平均光强分布是自由空间激光通信(Free Space Optical Communication,FSOC)性能分析中的一个重要参数,非零均值不等方差的跟踪误差场景下平均光强分布理论的封闭表达式尚未得出。采用统计平均的方法对非零均值不等方差跟踪误差下的平均...平均光强分布是自由空间激光通信(Free Space Optical Communication,FSOC)性能分析中的一个重要参数,非零均值不等方差的跟踪误差场景下平均光强分布理论的封闭表达式尚未得出。采用统计平均的方法对非零均值不等方差跟踪误差下的平均光强分布进行建模并推导出其理论的封闭表达式,通过蒙特卡洛模拟对所推导的结果进行验证。在非零均值不等方差跟踪误差的影响下,高斯光束的平均光强分布廓线的形状和中心位置均发生变化。此外,采用相同面积的方形接收孔径代替圆形接收孔径,推导出非零均值不等方差跟踪误差下的平均接收功率。该工作能为非零均值不等方差跟踪误差下的自由空间激光通信系统性能分析和链路设计提供理论指导。展开更多
针对受非零均值高斯噪声干扰的双率Hammerstein输出误差系统,提出一种基于偏差补偿的递推最小二乘(bias compensation based recursive least squares,BCRLS)辨识算法。首先,利用多项式变换技术将目标系统转换为可直接采用双率采样数据...针对受非零均值高斯噪声干扰的双率Hammerstein输出误差系统,提出一种基于偏差补偿的递推最小二乘(bias compensation based recursive least squares,BCRLS)辨识算法。首先,利用多项式变换技术将目标系统转换为可直接采用双率采样数据进行辨识的模型,并利用递推最小二乘(recursive least squares,RLS)算法进行辨识。其次,为了对RLS算法给出的有偏参数估计进行有效补偿,在偏差补偿原理的基础上,通过引入非奇异矩阵和扩展信息向量求解偏差项中的参数,推导得到BCRLS辨识算法。最后,通过数值仿真实验表明,BCRLS算法能够获得双率Hammerstein输出误差系统的无偏参数估计;且具有较强的鲁棒性,其辨识精度不容易受到噪声均值和方差变化的影响。展开更多
针对传统稀疏系统辨识算法对测量噪声和调谐参数敏感的问题,提出了一种全范围零吸引最小均方(full-range zero-attracting least mean square,FZA-LMS)稀疏系统辨识算法。该算法能够有效处理零吸引范围内的近零系数和小系数,进一步优化...针对传统稀疏系统辨识算法对测量噪声和调谐参数敏感的问题,提出了一种全范围零吸引最小均方(full-range zero-attracting least mean square,FZA-LMS)稀疏系统辨识算法。该算法能够有效处理零吸引范围内的近零系数和小系数,进一步优化零吸引范围外的大系数,降低稳态均方误差(mean square deviation,MSD),提升收敛速度,增强对调谐参数和测量噪声的鲁棒性。仿真实验结果表明,与传统稀疏系统辨识算法相比,提出的算法在稀疏声学回声信道下表现出更低的稳态MSD,对调谐参数和测量噪声具有更强的鲁棒性。针对水声信道估计场景下的复数信道,进一步提出了算法的复数形式。实验结果表明,在该场景下,复数形式算法相较于其他算法具有更优越的性能表现。展开更多
文摘平均光强分布是自由空间激光通信(Free Space Optical Communication,FSOC)性能分析中的一个重要参数,非零均值不等方差的跟踪误差场景下平均光强分布理论的封闭表达式尚未得出。采用统计平均的方法对非零均值不等方差跟踪误差下的平均光强分布进行建模并推导出其理论的封闭表达式,通过蒙特卡洛模拟对所推导的结果进行验证。在非零均值不等方差跟踪误差的影响下,高斯光束的平均光强分布廓线的形状和中心位置均发生变化。此外,采用相同面积的方形接收孔径代替圆形接收孔径,推导出非零均值不等方差跟踪误差下的平均接收功率。该工作能为非零均值不等方差跟踪误差下的自由空间激光通信系统性能分析和链路设计提供理论指导。
文摘In this paper we establish L^q inequalities for polynomials, which in particular yields interesting generalizations of some Zygmund-type inequalities.
文摘针对受非零均值高斯噪声干扰的双率Hammerstein输出误差系统,提出一种基于偏差补偿的递推最小二乘(bias compensation based recursive least squares,BCRLS)辨识算法。首先,利用多项式变换技术将目标系统转换为可直接采用双率采样数据进行辨识的模型,并利用递推最小二乘(recursive least squares,RLS)算法进行辨识。其次,为了对RLS算法给出的有偏参数估计进行有效补偿,在偏差补偿原理的基础上,通过引入非奇异矩阵和扩展信息向量求解偏差项中的参数,推导得到BCRLS辨识算法。最后,通过数值仿真实验表明,BCRLS算法能够获得双率Hammerstein输出误差系统的无偏参数估计;且具有较强的鲁棒性,其辨识精度不容易受到噪声均值和方差变化的影响。
文摘针对传统稀疏系统辨识算法对测量噪声和调谐参数敏感的问题,提出了一种全范围零吸引最小均方(full-range zero-attracting least mean square,FZA-LMS)稀疏系统辨识算法。该算法能够有效处理零吸引范围内的近零系数和小系数,进一步优化零吸引范围外的大系数,降低稳态均方误差(mean square deviation,MSD),提升收敛速度,增强对调谐参数和测量噪声的鲁棒性。仿真实验结果表明,与传统稀疏系统辨识算法相比,提出的算法在稀疏声学回声信道下表现出更低的稳态MSD,对调谐参数和测量噪声具有更强的鲁棒性。针对水声信道估计场景下的复数信道,进一步提出了算法的复数形式。实验结果表明,在该场景下,复数形式算法相较于其他算法具有更优越的性能表现。
