线性分组码限距离译码器的性能分析

为了提高自动重传请求(ARQ)系统的通过率,在混合ARQ系统中,使用限距离译码器改善系统的性能。在限距离译码时,线性分组码纠正重量t的错误图样。纯纠错译码器和纯检错译码器都是限距离译码器的特例。本文首先介绍了Krautchouk多项式的几个重要性质,然后,用线性分组码及其对偶码的重量分布,分别导出了两种形式的错误译码概率的简化计算公式。由于生成函数方法的使用,成功地得到了重复码、汉明码和扩展汉明码的错误译码概率的解析公式,最后,讨论了Golay码和某些本原BCH码错误译码概率的计算方法。     

线性分组码不可检错误概率新的下限

线性分组码的不可检错误概率是评价自动请求重传(ARQ)系统的重要参数。不可检错误概率的计算涉及码的重量分布,而大部分码的重量分布还不知道,因此,研究不可检错误概率的限显得非常重要。本文得到了GF()上(n,k)线性分组码不可检错误概率的两个新的下限,在一定程度上,改进了Wolf等人的结果。由于新的限与码的重量结构无关,因此可以方便地估计任何线性分组码的不可检错误概率。     

基于Turbo方法的乘积码脉冲位置迭代调制解调译码

脉冲位置调制（PPM）无线光通信系统易受到大气湍流影响，针对于此，将Turbo技术引入到PPM的解调和乘积码译码中。基于极大似然准则导出了PPM软检测解调方法，结合分组码的SISO译码，构建了检测解调和译码联合迭代的Turbo结构，推导了其迭代原理算法。仿真分析结果表明，误码性能可随迭代次数增加改善，其中，在大气闪烁指数0.1和误码率10-6条件下，迭代3~5次相比非迭代系统获得了0.8 dB以上的增益。     

基于模糊模型的鲁棒自适应重构飞行控制

提出了一种基于模糊模型的歼击机鲁棒自适应重构控制方案。整个控制方案基于T S模糊模型,将歼击机各飞行状态的局部线性调节器与鲁棒自适应神经网络重构控制器相结合,避免了传统的增益预置方法中控制律在不同工作点之间切换造成的参数突变对系统性能的影响,可以保证系统在全局上拥有局部工作点具有的期望性能,证明了重构系统的全局闭环渐近稳定性。所提出的带有补偿项的完全自适应RBF神经网络,通过在线自适应调整RBF神经网络的权重、函数中心和宽度,提高了神经网络的学习能力,同时通过自适应补偿项来在线估计神经网络的近似误差边界,可以有效地在线修正建模误差、外扰及操纵面故障等因素的影响,保证系统的操纵品质。仿真结果表明了所提出方法的有效性。     

一类具有混合时滞神经网络的渐近稳定性判据

在激励函数仅仅满足扇区条件,时滞函数连续可微且导数小于0的情形下,通过构造Lyapunov-Krasovskii泛函,得到了神经网络全局渐近稳定的新判据。该判据可以通过线性矩阵不等式(LMI)表达,借助解LMI的内点法可以方便求解。     

空时分组码的二阶循环平稳特性分析

针对空时分组码的盲识别问题,研究空时分组码信号的二阶循环平稳特性。利用空时分组码矩阵元素之间的相关性,给出了空时分组码相关矩阵的傅里叶变换形式,推导出空时分组码信号在不同时延参数下具有循环频率的特征。通过仿真实验,验证了推导过程的正确性,并定义了用于空时分组码识别的决策树,对空时分组码盲识别技术的发展进行了展望。     

全局渐近稳定的时滞细胞神经网络模型研究

利用Lyapunov泛函方法和不等式技巧，研究了一类细胞神经网络的全局渐近稳定性，通过引入一系列参数．给出了保证时滞细胞神经网络全局渐近稳定的模型设计方法。     

导弹非线性自适应鲁棒控制系统设计

提出了一种基于全调节RBF神经网络的导弹非线性自适应鲁棒控制系统的设计方法，应用全调节RBF神经网络在线辨识系统中存在的不确定性，利用反演和鲁棒控制技术设计了导弹控制系统，成功地处理了非匹配不确定性，并在虚拟控制中引入了微分阻尼项，有效地改善了系统动态性能。最后，应用Lyapunov稳定性理论推导出RBF神经网络各参数的调节律，并证明了系统状态全局渐近收敛于原点的一个邻域，仿真结果验证了该设计方法的有效性和可行性。     

非线性自适应神经网络控制器设计

在系统存在非匹配不确定性和输入未建模动态的情况下,提出了一种基于RBF神经网络和反演控制技术的非线性自适应控制系统的设计方法.应用RBF神经网络辨识系统中存在的不确定性,利用反演控制技术,设计了非线性自适应控制器,成功地处理了非匹配不确定性.同时动态非线性阻尼项的引入使得系统对未建模动态具有很强的鲁棒性,并应用Lyapunov稳定性理论,证明了系统跟踪误差、RBF神经网络参数误差全局渐近收敛于原点的一个邻域.最后给出的BTT导弹非线性六自由度数字仿真结果,显示了该设计方法的有效性.     

QAR译码技术研究与自动译码系统的建立

针对目前国内航空公司使用的译码软件每次只能手动译码一个QAR原始数据文件问题,从分析飞行数据储存方式入手,研究QAR数据译码原理。在此基础上,设计出一套QAR自动译码系统,并通过人工译码验证工程值转换逻辑设定的准确性,以及通过将系统自动译码后数据与现有译码软件运行结果比对的方式验证该系统的可靠性,为航空公司日常运营中基于QAR数据的飞机性能监控提供了保障。     

基于自适应神经网络的非线性飞行控制

结合反馈线性化和神经网络提出了一种新的飞行控制系统设计方法,通过反馈线性化将非线性耦合系统等效转换为线性解耦系统,利用具有在线学习能力的神经网络补偿反馈线性化的误差,建立了基于自适应神经网络的控制结构,并利用李亚普诺夫函数导出了网络权值的自适应调整规则。在巡航弹地形跟踪应用中的结果表明,该控制系统不仅具有精确的跟踪性能而且具有良好的鲁棒性。     

Reciprocal radar waveforms

Digitally coded radar waveforms can be used to obtain large time-bandwidth products (pulse compression ratios). It is demonstrated that periodic radar waveforms with zero sidelobes or almost zero sidelobes can be defined. A perfect periodic code is a periodic code whose autocorrelation function has zero sidelobes and whose amplitude is uniform (maximum power efficiency=1). An asymptotically perfect periodic code has the property that as the number of elements in the code goes to infinity the autocorrelation function of the code has zero sidelobes and its power efficiency is one. The authors introduce a class of radar waveforms that are either perfect or asymptotically perfect codes. These are called reciprocal codes because they can be derived through a linear transformation of known codes. The aperiodic performance of the reciprocal code is examined     

Robust wavelet neuro control for linear brushless motors

Design, simulation and experimental implementation of a wavelet basis function network learning controller for linear brushless dc motors (LBDCM) are considered. Stability robustness with position tracking is the primary concern. The proposed controller deals mainly with external disturbances, e.g. nonlinear friction force and payload variation in motion control of linear motors. It consists of two parts, one is a state feedback component, and the other one is a learning feedback component. The state feedback controller is designed on the basis of a simple linear model, and the learning feedback component is a wavelet neural controller. The attenuation effect of wavelet neural networks on friction force is first verified by the numerical method. The learning effect of wavelet neural networks on friction force is also shown in the numerical results. Then, a wavelet neural network is applied on a real LBDCM to on-line suppress the friction force, which may be variable due to the different lubrication. The effectiveness of the proposed control schemes is demonstrated by simulated and experimental results.     

基于自适应神经网络的非线性飞控系统设计

将动态逆理论、神经网络和自适应控制相结合应用于非线性飞行控制系统设计中，通过动态逆控制律将非线性耦合系统转换为线性解耦系统，采用具有在线学习能力的神经网络来补偿反馈线性化中存在的逆误差，最后利用李亚普诺夫稳定性理论推导了在线网络权值的自适应调整规则。仿真结果表明，这种控制结构具有良好的跟踪能力和极强的鲁棒性。     

利用模态编码进行结构损伤位置识别的自联想储存器神经网络方法

 提出了一种基于自联想储存器神经网络的结构损伤识别方法,该网络的训练数据为经编码后的结构模态向量。和传统BP网络相比,这种方法收敛性能较好且不易陷入局部极小值。另外,为判断识别结果的正确性,提出了一种基于向量间距离的可靠性分析方法。最后,以一个悬臂梁为算例验证了该方法的有效性和可行性。     

Improving performance in pulse radar detection using neuralnetworks

A new approach using a multilayered feed forward neural network for pulse compression is presented. The 13 element Barker code was used as the signal code. In training this network, the extended Kalman filtering (EKF)-based learning algorithm which has faster convergence speed than the conventional backpropagation (BP) algorithm was used. This approach has yielded output peak signal to sidelobe ratios which are much superior to those obtained with the BP algorithm. Further, for use of this neural network for real time processing, parallel implementation of the EKF-based learning algorithm is indispensable. Therefore, parallel implementation has also been developed     

音频信号联合编码的通用码书研究

为了减小音频信号编码算法的运算量,提出了在线性预测编码、SOM神经网络矢量编码以及Huffman编码相结合的声音信号联合编码算法(以下简称联合编码)的基础上,将算法中原有的专用码书改为通用码书的算法。利用Matlab软件编程进行了专用码书和通用码书条件下的声音信号编解码实验。实验结果表明,在码率相等的条件下,使用通用码书和专用码书的联合编码方法可以得到相近的译码声音质量。使用通用码书的联合编码的最低码率在音频编码格式Opus码率的范围内,且接近Opus码率的下限,而且算法较Opus编码简单,因而实时性较好。文章提出的编码算法可为音频压缩编码的进一步研究提供参考。     

基于神经网络的冷却剂热物性拟合方法

基于径向基函数神经网络（RBFN）和广义回归神经网络（GRNN）对火箭发动机冷却热物性进行拟合，并与BP网络进行了比较，结果表明，采用RBFN和GRNN进行物性拟合具有网络结构简单，计算精度高，训练速度快的优点，可方便地引入液体火箭发动机传热计算程序中。     

一种用于故障诊断的定常线性系统的建模方法

提出了以系统脉冲响应序列作为闭环系统模型的建模方法,并且给出了这种建模方法的计算方法以及模型输出的计算方法。这种闭环系统建模方法保留了脉冲响应序列中的高频成分,避免了从脉冲响应序列向传递函数变换过程中丢失脉冲响应函数高频信息的缺点;同时,也避免了神经网络每次学习结果获得的网络模型不确定的缺点。采用该方法建立的闭环系统模型精度非常高并且可以应用在故障诊断的系统中。文章最后以数值仿真和实际带随机干扰的系统为例,证明该方法是有效的。     

Research of multi-path routing based on network coding in space information networks

A multi-path routing algorithm based on network coding is proposed for combating long propagation delay and high bit error rate of space information networks. On the basis of traditional multi-path routing, the algorithm uses a random linear network coding strategy to code data pack- ets. Code number is determined by the next hop link status and the number of current received packets sent by the upstream node together. The algorithm improves retransmission and cache mechanisms through using redundancy caused by network coding. Meanwhile, the algorithm also adopts the flow distribution strategy based on time delay to balance network load. Simulation results show that the proposed routing algorithm can effectively improve packet delivery rate, reduce packet delay, and enhance network performance.