基于信道估计的非线性编码系统的信号检测算法

针对非同一分布的输入信号序列，线性分组方法不能设计出最优编码的问题进行研究，提出一种以信道估计为基础，对非线性分组编码进行解码的信号检测方法，将基本的最小均方(LMS)自适应算法推广到对二维空时编码信号的权矩阵自适应迭代估计过程．同时，分析了对输入信号序列编码所生成的非线性编码矩阵之间的相关性，运用解相关LMS自适应算法对时间选择性衰落信道进行估计．在白噪声情况下，根据估计信道和噪声统计量，推导出对非线性编码进行解码的最大似然决策方法．仿真实验表明，扩展LMS方法和解相关LMS方法跟踪时变衰落信道响应都具有较强的快速收敛性和系统稳定性，非线性空时分组编码系统比线性编码系统编码能力提高了2dB，运用最大似然决策方法使系统误码率降低了32%．     

高速电视图象数据实时压缩技术的研究

本文讨论以高速电视图象为对象的数据压缩技术，论述采用流水线法对图象数据实施变表游程长度编码，满足高速电视图象数据压缩实时，高速，无损的要求，并进行了实验验证。     

一种基于隐马尔可夫的盲自适应多用户检测算法

针对在概率统计为基础的信道估计收敛速度慢，状态估计存在非合理性的问题，提出了以隐马尔可夫模型为基础的盲自适应多用户检测算法。在后向方法中采用了固定延迟和锯齿延时相结合的办法，根据前后序列之间的相关性和最陡下降法对多用户上行复合信道进行盲估计，对于发射序列状态之间可能存在时序非继承性，搜索与前向序列对应的具有最大转移概率的后续序列，实现了最大后验多用户检测方法。此算法避免了由于相邻状态序列后向概率相差很大而造成的信道估计发散，同时将计算复杂度从o(N^3)降低到o(N^2)，计算机仿真实验表明，该算法将信道响应估计速度提高了10％，且具有全局收敛性和系统的稳定性。     

基于核独立成分分析的盲多用户检测算法

针对部分多用户检测算法需要对信道参数进行估计的缺点，提出了一种基于核独立成分分析的盲多用户检测算法．该算法根据源信号的不同分布情况，在重建核希尔伯特空间内选取不同的非线性函数作为对比函数，将信号从低维空间映射到高维空间．在高维空间，接收端利用已知信息，将目标用户扩频码作为解混矩阵的初始值，利用自适应方法进行迭代，有效地解决了盲信号分离的无序性，实现了目标用户信号的提取．仿真实验表明，该算法的误码率性能在用户数量增大和远近效应严重的情况下都远优于基于匹配滤波器的单用户检测器，与传统独立成分分析方法相比更具灵活性和鲁棒性．     

基于S3C4510B的MPEG-4视频解码器的优化与实现

为了更好地满足嵌入式系统的实时性要求，对原有的MPEG-4视频解码算法进行了一系列的改进．根据ARM微处理器的体系结构，优化MPEG-4视频解码算法和代码，并进行软件仿真．实验数据表明，优化后的解码器性能得到了全面提升。结合ARM的S3C4510B开发平台，对MPEG-4视频解码程序进行移植和调试，成功地实现了嵌入式系统的MPEG-4视频实时解码．     

一种基于支持向量机的多分辨率信号逼近算法

为了进一步提升多分辨率信号逼近算法(MSA)的逼近性能,提出了一种基于支持向量机(SVM)的信号多分辨率逼近算法(SVM-MSA).SVM-MSA以尺度子空间是再生核希尔伯特空间为前提,先在MSA中集成SVM的逼近准则并得到一个无约束规划,再引入松弛变量将无约束规划转化为约束规划,最后借助拉格朗日乘子法求解约束规划,获得逼近系数与逼近表达式.SVM-MSA不仅保留了MSA的多分辨率逐级逼近特点,而且兼具SVM良好的逼近准确度与平滑度.实验结果表明:在逼近sinc信号时,SVM-MSA具有比MSA更好的逼近准确度与平滑度;在噪声环境下,当输入信噪比大于约2 dB时,具有更强的稳健性.     

变象管扫描相机输入图象数据的压缩

本文提出一种新的变象管扫描相机直读系统的图象输入装置,它将大大节省数据输入部分的硬件设备、简化设计。     

一种降低垂直分层空时码球解码复杂度的自适应调制

针对垂直分层空时码球解码算法复杂度高的问题，提出了一种新的基于部分信息反馈的自适应调制算法．该算法首先根据每个发送天线总功率增益，选择该天线所用星座图大小，保持每次传输的总码率恒定，然后调整码元解码顺序，减少球解码总的搜索结点数，对于不同调制方式的复信号点球解码算法，给出了不同的结点搜索方法．由于球解码查找树根结点的减少，避免了低自由度信道系数引起的额外搜索，因此降低了迭代搜索次数．仿真结果表明，对于3天线垂直分层码，3bit反馈信息使球解码的迭代次数降低了50％，而且提高了系统性能．     

一种基于神经网络的小波域音频水印算法

提出了一种基于小波分解和神经网络的数字音频水印算法，先对音频信号进行小波分解，将数字水印嵌入到音频信号的小波域低频重要系数中，同时通过调整多层前馈神经网络的权重逼近原始音频信号与数字水印之间的关系，然后在接收端用训练好的神经网络提取水印。实验结果表明，嵌入水印的音频信号没有明显的听觉失真；经过噪声干扰，低通滤波，有损压缩，重新采样等信号处理后，相关函数检测具有显著的二值分布特征，且相关系数均达到0．72以上，与其他方法相比，该算法在提取水印时无需原始音频信号，具有运算量低和鲁棒性强等优点。     

一种鲁棒的概率主成分分析方法

针对传统主成分对实际样本的奇点不敏感的缺陷,提出了一种鲁棒概率主成分分析(RPP-CA)方法.首先引入连续的决策变量构造新能量函数,将事先给定的硬门限改为自适应确定的软门限,门限值由样本自动确定,再计算概率主成分进行特征提取.与线性主成分分析(LPCA)和概率主成分分析(PPCA)方法相比,RPPCA方法更为实用,有效地减小了奇点的影响,显示出比PPCA更强的稳健性,也扩大了实用范围.实验结果表明,RPPCA方法的分类准确率比LPCA方法平均提高了3.2%,比PPCA方法平均提高了0.7%.