全局寻优能力,通过Taguchi方法进一步在交叉和变异之间产生新个体;最后,定义和描述了基于混合Taguchi和GA算法的MIMO-OFDM信号检测算法,仿真实验表明,文中方法能有效进行信号检测,与其他方法相比,在BPSK调制和16QAM调制情况下,均具有较小的BER均方误差。     

基于拉普拉斯分值和超球支持向量机的轴承故障诊断方法设计

针对轴承振动信号中的故障信息往往很微弱,同时振动样本数据分布不平衡即故障样本占总样本数的比例低,从而导致故障诊断模型训练不精确而影响诊断精度的问题,提出了一种基于拉普拉斯分值和超球大间隔支持向量机的故障诊断方法。首先,采用有标签的训练样本数据和拉普拉斯分值法提取原始振动信号中的微弱故障信息,并降低其数据维数,从而得到用于故障诊断的特征向量,然后设计了一种改进的超球大间隔支持向量机的故障诊断模型,通过最小化超球体积和最大化超球边界和故障样本之间的间隔来实现故障诊断,以解决样本的不均衡问题,最终通过将测试样本数据代入决策方程并通过投票机制确定其故障类别。在Matlab环境下对轴承故障诊断进行实验,实验结果证明了文中方法能有效解决样本的不均衡情况下的故障诊断,且相对其它方法,具有诊断精度高和收敛速度快的优点。