废水生物脱氮工艺中N2O排放数学模型研究进展

N_2O是一种重要的温室气体,而污水生物脱氮处理过程是N_2O的潜在产生源之一。随着污水处理量和处理程度的不断提高,N_2O的排放量也将不断增大。建立N_2O排放数学模型对污水生物脱氮系统中N_2O生成机制的深入研究和污水处理行业N_2O削减工艺技术的开发具有重大的理论及实践意义。本文归纳了生物脱氮工艺的原理,系统阐述了生物脱氮工艺中N_2O的生成机理和排放数学模型的类型、建立方法及应用情况。在此基础上,对生物脱氮工艺中N_2O排放数学模型的研究现状和研究方向进行了总结和展望,以期为N_2O排放数学模型的完善、N_2O排放量的削减、污水生物脱氮工艺的优化及污水处理行业的可持续发展提供理论基础和科学依据。     

二进制信号的混沌压缩测量与重构

二进制信号的压缩感知问题对应超奈奎斯特信号系统中未编码的二进制符号的检测问题, 具有重要的研究意义. 已有的二进制信号压缩测量采用高斯随机矩阵, 信号重构采用经典的l₁最小化方法. 本文利用混沌映射构造基于Cat序列的循环测量矩阵, 并提出一种针对二进制信号的全新的重构算法——平滑函数逼近法. 文章构造的混沌循环测量矩阵兼具确定性和随机性的优点, 能够抵御低信令效率和低信噪比的影响, 取得更好的压缩测量效果. 文章提出的平滑函数逼近法利用非凸函数代替原问题不连续的目标函数, 将组合优化问题转化为具有等式约束的优化问题进行求解. 利用稀疏贝叶斯学习算法进一步修正误差, 得到更准确的重构信号. 在信道含有加性高斯白噪声的条件下对二进制信号进行了压缩测量与重构的数值仿真, 仿真结果表明:基于Cat 序列的循环测量矩阵的压缩测量效果明显优于传统的高斯随机矩阵; 平滑函数逼近法对二进制信号的重构性能明显优于经典的l₁最小化方法.     

基于混沌序列和RIPless理论的循环压缩测量矩阵的构造

压缩测量矩阵的构造是压缩感知的核心工作之一.循环矩阵由于其对应离散卷积且具有快速算法被广泛应用于压缩测量矩阵.本文力图将混沌的优点和循环矩阵的优点相结合,提出基于混沌序列的循环压缩测量矩阵.混沌循环测量矩阵元素的产生仅需要利用混沌的内在确定性,即利用混沌映射公式、初始值以及一定的采样间隔就可以产生独立同分布的随机序列;同时混沌序列的外在随机性可以满足压缩测量矩阵对随机性的要求.本文给出了使用Cat混沌映射时混沌循环测量矩阵的构造方法,以及该矩阵RIPless特性的检验.研究了采用构造的混沌循环测量矩阵对一维和二维信号进行压缩测量的效果,并与采用传统的循环测量矩阵的效果进行了比较.结果表明,混沌循环测量矩阵对于一维和二维信号都具有很好的恢复效果,且对二维信号的恢复性能要优于已有的循环矩阵.从相图角度分析了混沌循环测量矩阵优于已有的循环矩阵的机理,指出混沌的内在确定性和外在随机性的有机结合是所构造的混沌循环测量矩阵性能优于传统的循环矩阵的本质性原因.     

混沌直接序列扩频信号盲解调的硬件电路实现

提出了基于现场可编程门阵列 (FPGA) 技术的混沌直接序列扩频信号盲解调的硬件电路实现方法. 设计了混沌直接序列扩频信号发射机与接收机. 发射机可产生10种不同的混沌直接序列扩频信号. 为方便接收机的硬件电路实现, 对无先导卡尔曼滤波混沌拟合盲解调算法进行了简化, 在简化模型的基础上设计了接收机硬件结构. 提出了一种动态调整偏移因子的新方法, 使接收机能实时适应混沌映射的变化. 通过高斯白噪声信道及多径信道条件下的盲解调实验, 验证了盲解调算法硬件实现的抗噪声与抗多径性能, 以及对10种不同的混沌直接序列扩频信号的自适应破译效果. 关键词： FPGA 混沌直接序列扩频通信 盲解调     

一种破译混沌直接序列扩频保密通信的方法

提出了一种新型的混沌保密通信破译方法,并破译了混沌直接序列扩频保密通信(简称混沌直扩).针对混沌直扩信号中只有一个混沌吸引子的特点,基于混沌系统广义同步的思想,提出了混沌拟合方法;针对混沌直扩中混沌实值序列和数字信号相乘的特点,充分利用混沌直扩的基本原理和信息码是慢变信号的特性,提出了用无先导卡尔曼滤波混沌拟合的方法估计信息码的破译方法;进一步针对无先导卡尔曼滤波的过程噪声和混沌拟合的拟合误差共同导致的跟踪误差,提出了跟踪误差控制因子的方法,从而将跟踪误差转变成有利因素并加以利用,根据跟踪误差的值域范围破     

交替寻优生成元素幅值结合混沌随机相位构造循环测量矩阵

循环矩阵由于其对应离散卷积且具有快速算法被广泛应用于压缩测量矩阵. 本文从循环测量矩阵生成元素的幅值和相位两个方面探索循环测量矩阵的优化构造, 提出交替寻优生成元素的幅值并结合混沌随机相位实现循环测量矩阵的最优构造. 由一维和二维信号循环测量矩阵的不同表示形式出发, 将等价字典列向量之间互相干系数的Welch界作为逼近目标, 推导出了一维和二维信号循环测量矩阵生成元素幅值优化的统一数学模型, 提出采用交替寻优方法求解生成元素幅值的最优解. 利用混沌序列构造循环测量矩阵生成元素的随机相位. 与已有的典型循环测量矩阵相比, 本文优化构造的循环测量矩阵所对应的等价字典列向量之间具有更低的互相干性, 这正是所构造的循环测量矩阵优越性的本质所在.     

基于状态估计的混沌直扩信号联合均衡与解调

针对混沌直接序列扩频信号(以下称混沌直扩信号)通过非理想信道,利用信道和混沌直扩信号的状态方程及其均衡和解调的关联性,提出一种基于状态估计的联合均衡与解调算法.算法采用多扩展卡尔曼滤波(extended kalman filter,EKF)结构,一边对信道均衡,一边估计二进制信息码,二者互为因果,同时进行,不仅可以有效克服非理想信道所带来的多径信道畸变、加性噪声等对信号的影响,还可将掩藏在混沌直扩信号中的原始二进制信息码解调出来,比均衡和解调分离的做法更有效地利用信息,有更好的实时性.仿真结果表明,所提出的算法收敛速度快,能在信道特性未知情况下较好地抵御多径效应和噪声影响,实现了混沌直扩信号在非理想信道条件下的有效可靠传输. 关键词： 混沌直扩通信 非理想信道 联合均衡与解调算法 扩展卡尔曼滤波     

基于卷积高斯混合模型的统计压缩感知

高斯混合模型被广泛应用于统计压缩感知中信号先验概率分布的建模.利用高斯混合模型对图像的概率分布进行建模时,通常需要先对图像分块,再对图像块的概率分布进行建模.本文提出卷积高斯混合模型对整幅图像的概率分布进行建模.通过期望极大化算法求解极大边缘似然估计,实现模型中未知参数的估计.此外,考虑到在整幅图像上计算的复杂度较高,本文在卷积高斯混合模型和压缩测量模型中引入循环卷积,所有的训练和恢复过程都可以利用二维快速傅里叶变换实现快速运算.仿真实验表明,本文所提的MMLEconvGMM算法的恢复性能要优于传统的压缩感知算法的恢复性能.     

强混沌干扰中的谐波信号提取

提出一种新的从强混沌干扰中提取被掩蔽的谐波信号的方法.依据混沌吸引子固有的几何性质,借助微分流形切空间的概念,将混沌干扰和谐波信号分别投影到混沌吸引子所在流形的切空间及其补空间,从而成功地将二者分离.理论分析和计算机仿真实验都表明该方法非常有效 关键词： 混沌 非线性 信号处理     

多径衰落信道下混沌直扩通信的可破解性

本文在文献[1]的基础上,研究多径衰落信道条件下采用无先导卡尔曼滤波混沌拟合对混沌直扩通信的可破解性.由针对混沌直扩信号的无先导卡尔曼滤波混沌拟合的状态空间方程出发,分析了多径衰落信道对于无先导卡尔曼滤波混沌拟合过程中的跟踪误差的影响,得到了信息码状态估计的值域范围,从而提出了多径衰落信道下混沌直扩信号可被破解的充分条件定理.仿真结果表明,在满足充分条件下,混沌直扩信号无论是通过时不变信道还是时变信道,都可以被成功破解,并且具有良好的误码率性能. 关键词： 混沌通信 破解 多径衰落信道 无先导卡尔曼滤波