基于期望最大化加速算法的正交频分复用信道估计

针对基于期望最大化（EM）迭代算法的正更频分多路复用（OFDM）信道估计方法复杂度高、收敛慢，严重制约OFDM的传输速率的缺陷，提出了一种基于EM加速算法的OFDM信道估计方法．该方法基于拟牛顿加速算法，并结合一种带调整参数的Broyden对称秩1校正公式来实现，具有二次收敛性，提高了EM的计算速度，降低了计算复杂度．仿真结果表明，相比于空间选择期望最大算法，在性能损失只有0．1dB的情况下，EM算法的复杂度得到很大的降低，且其计算速度可提高十几倍．     

基于贝叶斯推理的决策树模型

针对决策树（DT）模型缺乏概率背景这一问题，将贝叶斯推理引入DT模型，提出了一种基于贝叶斯推理的决策树（BDT）模型．在假定所含待定参量的先验与似然的前提下，借助贝叶斯推理获得参量的后验，然后运用逆跳马尔科夫链蒙特卡洛算法对后验抽样，最终求出样本属于某一类别的置信度，从而避免了武断判决．BDT模型以抽样代替拆分与剪枝操作，既直观又灵活，同时在抽样时考虑了不同的树结构与递归分割方案，使得分类准确率得以提高．仿真实验结果表明，BDT模型的平均分类准确率与DT模型相比提高了1．7％～3．5％．     

时频分析在旋转机械状态监测及故障诊断中的应用

本文简要介绍了时频分析方法的发展及其在旋转机械状态监测、故障诊断领域中的应用。并以一个实际监测系统为例，对其检测信号应用时频分析的方法进行了数据处理，对用传统傅立叶变换处理的结果与采用时频分析方法处理的结果进行了对比分析．     

机器视觉系统的设计

介绍了机器视觉系统的概念,提出了机器视觉系统的典型组成,在进行用户需求分析的基础上,详细讨论了如何利用光源、光学镜头、摄像机、图像采集卡以及图像处理软件等主要部件来设计开发一个焊缝机器视觉应用系统的关键技术.最后给出了一个焊缝检测应用实例.     

一种新颖的高速电视系统

高速电视技术以它实时、方便、使用成本低廉等优点越来越受到工业、农业、国防和科学研究等部门的重视。本文介绍我们自行研制的一种用于快速运动分析的高速电视系统。它由同步频闪光源,高速电视摄像,视频磁带记录,重放显示等部分组成,主要技术指标是:     

基于平稳小波和相空间重构的激光混沌预测

提出了一种激光混沌时间序列预测算法.该算法通过平稳小波分解，将原始数据序列分解为与原序列等长的尺度系数和小波系数，利用坐标延迟理论，重建各级尺度系数和各级小波系数的相空间,再根据混沌吸引子的稳定性和分形性,在相空间中对尺度系数和小波系数进行预测,进而通过平稳小波重构算法,实现了时间序列的非线性预测.该算法对数据可以进行更平滑的处理，比无小波算法预测的时间范围更长.通过仿真试验说明，原始时间数据序列被成功的重建，说明算法能够有效的对非线性动态系统的时间序列进行建模和预测.     

基于软件无线电的短波中频数字化

详细介绍了一种短波电台中频数字化平台的硬件设计.该平台基于软件无线电思想.充分利用了 电台的射频前端.在二中频处进行低通采样.通过精心设计的数字信道和专用芯片进行数字变频.在基带 采用通用DSP对信号进行调制解调。经测试.该平台不仅提高了电台的收发性能.而且使电台部分具有了 软件无线电功能.通过在DSP中加载不同的软件模块可满足现代短波通信对语音、数据等多种通信业务的 需要,具有良好的兼容性和可扩展性。     

尺度核函数在最小二乘支持向量机信号逼近中的应用

针对目前常采用高斯核的最小二乘支持向量机(LS-SVM)不能对信号多尺度逼近的问题,提出一种采用尺度核的LS-SVM.首先,在再生核希尔伯特空间的框架下构建了一种点积型的尺度核函数,它满足Mercer条件,并具备平移和扩张的特性,是尺度子空间的一组完备的基.然后,利用拉格朗日乘子法求解LS-SVM逼近的约束规划问题.在结构风险最小化逼近准则下获得了逼近系数.与传统核函数相比,采用尺度核的LS-SVM可以实现多尺度逼近任意信号,且应用时仅需对尺度参数调节选优,简便、实用.实验结果表明:所提算法的逼近性能与小波核性能相当;与传统的高斯核函数相比,其均方根误差提高8.4%.     

译码转发系统中一种半分布式用户选择策略

针对译码转发系统中传统的用户选择策略复杂度过高的问题,提出一种半分布式用户选择策(SDUS策略).该策略以最大化系统瞬时互信息量为目标,引入中继选择的判决门限,并根据此门限生成协作集,目的节点从协作集及源节点(当协作集为空集时)中选择信道质量最好的用户作为协作节点.SDUS策略不仅能够显著降低系统的运算复杂度,还能够改善系统的中断性能.仿真实验表明,当信噪比为20 dB且系统中的中继节点数为120时,SDUS策略的运算开销仅约为机会中继策略和选择协作策略的39.5%和51.1%.     

Modelling of chaotic systems based on modified weighted recurrent least squares support vector machines

Positive Lyapunov exponents cause the errors in modelling of the chaotic time series to grow exponentially. In this paper, we propose the modified version of the support vector machines (SVM) to deal with this problem. Based on recurrent least squares support vector machines (RLS-SVM), we introduce a weighted term to the cost function tocompensate the prediction errors resulting from the positive global Lyapunov exponents. To demonstrate the effectiveness of our algorithm, we use the power spectrum and dynamic invariants involving the Lyapunov exponents and the correlation dimension as criterions, and then apply our method to the Santa Fe competition time series. The simulation results shows that the proposed method can capture the dynamics of the chaotic time series effectively.