基于罚函数的自适应全半切换算法

提出了一种全半速率自适应切换的算法,基于话务情况,自适应调整话务忙门限,实现全半速率占比动态分配。该算法通过网络选择路损、转换电平门限和质量保护门限来保证质量及容量,通过全半切换的统计、判决时间来避免乒乓切换和保证信道连续性,并最终归结为约束优化问题,且利用罚函数法进行求解。最后应用于现网高话务量场景进行功能验证。     

一种基于改进罚函数的盲分离算法

文章通过对Hyvarinen-Oja算法的理论分析与仿真比较，提出了一种改进的罚函数实时线性混叠信号盲分离算法。该算法不仅从理论上导出了罚函数的选取方法，而且也大大加快了算法的收敛速度，避免了目前纯罚函数方法可能带来的病态问题。最后进行仿真，结果表明该算法不仅具有很好的分离效果，而且分离时间较Hyvarinen-Oja算法缩短了30％。     

一种基于RLS算法的自适应时延估计算法

针对基于LMS算法的自适应时延估计算法收敛速度慢的缺点,推导出一种基于RLS算法的自适应时延估计算法,并分析了基于RLS算法的自适应滤波器的均值性能。经仿真证明该算法的收敛速度有了一定提高,并且其时延估计的跟踪性能得到了改善。     

一种基于惩罚因子的LTE上行调度算法研究

针对LTE系统无线信道的复杂性和用户上行信道估计的不准确性,结合上行信道的实际情况,对经典PF调度算法进行改进,提出一种基于惩罚因子的LTE上行调度算法,并采用该算法对GBR业务进行上行调度仿真。实验结果表明,该算法在仿真网络环境下能有效提升LTE网络的上行业务量,提高网络资源的利用率。     

基于对比敏感度的DASH客户端码率选择算法研究

基于带宽估算的码率选择算法具有带宽利用率高的优点,但是同时也存在容易受网络波动影响造成计算出的目标码率出现瞬时峰值而造成带宽浪费的问题。针对于此,该文提出一种基于人眼对比敏感度特征的码率选择算法,在客户端利用人眼对比敏感度模型计算当前观看条件下人眼截止空间频率,选择服务器中和截止空间频率差的绝对值最小视频分片对应的码率作为目标码率。和基于带宽估算选择目标码率的方法进行对比实验,测试二者在不同视角内计算的目标码率,得到两者的码率计算结果阶梯图。实验结果表明,在视角为5到15情况下,所提方法较带宽估计方法在确保视频效果前提下能够有效节约带宽。     

一种具有双瞬变因子的LMS自适应滤波算法

作者在文献〖４〗中提出了一种改进的瞬变步长ＳＰＬＭＳ自适应滤波算法。本文在ＳＰＬＭＳ算法的基础上,进一步提出一种基于瞬变步长、瞬变平滑因子的双瞬变ＳＰＬＭＳ算法－ＤＳＰＬＭＳ算法。该算法除具有常规ＬＭＳ算法简单的优点外,还具有更高的起始收敛速率、更小的权失调噪声和更大的抑噪能力．文中重点讨论了瞬变步长、瞬变平滑因子的变化特性。计算机仿真结果支持了理论分析。     

一种基于无偏协方差估计RLS的自适应阵列天线抗干扰算法

RLS是自适应阵列天线抗干扰的主要算法之一。为提高RLS算法对遗忘因子选择健壮性,避免因遗忘因子选择不当所造成的算法不收敛问题,本文针对自适应阵列天线的多路接收信号,基于其无偏协方差矩阵模型,推导设计出了一种新的RLS算法,相比于常规RLS,在该算法中遗忘因子可以更加精确地控制RLS迭代过程项,降低因遗忘因子设置不当而造成的算法不收敛风险。通过仿真验证了算法的有效性。     

一种基于自适应滤波的雷达目标跟踪算法

针对在复杂环境下基于卡尔曼滤波的雷达目标跟踪中存在的鲁棒性和自适应性较差的问题,研究了一种新的雷达目标自适应鲁棒跟踪算法;通过引入自适应渐消因子,对估计误差协方差和滤波增益矩阵进行在线自适应调整,从而使得滤波算法具备良好的鲁棒性和自适应性,提高雷达目标跟踪的精度。最后,通过仿真对所研究的方法进行了验证。     

一种基于AIKF的姿态测量算法

惯性测量单元中传感器具有较强的非线性和噪声的不确定性,导致使用常规卡尔曼滤波时误差大,容易出现发散,针对此问题,该文提出了一种改进的自适应增量卡尔曼滤波（AIKF）算法。该算法使用互补滤波将加速度计、磁力计和陀螺仪的数据进行融合,利用滤波后的数据增量作为卡尔曼滤波器的观测量,同时对系统噪声进行自适应在线估计,以获得精准的姿态输出。实验结果表明,该算法能够实现姿态的精准测量,摇摆台试验中俯仰角、横滚角误差小于0.05°,航向角误差小于0.15°,具有较好的噪声抑制能力。     

基于梯度方向检测的自适应带宽meanshift目标跟踪算法

传统核窗宽固定的meanshift跟踪算法不能很好地对尺寸变化的目标进行有效的跟踪。在结合增量试探法和梯度方向检测的基础上,提出了一种适应带宽的meanshift目标跟踪算法。算法能够对逐渐放大和逐渐缩小的目标都能够进行有效的跟踪,解决了增量试探法难以很好地对放大目标进行自适应带宽跟踪的f＊l题,提高了自适应带宽跟踪的准确性。两段不同场景下的运动目标跟踪实验,证实了该算法的有效性。     

基于梯度方向检测的自适应带宽mean shift目标跟踪算法

传统核窗宽固定的mean shift跟踪算法不能很好地对尺寸变化的目标进行有效的跟踪。在结合增量试探法和梯度方向检测的基础上,提出了一种适应带宽的mean shift目标跟踪算法。算法能够对逐渐放大和逐渐缩小的目标都能够进行有效的跟踪,解决了增量试探法难以很好地对放大目标进行自适应带宽跟踪的问题,提高了自适应带宽跟踪的准确性。两段不同场景下的运动目标跟踪实验,证实了该算法的有效性。     

基于振铃抑制的多视频超分辨率重建

为了利用较少低分辨率视频序列实现多视频超分辨率重建,本文提出一种将时空分别进行重建的算法。首先利用已有方法进行时间重建,再以得到的高时间分辨率的视频序列帧为参考帧,结合输入低分辨率视频序列帧进行空间重建。此外,针对传统重建方法在配准不精确的情况下会产生振铃现象这一问题,提出一种加入自适应惩罚项的改进迭代反投影(IBP)算法。实验结果表明,本文算法在输入低分辨率序列较少的情况下,能较好地实现多视频超分辨率重建,且能有效抑制振铃现象;重建出的高分辨率视频序列的结构相似度较对比算法提高3.4%~6.1%;在主观感受上,图像边缘锐利、人工效应少。     

基于矢量平均的信道估计算法

提出一种适用于DS-CDMA无线通信系统的低计算量而性能良好的信道估计算法。在DS-CDMA系统中，当接收信号经过解扩或多用户检测等时域预处理后，可以认为干扰大大减弱、期望信号在处理后的信号中占主要地位。这样，用预处理后信号相关阵的最大特征值对应的特征矢量可以很好地近似期望信号的信道矢量。但是，直接特征分解需要很大的计算量，特征跟踪计算量较低，但瞬态性能较差。本文提出一种基于相关矩阵列矢量平均的信道估计算法，该算法不需要特征分解或跟踪。仿真结果表明：新算法在降低计算量的情况下可以获得同直接特征分解方法几乎相同的性能。     

QoE optimization for HTTP adaptive streaming: Performance evaluation of MEC-assisted and client-based methods

Seamless streaming of high quality video under unstable network condition is a big challenge. HTTP adaptive streaming (HAS) provides a solution that adapts the video quality according to the network conditions. Traditionally, HAS algorithm runs at the client side while the clients are unaware of bottlenecks in the radio channel and competing clients. The traditional adaptation strategies do not explicitly coordinate between the clients, servers, and cellular networks. The lack of coordination has been shown to lead to suboptimal user experience. As a response, multi-access edge computing (MEC)-assisted adaptation techniques emerged to take advantage of computing and content storage capabilities in mobile networks. In this study, we investigate the performance of both MEC-assisted and client-side adaptation methods in a multi-client cellular environment. Evaluation and comparison are performed in terms of not only the video rate and dynamics of the playback buffer but also the fairness and bandwidth utilization. We conduct extensive experiments to evaluate the algorithms under varying client, server, dataset, and network settings. Results demonstrate that the MEC-assisted algorithms improve fairness and bandwidth utilization compared to the client-based algorithms for most settings. They also reveal that the buffer-based algorithms achieve significant quality of experience; however, these algorithms perform poorly compared with throughput-based algorithms in protecting the playback buffer under rapidly varying bandwidth fluctuations. In addition, we observe that the preparation of the representation sets affects the performance of the algorithms, as does the playback buffer size and segment duration. Finally, we provide suggestions based on the behaviors of the algorithms in a multi-client environment.     

基于数据中心负载分析的自适应延迟调度算法

由于已有的延迟调度算法基于静态的等待时间阈值,因此不能适应云计算数据中心动态的负载变化。针对该问题,提出了等待时间阈值自适应调整模型。基于该模型,设计了自适应延迟调度算法(ADS)。ADS算法通过分析空闲计算节点的到达强度、网络带宽和作业执行状态等参数,自适应调整等待时间阈值,以减少作业响应时间。基于开发的原型系统,验证了自适应调整模型,测试了算法性能。结果表明,ADS算法在作业响应时间等方面优于已有的延迟调度算法。     

阵元失效下基于核范数和SCAD惩罚的MIMO雷达DOA估计

阵元失效下多输入多输出(Multiple-Input Multiple-Output, MIMO)雷达虚拟阵列协方差矩阵出现大批整行整列元素缺失,破坏原有内在完整结构,导致波达方向(Direction of Arrival, DOA)估计性能下降。为此,提出一种联合核范数和SCAD(Smoothly Clipped Absolute Deviation)惩罚的完整协方差矩阵重构方法,以利于阵元失效下MIMO雷达DOA的有效估计。首先对待恢复的协方差矩阵建立核范数和SCAD惩罚双先验约束模型,并利用等正弦空间稀疏化方式划分粗网格空间,在可容忍的模型误差内能大大降低运算复杂度;然后利用ALM-ADMM(Augmented Lagrange Multipliers-Alternating Direction Method of Multipliers)算法对双先验约束模型进行求解,从而恢复协方差矩阵中大量整行整列的缺失数据;最后通过RD-ESPRIT(Reduced Dimensional ESPRIT)算法进行目标DOA估计。仿真结果验证该方法能快速恢复虚拟协方差矩阵中的缺失数据,从而有效...     

Input-queued switch based on a scheduling algorithm

A highly efficient scheduling algorithm for an input-queued switch is presented. By using this algorithm under high load a throughput of >98% can be achieved in four iterations     

基于光流场估计的自适应Mean-Shift目标跟踪算法

针对Mean-Shift算法在目标跟踪中出现由于目标运动速度过快或尺度明显变化以及目标遮挡时导致跟踪失败的问题,结合光流场估计,提出了一种自适应Mean-Shift跟踪算法。本文方法在基于传统均值漂移矢量法的同时,引入光流法,在目标上找寻特征点,通过特征点前后变化的信息,修正跟踪窗口中心位置和大小,再根据Bhattacharyya系数二分法分别自适应得到更为精确的窗口长宽;而针对目标被静止物体遮挡,通过色差分析观测目标被遮挡区域,利用Bhatta-charyya系数重新捕捉目标。实验结果表明,本文方法在对目标移动方向较明显或由透视变化而导致的尺度变化具有较其他算法更优异的表现。将本文方法应用到铁轨跟踪实际中,测试结果表明,结合本文方法可显著提高轨道跟踪的可靠性。