认知无线网络中的智能协作频谱感知机制研究

作为智能体,认知无线电应具有智能学习和智能判决的能力。为充分发掘认知用户的智能体特性,本文提出一种基于支持向量机和模糊积分的智能协作频谱感知机制。该机制将协作频谱感知模型转化成基于模糊积分的多分类器融合模型,其中每个认知用户均被看作一个独立的支持向量机分类器,单个感知周期内得到的采样数据作为分类器的输入,分类器的概率输出将被发送至融合中心,融合中心采用模糊积分算法将各分类器得到的结果进行融合并判决。该机制充分挖掘了认知用户在频谱感知阶段的“智能学习”能力和信息融合阶段的“智能判决”能力,仿真结果进一步表明,与单一的分类模型相比,本文提出的智能协作频谱感知机制具有更高的检测概率和更低的虚警概率。      

语音重构的DCT域加速Landweber迭代硬阈值算法

重构信号的最基本理论依据是该信号在某个变换域是稀疏的或近似稀疏的。基于语音信号在DCT域的近似稀疏性,可以采用压缩感知(Compressed Sensing, CS)理论对其进行重构。压缩感知理论中的迭代硬阈值(Iterative hard thresholding, IHT)算法以其较好的性能被广泛用来重构信号,但其收敛速度比较慢,如何提高收敛速度,一直是迭代硬阈值算法研究的重点之一。针对压缩感知理论中的IHT算法收敛速度相当慢的问题,提出了语音重构的DCT域加速Landweber迭代硬阈值(Accelerated Landweber iterative hard thresholding, ALIHT)算法。该算法对原始语音信号做DCT变换,然后在DCT域将每一步Landweber迭代分解为矩阵计算和求解两步,通过修改其中的矩阵计算部分实现Landweber迭代加速,最后通过迭代硬阈值对信号做阈值处理。实验结果表明,加速Landweber迭代硬阈值算法加快了收敛速度、减少了计算量。      

分布式压缩感知实现联合信道估计的方法

针对无线通信中多个信道之间存在相关性的现象,本文研究了基于压缩感知的联合信道估计。通过选取多个节点与簇头之间的信道为研究背景,本文建立了多信道下的联合信道估计模型,推导了判决门限与信噪比之间的关系,提出了基于门限自适应-正交匹配追踪联合重构技术(TA-SOMP)的信道估计算法,并进行了相应的仿真实验。仿真结果表明:与经典的正交匹配追踪(OMP)算法相比,本文算法所重构的信道与原始信道之间的均方误差(MSE)更小,传输信号误比特率(BER)更低;在相同信噪比环境下,TA-SOMP算法所需导频数量更少,频带利用率更高。      

基于数据驱动字典和稀疏表示的语音增强

本文提出了一种基于数据驱动字典和过完备稀疏表示的自适应语音增强方法。首先在训练阶段采用干净语音基于K奇异值分解(K singular value decomposition, K SVD)算法训练过完备字典,然后在测试阶段根据含噪语音的噪声方差自适应选择最优的阈值,采用正交匹配追踪算法对含噪语音信号在过完备字典上进行稀疏分解,最后利用系数稀疏表示重构语音信号,从而达到语音增强的目。该方法不像传统语音增强方法那样减少或消去噪声,而是从字典中选取适当的原子表示纯净信号,从而把纯净信号从含噪信号中分离出来。对白噪声和有色噪声环境下重构语音进行了主客观评价。仿真结果显示:该方法能有效去除加性噪声,并且改善了语音质量。      

在确定的热力学状态下测量气体导热系数与黏度

气体的导热系数和黏度是重要的热物性参数,其数值大小取决于所处的热力学状态。在目前的导热系数和黏度主要测量方法中,待测工质在测量时需经历非定常的过程或处于具有物性梯度的非平衡态之下,使得待测工质的物性在时间或者空间上不处于一个确定的热力学状态。本文利用圆柱定程干涉法,通过分析气体导热系数和黏度导致的声波能量耗散,结合气体输运理论中对稀疏气体的描述,探索了在确定的热力学状态下同时测量气体导热系数和黏度的方法,并以氩(Ar)为例进行了实验验证。测量结果与已有文献一致性较好,初步证实了方法的可行性。     

行阶梯观测矩阵、对偶仿射尺度内点重构算法下的语音压缩感知

基于语音信号在离散余弦域上的近似稀疏性,针对采用随机高斯观测矩阵及线性规划方法进行语音压缩感知与重构时,重构零(近似零)系数定位能力差而导致重构效果不好的缺点,本文提出一种新的行阶梯矩阵做观测矩阵,用对偶仿射尺度内点重构算法对语音进行压缩感知与重构,并对该算法下的重构性能进行理论分析.语音压缩感知仿真结果表明,在离散余弦基下,压缩比(观测序列与原始序列样值数之比)为1∶4时,行阶梯观测矩阵下的平均重构信噪比比随机高斯观测矩阵下提高9.73dB,平均MOS分比随机高斯观测矩阵下提高1.22分.     

光学遥感成像系统全链路仿真框架研究

针对光学遥感成像系统的全链路仿真在我国刚刚起步。通过分析能量在大气、场景和遥感器之间传递时发生的各种相互作用,将整个仿真过程分为三维场景构建与组织、遥感器入瞳处辐亮度图像模拟、遥感器效果模拟三部分,分析了框架中各个模块的功能和模块之间的概念数据流向。最后分析了地形起伏和观测角度变化对成像的影响,计算显示：像元高度从0增至1 km时,入瞳处辐亮度的最大相对差异可达170%;观测天顶角分别从180°变为124.4°时,辐亮度的相对差异最大可接近50%。     

面向战术通信网的传送控制技术研究

随着战术通信的不断发展和多媒体业务的日益普及,在战术通信网上提供业务传输QoS保障的研究逐渐成为一个热点。在研究和分析战术通信网信道带宽有限、信息传输速率不高和节点移动性等特点后,为解决在战术通信网中如何实现端到端业务传输QoS保障,合理有效利用无线网络资源,提高数据传输性能等问题,提出了面向战术通信网的战场信息传送控制技术,在此基础上设计了传送控制系统。     

脉冲噪声环境下高斯稀疏信源贝叶斯压缩感知重构

 大多数现有的压缩感知重构算法对脉冲噪声不具有鲁棒性,在脉冲噪声环境下,重构性能急剧下降,使得整个重构系统崩溃.针对此问题,本文提出了一种脉冲噪声环境下的稀疏重构算法BINSR算法,其基于贝叶斯理论,可以有效地估计出信号的支撑集和脉冲噪声中脉冲的位置,并且根据压缩感知观测序列的democracy特性,利用最小均方误差MMSE估计量,有效地估计出原信号.在此基础上,本文结合鲁棒统计学,提出自适应的ABINSR算法,使其不再依赖于信号以及噪声的统计参数.实验结果表明,BINSR算法在脉冲噪声环境下可以有效地恢复出稀疏信号,很大程度上改善了脉冲噪声环境下算法的重构性能.ABINSR算法不仅对脉冲噪声具有鲁棒性,而且可以在高斯白噪声环境下实现有效的信号重构.     

基于空间相关性的事件驱动无线传感器网络分簇算法

分簇算法是传感器网络中减少能量消耗的一种关键技术,它能够增强网络的扩展性和延长网络的生存时间。针对传感器节点数据的空间相关性,该文提出了一种新的基于空间相关性的事件驱动传感器网络分簇算法。算法根据用户要求的误差门限及结合节点数据的空间相关性马尔可夫模型,将事件感知区域划分成虚拟极坐标等价层。每个等价层选取层内当前剩余能量最大的节点作为簇头,网络通过移动代理收集簇头感知信息,该方法减少了传输数据量,有效节省了网络能量。