摘要：提出一种基于非稳态激励信号的控制回路非线性检测算法,设计了在固定频率上存在激励的非稳态激励信号,以估计输出信号中的非线性失真部分。通过引入局部多项式法消除傅里叶变换引起的频谱泄露误差,利用信号周期性消除输入、输出信号中的测量误差,采用最小二乘法计算待测过程的最优线性估计和非线性失真。仿真实验结果表明,该方法对过程中的非线性失真敏感度高,信号能量低,在计算效率方面具有明显优势。

摘要：在上行非正交多址(Non-orthogonal Multiple Access,NOMA)系统中,针对传统基于串行干扰消除(Successive Interference Cancellation,SIC)检测存在同个时频块内用户间干扰的问题,提出了一种新型的NOMA检测算法。通过将SIC检测的反馈消除结构和深度神经网络结合起来,设计出了一种新型的反馈深度神经网络(Feedback Deep Neural Network,FDNN)结构。FDNN模型分为两个模块,检测模块通过深度神经网络实现非线性检测,反馈模块通过权重矩阵重构信号并消除用户干扰。通过重复检测和反馈过程,FDNN依次检测出各个用户的符号,并达到了良好的性能。仿真结果表明FDNN检测算法相较于SIC检测具有更低的误符号率和误比特率,并验证了其具有更良好的抗用户间干扰的性能。

摘要：在描述扫描镜系统原理基础上,介绍了使用奇-奇频率随机相位多正弦信号获得系统噪声估计和的非线性频率特性检测方法。对扫描镜系统的死区和功率级非线性进行测量,给出功率级的分段拟合函数。使用随机相位多正弦信号获得系统频率响应函数的最佳线性近似模型及其标准差估计。实验表明,系统功率级存在明显的非线性效应,使系统等效启动电压提高为计算值的1.7倍;扫描镜系统的非线性特性主要存在于激励信号基频的奇数倍处,且远低于系统的线性输出,可在线性框架下对其进行分析与设计。获取的系统频率响应函数和不确定性估计可为鲁棒控制器设计提供设计依据。