【摘 要】
：
分析了基于分数低阶矩(FLOM)估计ARMA SαS模型参数的不足,根据分数低阶协方差(FLOC)的概念,提出了一种基于分数低阶协方差系数估计ARMA SαS模型参数的方法。在此基础上,给出了ARMA SαS模型的α谱估计。通过对给定ARMA SαS模型的α谱估计、α稳定分布噪声中正弦信号的估计与分辨进行仿真,详细比较了基于FLOM的ARMA SαS模型α谱估计和基于FLOC的ARMA SαS模型
【机 构】
：
空军雷达学院军队重点实验室,空军雷达学院研究生管理大队
论文部分内容阅读
分析了基于分数低阶矩(FLOM)估计ARMA SαS模型参数的不足,根据分数低阶协方差(FLOC)的概念,提出了一种基于分数低阶协方差系数估计ARMA SαS模型参数的方法。在此基础上,给出了ARMA SαS模型的α谱估计。通过对给定ARMA SαS模型的α谱估计、α稳定分布噪声中正弦信号的估计与分辨进行仿真,详细比较了基于FLOM的ARMA SαS模型α谱估计和基于FLOC的ARMA SαS模型α谱估计的性能。结果表明,α值较小时,基于FLOC的ARMA SαS模型α谱估计的性能明显优于基于FLO
其他文献
首先利用仿真工具产生了无线自组织网络中多种场景下的业务量,随后对业务量进行定性分析并验证了其内在的自相似性。接着根据自相似Hurst参数与投递率、分组传输平均时延之间的关系建立了模糊控制模型,并给出了基于反馈的自适应模糊规则调整方法。仿真数据显示,AMMWHA(adaptive MANET’mobile model withHurstadjustmcnt)模型与其他几种典型移动模型相比,由于采用了
针对组分层空时结构(GLST)提出了一种适用于时变信道的低复杂度解码器设计方案。通过“正交对”矩阵的构造,首先去除所有分组内的符号干扰,再运用递推降维矩阵求逆算法,基于组检测技术获得所有分组反射符号。与已有传统解码方案相比,新设计解码器使计算复杂度大大降低。仿真结果同时表明,不同信道时变程度及发射天线分组情况时,两类解码器在最小接收天线数配置下获得几乎一致的性能;但随信道时变或分组数目增大,两类解
针对无线自组织网络TCP性能不高的问题,在网络节点所处的平面上引入空间约束机制,通过加入位置信息和增大平面以降低网络节点间干扰的方法来减小网络总干扰。分析了网络源节点的广播成功率,计算了网络节点的空间位置下界,并分别就单TCP流和多TCP流的情况下网络的有效性加以讨论。通过实验仿真可见,这种新型的性能改进方法可以有效提高无线自组织网络的相关性能。
给出一种用于未知环境中混杂传感器网络交互策略,设计并实现一种两层网络结构平台。结合最小二乘法和改进泛洪理论实现混杂传感器网络中动态节点的定位与导航。通过无线接收信号强度(received signal strength indicator)来估计发送端与接收端的距离,并作为阈值应用于视频通信链路维护中。实验分析了真实环境中RSSI的有效性,并在该结构平台上实现了路径查找和视频通信链路维护,结果表明
在介绍卫星新技术——PCMA(成对载波多址)技术的基础上,提出了基于ICA(独立分量分析)的新算法用来分离卫星PCMA的下行混合信号。这种基于负熵最大准则的新算法较好地克服了以往算法中的缺陷:PCMA的两个上行信号功率不能相差太大。经过计算机仿真证明了新算法的有效性。
提出了用分布于 x?y?z 三轴上的三个阵元估计扩频信号各条多径的来波方向(DOA)的方法,以及用由 x?y 均匀平面圆阵和 z 轴直线阵组成的阵列天线形成 3 维波束的方法。根据 CDMA 信号模型和多径信道模型,用 最大似然(ML)法分别估计出信号到达 3 个阵元的复信道响应,并利用复信道响应的幅角来估计各条多径信号 的 DOA;然后在已有最小均方误差(MMSE)法和最小二乘(LS)法的基础上
针对频率选择性衰落信道,通过利用虚拟子载波间的分集增益,推导了上行异步链路最小均方误差准则(MMSE)下的线性最优用户级频域均衡;通过分析其频域均衡(FDE)矩阵的特点,进一步提出一种低复杂度的分块对角实现方法;结合理论分析和仿真验证的方法对传统的载波级频域均衡,所提出的用户级频域均衡以及低复杂度分块对角频域均衡3种方案从复杂度和性能2个方面进行了比较分析。结果表明,用户级频域均衡性能明显优于传统
设计了一种更为强力的钻地弹-钨镇重钻地弹，以提高钻地弹对硬介质目标的侵彻能力。将特殊设计的钨合金结构作为镇重体填加至钻地弹的壳体内部，以提高钻地弹的整体密度，增大面质
提出了一种适合大规模网络的新型智能网管模型——MADINM(multi-agent based distributed intelligent network management)模型。该模型采用基于域的管理策略,在管理功能的实现上集移动agent和智能agent的优点于一身,既能够对网络管理提供更多的智能支持,又能够解决系统的性能瓶颈问题。理论分析和实验结果均表明,在管理大规模网络时,MADI