针对长短码直接扩频序列(long and short code direct sequence spread spectrum, LSC-DSSS)信号序列估计难题,在已知LSC-DSSS信号参数的条件下,提出一种基于新信息准则(novel information criterion, NIC)神经网络联合梅西算法的长短...针对长短码直接扩频序列(long and short code direct sequence spread spectrum, LSC-DSSS)信号序列估计难题,在已知LSC-DSSS信号参数的条件下,提出一种基于新信息准则(novel information criterion, NIC)神经网络联合梅西算法的长短码信号序列估计方法。将LSC-DSSS信号输入NIC神经网络以估计随机采样起点,再通过不断输入数据训练NIC神经网络权值向量。当网络收敛时,权值向量的符号值即为LSC-DSSS信号的复合码序列片段。使用延迟相乘,消除幅度模糊与短扩频码序列的影响,再利用梅西算法获得扰码序列的生成多项式。仿真实验结果表明,NIC神经网络较特征值分解法的抗噪声性能提高6 dB,同时较Hebbian准则神经网络所需学习组数减少50%。展开更多
An effective Luby transform （LT） encoding algorithm based on short cycle elimination is proposed to improve decoding probabilities of short length LT codes. By searching the generator ma- trix, some special encoded ...An effective Luby transform （LT） encoding algorithm based on short cycle elimination is proposed to improve decoding probabilities of short length LT codes. By searching the generator ma- trix, some special encoded symbols are generated by the encoder to effectively break the short cycles that have negative effect on the performance of LT codes. Analysis and numerical results show that by employing the proposed algorithm, the encoding complexity decreases and the decoding probabili- ties improve both in binary erasure channels （BECs） and additive white gauss noise （AWGN） chan- nels.展开更多
随着电网规模扩大和电力元件不断增加,电力系统检修方式变得日趋复杂,仅依靠传统方法难以对海量检修方式下电网的低频振荡风险进行评估。针对此问题,提出了一种基于长短期记忆(long short term memory,LSTM)神经网络的检修态电网低频振...随着电网规模扩大和电力元件不断增加,电力系统检修方式变得日趋复杂,仅依靠传统方法难以对海量检修方式下电网的低频振荡风险进行评估。针对此问题,提出了一种基于长短期记忆(long short term memory,LSTM)神经网络的检修态电网低频振荡风险预测方法。首先,提出了电力系统检修方式的统一编码方法,使计算机能够快速、准确识别电网在各种检修方式下的运行状态;然后,基于同步相量测量单元(phasor measurement unit,PMU)实时测量的电网历史运行数据,利用LSTM神经网络对不同检修方式下电网的低频振荡次数进行预测,从而评估检修态电网发生低频振荡的风险;最后,以华中地区某省级电网为算例,验证了所提方法的准确性和快速性。展开更多
由于长短码直扩码分多址(LSC-DS-CDMA)信号包含了多个用户的长码和短码,已有的直扩码分多址信号的盲伪码估计方法不再适用。为此该文提出一种基于矩阵填充和三阶相关的伪码估计方法。首先从理论上将结构复杂的LSC-DS-CDMA信号构建为多...由于长短码直扩码分多址(LSC-DS-CDMA)信号包含了多个用户的长码和短码,已有的直扩码分多址信号的盲伪码估计方法不再适用。为此该文提出一种基于矩阵填充和三阶相关的伪码估计方法。首先从理论上将结构复杂的LSC-DS-CDMA信号构建为多用户短码扩频的缺失矩阵模型,将复合码矩阵估计建模为盲源信号分离问题;然后将矩阵填充理论应用于复合码矩阵估计,提出基于奇异值阈值算法和快速独立成分分析算法的各用户复合码序列估计方法;最后利用m序列的移位相加性特性,提出延迟三阶相关算法,从各用户复合码序列中估计其包含的长短伪码序列。仿真表明,当信噪比高于-2 d B时,该文算法的长短伪码估计平均误码率低于0.1%。展开更多
文摘针对长短码直接扩频序列(long and short code direct sequence spread spectrum, LSC-DSSS)信号序列估计难题,在已知LSC-DSSS信号参数的条件下,提出一种基于新信息准则(novel information criterion, NIC)神经网络联合梅西算法的长短码信号序列估计方法。将LSC-DSSS信号输入NIC神经网络以估计随机采样起点,再通过不断输入数据训练NIC神经网络权值向量。当网络收敛时,权值向量的符号值即为LSC-DSSS信号的复合码序列片段。使用延迟相乘,消除幅度模糊与短扩频码序列的影响,再利用梅西算法获得扰码序列的生成多项式。仿真实验结果表明,NIC神经网络较特征值分解法的抗噪声性能提高6 dB,同时较Hebbian准则神经网络所需学习组数减少50%。
基金Supported by China Mobile Research Institute and China National S&T Major Project(2010ZX03003-003)
文摘An effective Luby transform （LT） encoding algorithm based on short cycle elimination is proposed to improve decoding probabilities of short length LT codes. By searching the generator ma- trix, some special encoded symbols are generated by the encoder to effectively break the short cycles that have negative effect on the performance of LT codes. Analysis and numerical results show that by employing the proposed algorithm, the encoding complexity decreases and the decoding probabili- ties improve both in binary erasure channels （BECs） and additive white gauss noise （AWGN） chan- nels.
文摘随着电网规模扩大和电力元件不断增加,电力系统检修方式变得日趋复杂,仅依靠传统方法难以对海量检修方式下电网的低频振荡风险进行评估。针对此问题,提出了一种基于长短期记忆(long short term memory,LSTM)神经网络的检修态电网低频振荡风险预测方法。首先,提出了电力系统检修方式的统一编码方法,使计算机能够快速、准确识别电网在各种检修方式下的运行状态;然后,基于同步相量测量单元(phasor measurement unit,PMU)实时测量的电网历史运行数据,利用LSTM神经网络对不同检修方式下电网的低频振荡次数进行预测,从而评估检修态电网发生低频振荡的风险;最后,以华中地区某省级电网为算例,验证了所提方法的准确性和快速性。
文摘由于长短码直扩码分多址(LSC-DS-CDMA)信号包含了多个用户的长码和短码,已有的直扩码分多址信号的盲伪码估计方法不再适用。为此该文提出一种基于矩阵填充和三阶相关的伪码估计方法。首先从理论上将结构复杂的LSC-DS-CDMA信号构建为多用户短码扩频的缺失矩阵模型,将复合码矩阵估计建模为盲源信号分离问题;然后将矩阵填充理论应用于复合码矩阵估计,提出基于奇异值阈值算法和快速独立成分分析算法的各用户复合码序列估计方法;最后利用m序列的移位相加性特性,提出延迟三阶相关算法,从各用户复合码序列中估计其包含的长短伪码序列。仿真表明,当信噪比高于-2 d B时,该文算法的长短伪码估计平均误码率低于0.1%。
