- 博客(107)
- 资源 (3)
- 收藏
- 关注
RSS订阅
原创 历年研究生数学建模优秀论文汇总
全国研究生数学建模竞赛（National Post-Graduate Mathematical Contest in Modeling）是“全国研究生创新实践系列活动”的主题赛事之一，一般位于九月中旬，历时四天。竞赛题目一般来源于工程与管理等领域的实际问题，并经过提炼加工，不要求参赛者预先掌握深入的专门知识。面向全国研究生培养单位和企事业单位广泛征集竞赛命题，由专家委员会讨论最终确定。参赛...
2018-09-11 13:05:13
39997
13
原创 医疗影像数据预处理-nrrd
网上关于nrrd医疗影像的资料比较少，但是实际中有不少医疗影像的存储格式是nrrd。本文就是记录自己处理nrrd文件的过程。
2024-07-16 11:39:21
320
原创 蚁群算法在旅行商问题(TSP)中的应用与优化
蚁群算法凭借其独特的正反馈机制和分布式搜索策略，在解决组合优化问题方面展现出了强大潜力。特别是在TSP问题中，通过模拟蚂蚁群体的智能行为，能够有效地逼近甚至找到最优解。未来的研究方向将继续探索算法的优化和与其他智能算法的融合，以应对更广泛的现实世界挑战。
2024-07-12 13:31:08
1875
原创 RLS自适应算法的奥秘
尽管其计算需求较高，但在许多需要高速和准确度的应用中，RLS仍然是首选的解决方案。通过理解和掌握RLS算法的工作原理，我们可以更好地将其应用于实际问题，推动信号处理技术的发展。其中，RLS算法以其卓越的收敛速度和精度，成为了非平稳信号处理的理想选择。与LMS算法不同，RLS使用了指数加权的历史数据，这意味着最近的数据点具有更大的影响，而较早的数据点逐渐被“遗忘”。此外，算法中的遗忘因子λ允许用户控制历史数据的权重衰减率，进一步提升了算法的灵活性和适应性。RLS自适应滤波器的一个典型应用是在噪声消除场景中。
2024-07-12 13:24:57
463
原创 2020APMCM数模A题–激光扫描填充问题Laser Marking Hatch Contour Generation
该题主要是激光雕刻问题中的激光填充路径规划问题，其中的填充方式主要包括线填充（类似ZigZag扫描）、等高线填充两种方式，最早目的是为了提供激光扫描的速度。这里其实跟3D打印问题里的填充是一回事，可以参考相应的文献。目前完成情况。
2024-07-11 00:24:33
559
原创 2019年美赛Problem B: Send in the Drones: Developing an Aerial Disaster Relief Response System
DroneGo的预包装医疗用品，称为医疗包，旨在增加而不是取代受灾害影响的国家内现场医疗援助组织提供的用品。DroneGo船队中所有无人机的个别运输容器以及所有必需的医疗包装必须最多容纳三个ISO货物集装箱才能运送到一个地方，如果使用三个货物集装箱，则最多可容纳三个不同地点在灾区。要求您的团队利用2017年在波多黎各的情况设计一个DroneGodisaster响应系统，该系统将适合所述容器，同时在潜在的类似未来灾难情景中满足预期的医疗供应需求。此方案的需求可能超出您的团队识别的无人机机队的能力。
2024-07-11 00:23:14
828
原创 2019年美赛题目Problem A: Game of Ecology
一旦你的龙分析完成，请写一封两页的信给“冰与火之歌”的作者George RR Martin，以提供关于如何保持故事的现实生态基础的指导，特别是关于龙的运动从干旱地区到温带地区和南极地区。您的团队被分配来分析龙的特征，行为，习惯，饮食以及与环境的互动。需要多少面积来支持三角龙？本题想要要求从实际生物角度出发，对权力游戏中龙这种虚拟生物的生态环境和生物特性进行建模，感觉属于比较开放类型的题目，重点在于参考生物的选择，龙虽然是虚拟的但是龙的生态特性可以参考目前生物圈里存在过的几种动物（包括已经灭绝的）进行建模。
2024-07-11 00:22:42
1102
原创 D2D用户的功率优化算法研究
D2D通信技术是指两个对等的用户节点之间直接进行通信的一种通信方式。在由D2D通信用户组成的分布式网络中，每个用户节点都能发送和接收信号，并具有自动路由(转发消息)的功能。网络的参与者共享它们所拥有的一部分硬件资源，包括信息处理、存储以及网络连接能力等。这些共享资源向网络提供服务和资源，能被其它用户直接访问而不需要经过中间实体。在D2D通信网络中，用户节点同时扮演服务器和客户端的角色，用户能够意识到彼此的存在，自组织地构成一个虚拟或者实际的群体。
2024-07-10 00:29:30
982
原创 压缩感知2——算法模型
常见的测量矩阵——随机高斯矩阵 随机伯努利矩阵 稀疏随机矩阵等，矩阵需要满足与信号的稀疏表示基Ψ不相关（RIP）。其中Y就是压缩后的信号表示(M维)，Φ表示采集的测量矩阵，可以是一个随机矩阵，X代表原始的数字信号（N维）。但是一般而言信号不是稀疏的，所以需要对信号进行稀疏表示。整个测量过程可以如下表示。恢复重建信号的几何模型。
2024-07-09 15:46:25
381
原创 压缩感知1——算法简介
在采集的时候，直接采集有效的M个测量值，而非满足Nyquist采样定理的N个采样值（M<<N）。当信号是稀疏或可压缩的，我们可以以某个线性投影的方式来得到信号的压缩后表示（采集过程：降维）得到的数据能够以无失真或较低失真地方式重建原始的数字信号。传统的数字信号采样定律就是有名的香农采样定理，又称那奎斯特采样定律定理内容如下：为了不失真地恢复模拟信号，采样频率应该不小于模拟信号频谱中最高频率的2倍。上述步骤得到的数字信号的数据量比较大，一方面不利于存储和传输，另一方面该数字信号本来存在很多冗余。
2024-07-09 15:43:38
308
原创 非参数检测5——双输入检测系统
在很多情况下，信号常常存在于两个带有独立噪声的信道中。所以很有必要研究双输入系统。双输入系统广泛应用于无线电天文学、水下声波检测和地球物理学等领域。
2024-07-08 21:05:18
353
原创 非参数检测4——单输入检测系统ARE性能比较
的情况下，线性检测性能最优，符号检测效率仅仅只有线性检测的64%。结论：对于含有高斯噪声而幅度未知的正直流信号，假设在。
2024-07-07 01:19:06
232
原创 非参数检测3——单输入检测系统
各个变量之间相互独立，其概率分布函数为，均值和方差分别为。相干检测可以采用匹配滤波器或者互相关函数方式实现。：w由确定性信号s和零均,方差为。
2024-07-07 01:05:19
156
原创 非参数检测2——定义
H:w仅包含噪声 K:w包含噪声和信号。w:输入数据，是一个随机过程w(t)或者有限长的随机序列w(n)判决函数D(w)输出是一个非0即1的随机变量，采用函数。若研究二判定问题（即判断有无信号）的检测问题，复杂情况:与简单情况相反，无法用有限的参数描述。简单情况:H(或K)的P有且仅有一种特定分布。D(w):表示输入w时，检测器D的输出。则称该检测器为非参数检测器。检测器D输出包含两种错误。P:表示w可能的分布。系统的最大虚警概率为。
2024-07-06 01:10:02
194
原创 非参数检测1——概述
在绝大多数的检测理论研究中，都着重于设计最优的检测器，最优检测器拥有最优的性能，但需要知道对输入信号和噪声的完整的统计学描述，这在实际应用中很可能无法实现。但是非参数检测很少用于检测问题，工程方面的文献也比较少，并且缺少一份非参数检测的详尽的参考书目。研究人员对于非参数检测展开了大量研究。
2024-07-06 01:05:54
157
原创 模拟退火算法4—应用
TSP问题属于组合优化问题，时归属NPC问题。遍历德国15城市的最优解，共有43589145600可能的解。（旅行商）问题是最有代表性的优化组合问题之一，其应用已逐步渗透到各个技术领域和我们的日常生活中。它一开始是为交通运输而提出的，比如飞机航线安排、送邮件、快递服务、设计校车行进路线等等。该问题属于NPC问题，不存在算法复杂度为多项式形式的精确解算法。芯片设计、电路板布局、机器人控制、车辆选路、物流配送等方面。旅行商问题（TSP）是旅行商要到若干个城市旅行，问题标准测试集（为方便观察，将数据归一化。
2024-07-05 00:55:10
398
原创 模拟退火算法2—优缺点
这种自然机理的引入使模拟退火算法在迭代过程中不仅接受使目标函数变“好”的试探点,而且还能以一定的概率接受使目标函数值变“差”的试探点,迭代中出现的状态是随机产生的,并不强求后一状态一定优于前一状态,接受概率随着温度的下降而逐渐增大。模拟退火算法的两个重要步骤是:一是在每个控制参数T下,由前迭代点出发,产生邻近的随机状态,由T确定的接受准则决定此新状态的取舍；二是缓慢降低控制参数T,提高接收准则,直至T->0,状态链稳定于优化问题的最优状态,提高模拟退火算法全局最优解的可靠性。1、以一定的概率接受恶化解。
2024-07-04 00:42:11
511
原创 模拟退火算法1——简介
模拟退火算法来源于固体退火原理，将固体加温至充分高，再让其徐徐冷却，加温时，固体内部粒子随温升变为无序状，内能增大，而徐徐冷却时粒子渐趋有序，在每个温度都达到平衡态，最后在常温时达到基态，内能减为最小。模拟退火算法是利用问题的求解过程与熔化物体退火过程的相似性,采用随机模拟物体退火过程来完成问题的求解，也就是在控制参数(温度)的作用下对参数的值进行调整,直到所选取的参数值最终使能量函数达到全局极小值。SA在某一初温下，伴随温度参数的不断下降，结合概率突跳特性在解空间中随机寻找目标函数的全局最优解。
2024-07-04 00:38:59
369
原创 OFDM技术概述8——FBMC
其中成形脉冲p(t)的设计是影响FBMC性能的关键因素,可以采用模糊函数衡量成形脉冲性能。分别表示子载波间隔和符号间隔,
2024-07-03 01:48:22
975
原创 OFDM技术概述6——OFDM的ICI消除技术
1、OFDM符号长度和载波间隔的最优选择，较短的符号周期更有利于降低。2、OFDM基信号的最佳选择，选择频域衰减更快的。3、自干扰消除技术，将信息调制到一组子载波上。
2024-07-02 00:16:33
239
原创 OFDM技术概述5——OFDM的PAPR降低技术
个正弦信号叠加引起，由于各个子载波的幅值和相位相互独立，当子载波数目较大时，由中心极限定理可知，同相分量的。思想：限制可用于传输的信号码子集合，只有那些峰值低于门限的码子才能被选择用于传输，从而完全避免了信号峰值。定义一组收发端都已知的相位校正向量，通过这些相位向量降低峰值出现概率，降低。不足：编解码器复杂，计算量大，因而仅适用于子载波数比较小的情况。思想：与乘性函数相似，采用一个加性修正函数。的线性程度要求高，高成本，因此需要采用。思想：当峰值极高时，给。信号乘上一个时变函数。降低技术中，编码法可以。
2024-07-02 00:15:21
605
原创 OFDM技术概述4——OFDM的同步技术
当采样偏差效果累积到一定程度（每隔 个样点）会产生整数倍采样间隔偏差，即符号定时偏差，可能带来。，仅存在采样初始时刻偏差时，只存在与子载波序号有关的相位偏转。同一符号内各子载波受到不同的相位偏转及幅度衰减，均有关，序号越大，相位偏转越大；相位偏转与子载波序号。
2024-07-01 21:25:27
361
原创 OFDM技术概述3——OFDM的缺点与关键技术
收发系统相对移动，存在多普勒频移。收发系统载波频率偏差和采样偏差。系统性能的主要重要因素之一。子载波间干扰英文简写。
2024-07-01 21:23:12
277
原创 OFDM技术概述2——OFDM的基本原理
组成多载波传输数据，此时不存在子载波间干扰和符号间干扰。采样间隔为 ，正交子载波可以表示为。简化上述计算，系统框图可以变为。
2024-06-30 00:13:18
218
原创 OFDM技术概述1——OFDM技术背景
的原理，同时这种传输方式保证系统中不存在符号间串扰和子信道间干扰，该技术可以有效提高频谱利用率，可以有效对抗信道多径衰落。多载波调制与解调，并在时域加入符号保护间隔及采用加窗技术以抵抗。）取代空信息作为系统的保护间隔，解决了多载波正交性的问题。几十年研究人员对该技术展开了大量研究，通信系统中，大部分研究人员也暂时以。提出了用离散傅立叶逆正变换。技术作为其多载波传输方案。
2024-06-30 00:11:40
253
原创 基于盲信号处理的声音分离——最小化增益的ICA算法
基于最小化增益的ICA算法的算法是依据混合信号经过盲信号分离会产生一定的噪声，为了使得分离后的信号与原信号的比值最小时，叫做增益最小。该方法与最大化信噪比的ICA算法比较相似，是对基于最大化信噪比算法的改进，其串音误差性能优于最大化信噪比的ICA算法，保持在-23dB左右，性能受滑动平均长度的影响较小。来代替原信号S，此时增益函数可以表示为，增益函数的形式与最大化信噪比的ICA算法的信噪比函数的形式相似，经过相似处理之后，对增益函数关于分离矩阵W求极值可以得到，极值点的分离矩阵满足。
2024-06-28 10:08:53
267
原创 基于盲信号处理的声音分离——最大化信噪比的ICA算法
基于最大化信噪比的ICA算法，可以无需迭代既可以计算得到分离矩阵W，该算法的计算复杂度相对较低，但是仿真结果显示该算法的分离性能比较差，基于信息最大化的ICA算法的串音误差在-40dB以上，而基于最大化信噪比的ICA算法的串音误差最低只有-20dB，且算法分离性能受滑动平均长度影响较大，若选取的滑动平均长度不合适将会引起算法性能的急剧下降。在上式中，用S表示原信号，Y表示输出信号。基于最大化信噪比的ICA算法是一种较新模式的ICA算法，在该算法中利用输出信号的信噪比建立信噪比函数作为该算法的代价函数。
2024-06-28 10:07:16
183
原创 基于盲信号处理的声音分离-基于改进的信息最大化的ICA算法
在该算法中，非线性函数G(U)的选择将会直接影响算法性能，因此对非线性函数进行修改是基于信息最大化的ICA算法的主要改进方向之一，文献中讨论了不同的非线性函数对算法性能的影响，发现非线性函数特性越陡峭，越适合作为基于信息最大化的ICA算法的非线性转换函数，而符号函数具有最陡峭的特性，因此采用符号函数作为基于信息最大化的ICA算法的非线性转换函数。基于信息最大化的ICA算法主要有两点优点，一是该方法拥有较快的收敛速度，二是采用不同非线性函数可以有效降低分离误差。，μ是该算法的学习参数取0.05。
2024-06-27 20:58:10
679
原创 基于盲信号处理的声音分离——基于自然梯度的ICA算法
在进行信号处理前，首先要对信号进行白化，目的是消除观测信号之间相关性，由于语音信号是非高斯的分布，因此不相关不一定相互独立。表示基于ICA的活动函数，文献中取。基于自然梯度的ICA算法主要利用相互独立的随机信号的联合概率密度是各自概率密度的乘积这一特性，建立了等独立性度量原则，具体实现如下。根据文献中的仿真结果可以看出，当迭代次数较大时，基于自然梯度的ICA算法的分离性能相对还可以接受的。在该算法中，利用函数 与 的KL熵来作为算法的代价函数，若这两个函数差异越小，则其KL熵越小，其定义如下。
2024-06-27 20:56:07
353
原创 盲源信道分离—FastICA算法性能仿真
本案例中使用Matlab软件对FastICA算法的声音分离性能进行了仿真，分别对简单波形的混合信号、不同类型声音的混合信号、同一类型的混合信号这三种情况进行仿真，主要从分离信号的波形形状、串音误差两方面对分离性能进行衡量，仿真结果显示快速ICA算法分离效果还不错，且算法收敛速度较好。
2024-06-26 20:48:58
620
原创 盲信号处理的发展现状
随着盲源分离的深入研究，研究范围不断拓展，一些学者开始研究相关源信号的盲分离问题，提出了时一频分析方法。盲源分离技术最早在上个世纪中期提出，在1991年Herault和Jutten提出基于反馈神经网络的盲源分离方法，但该方法缺乏理论基础，后来Tong和Liu分析了盲源分离问题的可辨识性和不确定性，Cardoso于1993年提出了基于高阶统计的联合对角化盲源分离方法，并应用于波束形成。近年来，状态空间法得到了逐步的发展，它从控制工程的角度重新描述混合矩阵和解混矩阵，转换了盲源分离的研究思路。
2024-06-26 20:46:30
510
原创 基于盲信号处理的人声分离
在实际生活中，存在一种基本现象称为“鸡尾酒效应”，该效应指即使在非常嘈杂的环境中，人依然可以从噪声中提取出自己所感兴趣的声音。在实际应用中，我们可能需要对混合的声音进行分离，此时已知的只有混合后的信号X和原信号S的部分统计特性，即原信号S不可测，信号状况A不可知，混合后的信号X可以表示为X=A[S]此时只有信号X和原信号S的部分统计特性已知，此时需要恢复S，则要采用盲信号处理技术。
2024-06-25 21:17:29
774
原创 毫米波移动通信系统中的波束赋形—基于AOD估计的波束赋形
图6中给出了基于CSI的波束赋形、基于遍历的波束赋形和基于AOD估计的波束赋形的频谱利用效率的仿真结果，从图中可以看出，当算法训练步数N达到70次时，基于AOD估计的波束赋形的频谱利用效率即可达到基于CSI的波束赋形90%的性能，算法的复杂度相对较低，为毫米波移动通信系统中低复杂度的波束赋形算法的设计提供了理论基础。表示待观测的稀疏向量，为了缩短波束训练的时间复杂度，这里采用多阶训练的方式，其当前时刻的训练矢量由上一时刻的测量结果决定，这与基于码本的波束训练算法大致是一样，其具体过程如图5所示。
2024-06-25 13:19:38
259
原创 毫米波移动通信系统中的波束赋形— 基于码本的波束训练
其搜索过程通常分为准全向搜索，扇区搜索和波束搜索这三个阶段（天线数较少时）。在文献[10]中设计了一种适用于波束训练的双层圆形天线阵列如图3（a）所示，其内层天线阵列主要用于产生准全向和扇区波束，外层阵列主要用于产生细波束，相应的搜索过程如图3(b)所示，该方案的仅需12+2*NBeam次波束训练，且解决了线性阵列各个方向波束宽度不均匀的问题，降低了波束不均匀引起的损耗，如图4所示。
2024-06-24 22:37:26
432
原创 毫米波移动通信系统中的波束赋形—模数混合的波束赋形架构
模数混合的波束赋形将波束赋形分为了模拟波束赋形与数字波束赋形两部分，其模拟部分通过移相器实现，数字部分通过基带预编码实现，，其结构如图2所示。当射频链路数目NRF为1时，认为其是一种特殊的模数混合的波束赋形。表示接收端的噪声矢量。该架构的模拟部分可以视为一个相控阵，而数字部分可以视为一个MIMO系统，因此数字预编码矩阵。的计算方法可以沿用MIMO系统中的预编码与合并算法。分别表示发射端的数字预编码矩阵和接收端的数字合并矩阵，n。分别表示发射端的模拟预编码矩阵和接收端的模拟合并矩阵，表示毫米波的信道矩阵，
2024-06-24 22:36:11
363
基于TDOA声源定位算法仿真-加密代码
2019-08-10
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人