PDM-CO-OFDM系统偏振解复用的自适应算法，陈颖，喻松，本文针对偏振复用的相干光正交频分复用（PDM-CO-OFDM）系统，设计出了一种基于自适应加权信道估计（AWCE）的偏振解复用算法，并在Matlab

如题 代码在我上传的另一个文件中 自行下载

动态导航定位中观测噪声和系统噪声均假设为高斯白噪声，但实际应用中，观测噪声或系统噪声是不断变化的，很难准确给出，有色噪声存在导致姿态参数异常，影响估计精度。为了减弱有色噪声的影响，提出一种二阶自回归有色噪声抗差自适应算法。通过对有色噪声的特点进行分析，建立二阶自回归有色噪声的模型，然后利用抗差估计和自适应滤波相结合的方法，对经有色噪声修正后的信息进行动态滤波。将提出的算法与基于高斯白噪声卡尔曼滤波，以及考虑有色观测噪声的卡尔曼滤波算法应用到车载GPS/DR组合导航系统中，进行仿真分析和比较，结果表明，该方法能有效的控制有色噪声和异常的影响。

为了提高MIMO-OFDM系统的数据传输率和频谱利用率，提出一种新的自适应算法。该算法在保证信道质量所需误码率和总发射功率的前提下，按照各个子载波衰落程度动态地分配比特和功率，使系统的总数据传输速率最大。理论分析得出，该算法降低了系统运算复杂度，能很大地改善系统的整体性能。

本文主要介绍了自适应滤波的两种算法：最小均方(LMS, Least Mean Squares)和递推最小二乘(RLS, Recursive Least Squares)两种基本自适应算法。我们对这两种基本的算法进行了原理介绍，并进行了Matlab仿真。通过仿真结果，我们对两种自适应算法进行了性能分析，并对其进行了比较。用Matlab求出了LMS自适应算法的权系数，及其学习过程曲线，和RLS自适应权系数算法的学习过程。

包含3个.m文件，分别实现M序列生成、广义最小方差算法、自适应控制算法

一种快速收敛的自适应算法求解最小包围盒OBB 最小包围盒沿坐标轴向包围盒AABB（Axis-Aligned Bounding Boxes）算法简单，适用场合有限。沿任意方向的包围盒OBB（Oriented Bounding Boxes）适用面广，但大多算法效率不高，一方面是模型本身复杂导致，另一方面是精度越高、循环叠代次数沿指数增加而导致。博主几年前提出的一种求解OBB问题的自适应算法，并用UG NX二次开发Grip语言实现了此算法，经过测试，运算效率和精度都十分理想

RLS自适应算法的基本原理、RLS算法性能分析、RLS算法的特点、RLS算法简单应用

首先，对超声波车位识别技术和不规则车位规则化处理进行研究。通过分 析超声波传感器在进行车位识别时存在测距误差，提出了水平车位检测补偿处 理的方法；针对现有车位识别检测系统在进行复杂泊车位检测时存在的问题， 本文设计了一种车位规则化处理模型，将两种车位不规则的情况进行处理，使 之满足自动泊车的需求，并在 Simulink 软件中设计了相应的程序模型。 其次，提出了自适应拟合双圆弧泊车轨迹的规划方法。简化车辆的转向系 统，建立了车辆运动学模型，以车辆后轴中点坐标为输入量，得到车辆轮廓点 信息，利用泊车过程的可逆性，确定了最小车位尺寸和泊车可行初始位置；通 过分析泊车过程可能存在的碰撞以及车辆运动的合理性，确定了平行泊车的约 束信息；提出了自适应泊车轨迹的规划方法，通过利用反正切函数对双圆弧泊 车轨迹进行了拟合，满足了泊车路径曲率连续的要求。 再次，研究了平行泊车路径跟踪控制方法，建立了自适应控制策略的跟踪 控制模型。在对汽车动力学模型分析的基础上，得到了泊车过程路径跟踪的控 制目标，提出了相应的跟踪控制方案，并且设计了自适应跟踪算法。同时对算 法进行了优化，提出了目标车身角补偿的自适应跟踪方法，搭建了自动泊车系 统的补偿自适应路径跟踪模型。 最后，进行了基于自适应算法的平行泊车的实验验证。利用 CarSim 和 Simulink 软件对设计的自适应平行泊车系统进行联合运动仿真，分别对车位识 别处理系统、泊车轨迹规划系统和路径跟踪系统的有效性进行验证，并结合实 验智能车进行实际泊车模拟，相关结果验证了本文所提出方法的正确性。

为了进一步改善自适应算法收敛速度和稳态偏差的性能，在对仿射组合滤波器自适应算法性能分析的基础上，提出了一种新的组合参数更新公式，该更新公式中的固定系数改为与子滤波器输出相关的函数，使仿射组合自适应滤波算法可以更好地实时跟踪子滤波器的性能变化。仿真结果表明，基于新组合参数更新公式的仿射组合自适应滤波算法与基于理想组合参数更新公式的仿射组合自适应滤波算法性能一致，同时具有快的收敛速度和低的稳态偏差，且对子滤波器步长变化具有良好的跟踪性能。