自适应技术（精选十篇）
自适应技术 篇1
1 均衡器结构的选择
自适应滤波器按照结构可分为两类:线性均衡器和判决反馈均衡器。
1.1 线性均衡器
线性滤波器是均衡中最常见的滤波器结构,他是一种横向滤波器,包含一条每隔T秒(T为码元间隔)抽头的延时线,均衡器的输出是接收信号及其时延值的线性加权。线性均衡器的结构如图1所示。
图1中ωm为均衡器的抽头系数,M表示抽头个数,x(n)为输入信号序列,均衡器输出undefined为序列x(n)的在n时刻的估计值。常用的优化估计准则有两种:最大失真准则和最小均方误差准则。最大失真定义为均衡器输出最大的码间干扰,其目的是使干扰的峰值最小化。最小均方误差准则是指通过最小化均衡器输出的估计值与期望值之间误差的均方值,获得均衡器的抽头权系数{ωn}。线性滤波器的长度取决于信道产生干扰的程度,对于有限长的线性横向滤波器,只有准确初始化的前提下,才能获得最小的峰值失真,但是对于高速传输在短波信道中引起的码间串扰是相当大的,初始时刻是不清楚的,因此得到的估计序列不是最优的。
1.2 判决反馈均衡器
判决反馈均衡器由前馈和反馈两节组成,在原理上相当于线性均衡器后加了个反馈部分。前馈节为一个线性滤波器,反馈节由检测判决器和反馈横向滤波器构成。反馈滤波器的输入信号是前馈滤波器的输出,其作用是根据字符估计减去码间干扰部分,抵消信道的后尾失真。判决反馈均衡器的结构如图2所示。
前馈部分和反馈部分分别有Nf和Nb个抽头,均衡后的输出为:
undefined
判决反馈均衡器是非线性的,其反馈部分根据判决器的判决结果减去码间干扰部分,只要判决无误,就不会引入噪声。较低误码率时,依然可以有效工作,实际上在训练阶段结束时,大多数情况下可以满足这一要求,当然误码率较高时,会造成误码传播,总的来说,选择判决反馈均衡器能够较好地消除码间串扰。
2 自适应算法的选择
均衡器必须跟踪短波信道参数的时变特性。要求自适应算法收敛速度快、算法稳定、计算量小,从而便于快速捕捉信道特性。常用的自适应算法有基于最大失真准则的迫零算法、基于最小均方误差准则的LMS 类算法和RLS类算法,其中迫零算法是基于无噪声假设的,多用于理论分析。
2.1 LMS算法
LMS算法是由Widrow和Hoff于1960年提出的,具有运算量小、简单易实现等优点[1]。LMS算法是在Wiener滤波的基础上发展而来的,由于Wiener滤波权系数的求解需要矩阵求逆,计算复杂高,一般使用“最陡下降算法”近似,即:
undefined
式中ᐁ(n)表示代价函数的梯度,即ᐁ(n)=ᐁJ[ω(n-1)],LMS算法用适当的估计值undefined代替最陡下降法中的梯度ᐁ(n),误差信号e(n)定义为期望输出d(n)与滤波器实际输出之间的误差,则抽头系数的迭代形式为:
undefined
其中μ(n)称为步长。LMS算法步骤如下:
步骤一: 初始化:ω(0)=0,n=0;
步骤二: 更新n=n+1:
undefined
2.2 RLS算法
递推最小均方(RLS)算法实质上是Kalman滤波算法的一个特例,又称为Kalman算法。RLS算法是状态相量x(n)的线性最小方差估计,其数学公式用状态空间概念描述,解是递推计算得到的,和LMS类算法相同,RLS算法也是基于代价函数最小准则得到的,但两者的代价函数不同。LMS算法的代价函数为瞬时平方误差,RLS算法的代价函数如下:
undefined
式中0<λ<1称为遗忘因子。
RLS算法步骤如下:
步骤一:初始化:ω(0)=0;P(0)=I;
步骤二:更新n=n+1,依次循环计算下列各式:
undefined
2.3 平方根卡尔曼算法
平方根卡尔曼算法是卡尔曼算法的一种改进算法。经典卡尔曼算法不够稳定,主要原因是P(n)由两个半正定矩阵的差组成,此外,k(n),P(n)维数大,取值结尾误差有传播积累。为了提高算法稳定性,卡尔曼(Kalman)提出了基于平方根因式分解算法的平方根卡尔曼算法,定义:
undefined
其中U(k)是一个N×N维对角线上元素为1的上三角矩阵;D(k)是一个N×N维对角矩阵,再定义矢量F和V:
undefined
代入到式(5),可得:
U*(k)D(k)Ut(k)=(1+q)U*(k-1)[D(k-1)
-α-1V(k-1)V*t(k-1)]Ut(k-1) (6)
式中:α=X(k)tP(k-1)X*(k)+ξ
undefined
undefined
由式(6)可得:
undefined
向量X,F,V定义为:
undefined
则:
undefined
undefined
卡尔曼增益G和上三角矩阵U和D定义如下:
undefined
令Gt=[g1,g2,…,gN],则:G(k)=G/αN。
当参数ξ和q选择合适时,平方根卡尔曼算法是稳定的,但ξ和q的值对均衡器收敛率和信道衰落很敏感。q值正比于衰落率,而ξ影响收敛速度。ξ越大,收敛慢而稳定,ξ越小,收敛越快,但不够稳定。
3 自适应算法的仿真
基于Watterson建立短波信道的信道模型[2],对LMS算法、RLS类算法和平方根卡尔曼滤波算法进行了仿真,目的是验证在该信道模型下不同算法的收敛速度和稳定性能,用以选择合适的自适应滤波算法,如图3所示。
通过对仿真图形的分析可知,RLS算法与LMS算法相比较,RLS算法的收敛速度快且稳定性较好,但RLS算法与平方根卡尔曼算法相比,平方根卡尔曼算法的收敛速度和稳态特性都较好。从收敛速度和稳态特性两个方面考虑,平方根卡尔曼算法是比较理想的均衡算法。
4 自适应均衡器的性能仿真
通过对均衡器结构和自适应均衡算法的分析,确定了自适应均衡器的结构和算法。在本系统中,采用基于平方根卡尔曼滤波算法的反馈判决均衡器。结合以前的工程背景和实验参数,串行调制解调系统采用的反馈判决均衡器共有24个抽头,其中前馈滤波器抽头14个,反馈滤波器抽头10个。基于Matlab仿真[3],使8PSK调制信号通过本文所建立的信道模型,选用中纬度中度信道[4],比较加自适应均衡器前后的星座图,以验证自适应均衡器的性能。图4为信号均衡前后的星座图。
分析仿真图形,在没有经过均衡的信号空间图中,信号在空间上分布凌乱,在经过均衡后的信号空间图中,信号在空间的分布有一定的特点,只需要划定八个相位空间,则信号就能被较好的解调出来,较均衡前,解调信号的误码率有很大的降低。
摘要：短波信道的时变性可导致数据通信产生严重的码间串扰,必须选择合适的自适应均衡器,以便最大限度地降低码间串扰的影响,从而降低数据通信的误码率。通过比较选择适用于短波信道的自适应均衡器结构及其自适应算法,并通过仿真验证了采用平方根卡尔曼算法和判决反馈结构均衡器的性能。
关键词：码间串扰,自适应均衡器,判决反馈,平方根卡尔曼
参考文献
[1]Widrow,Hoff B M E,Adaptive J R.Switching,Circuits.IRE,WESCON,CONV.Rec.,1960,4:1 096-104.
[2]Watterson C C,Juroshek J R,Bensema W D.ExpermentalConfirmation of an HF Channel Model[J].IEEE Trans.Comm.Tech.,1970,18(6):792-803.
[3]唐向宏,岳恒立,郑雪峰.Matlab及在电子信息类课程中的应用[M].北京:电子工业出版社,2006.
自适应技术 篇2
基于自适应PID技术的无尾飞机容错重构控制
无尾飞机是新型飞机的发展方向,与传统的飞机相比,其飞行控制系统更为复杂,故障出现的`概率也更大,因此重构控制系统是无尾飞机安全飞行的保障.采用基于自适应PID技术的动态逆控制来研究无尾飞机的重构控制系统,并获得了相应的仿真结果,证实了基于自适应PID技术的动态逆控制对故障具有较好的重构能力,比单独使用动态逆控制更有效.
作 者：刘燕斌 陆宇平LIU Yan-bin LU Yu-ping 作者单位：南京航空航天大学航天学院,南京,210016刊 名：电光与控制 ISTIC PKU英文刊名：ELECTRONICS OPTICS & CONTROL年，卷(期)：14(6)分类号：V271.9关键词：无尾飞机 飞行控制 容错重构控制 自适应PID控制 径向基神经网络
自适应技术 篇3
美国贝克曼研究所高级科学和技术博士后研究员史蒂芬说：“该技术能够超越现在的光学系统，最终获得最佳品质的图像和三维数据。这将是非常有用的实时成像技术。”
畸变如散光或扭曲困扰着高分辨力成像。其会使对象细点的地方看上去如斑点或条纹。分辨力越高，问题会变得更糟糕。这是在组织成像中特别棘手的问题，而精度对于正确诊断至关重要。
自适应光学可以校正成像的畸变，被广泛应用于天文学来校正当星光过滤器通过大气层的变形。医学科学家已经开始将这种自适应光学系统的硬件应用于显微镜，希望能改善细胞和组织成像。
但伊利诺伊大学生物工程内科医学的电子和计算机工程教授斯蒂芬指出，这同样富有挑战，将其应用于组织、细胞成像，而不是通过大气对星星成像，存在很多光学上的问题。基于硬件的自适应光学系统复杂而昂贵，调整繁琐，故不太适用于医疗扫描。
由此，该团队采用计算机软件来发现并纠正图像畸变，替代硬件的自适应光学，称为计算自适应光学技术。研究人员用此技术演示了大鼠肺组织含有微观粒子凝胶的幻影。用光学成像设备干涉显微镜的两束光扫描组织样本，计算机收集所有数据后，纠正所有的深度图像，使模糊的条纹变成尖锐的点而特征显现，用户可用鼠标点击改变参数。研究人员说：“我们能够纠正整个研究体积的畸变，在其任何地方呈现高清晰度图像。由此，现在可以看到以前不是很清楚的所有组织结构。”
该技术可以应用于许多医院和诊所的台式电脑，可对任何类型进行干涉成像，如光学相干断层扫描。
信息安全技术投资的自适应模型 篇4
一、信息安全技术投资的定义及内容
信息安全是现代社会关注的焦点话题, 不少企业和相应部门投入大量资金, 购买不同的信息安全技术和安全措施, 以提高网络信息系统的安全性。但实际情况时, 我国的网络信息安全仍然存在不少问题。我国虽在信息安全技术方面不断加大投入, 但产生的信息安全事故还是很多。不同的组织机构必须在自身的信息安全技术投资和策略上进一步加大思考力度, 以做出最恰当的信息安全技术投资方案。
信息安全技术的内涵不断向处延展, 从开始的保密性信息逐渐发展成为信息必须具备完整、可用、可控和不可否认等四种性能, 到现在又进步为可以对信息实施攻击、信息防范、信息检测、信息控制、信息管理及信息评估等多方面的理论和实际技术。
现在的信息的基础性安全技术主要包括:身份认证、边界防护、访问控制、主机加固、安全审计和检测监控等几方面的技术。
1、身份认证:
确认用户或设备身份的合法性, 主要手段分为用户名作为口令、识别身份、使用证书及生物认证等。
2、加解密
指在传送或保存信息的过程对信息进行加解密, 主要加密一般分为对称和非对称两种加密技术。
3、边界防护
即防止外部用户使用非法手段进入内部收集信息并动用内部资源, 保护内部信息安全的特殊网络设备, 主要有防火墙及入侵检测。
4、访问控制
保证信息只有合理身份才能使用, 访问控制是信息安全防护的核心策略, 主要依照身份控制资源访问权限。
5、主机加固
尽可能减少计算机的操作系统及数据库的漏洞, 保证信息不受到外界的严重威胁。主机加固提高系统的抗攻力。
6、安全审计
分为日志和行为两种审计, 经由日志审计帮助管理员查询网络日志, 评估信息配置是否合理、安全。分析信息安全的攻击痕迹, 实时防御, 确保信息安全。
7、检测监控
监督和管理信息流量和应用内容, 避免垃圾信息和有害信息。
二、信息安全技术投资的分析模型
1、信息安全技术分类
信息安全技术机制分为两类, 预防和检测。信息安全技术的预防代表为防火墙, 主要过滤访问请求和防止入侵发生;检测技术则以入侵检测IDS为主, 主要检测有没有入侵事件发生。预防不可能完全阻止入侵事件, 所以入侵检测就成了比预防更重要的信息安全技术。入侵检测是动态的信息安全技术的核心, 可以实时、全面监控信息网络、主机及系统应用程序是否安全运行, 主动识别计算机网络的入侵事件, 提供实时、在线检测攻击和误操作, 有效弥补了安全防御技术的缺陷。
2、信息安全技术投资
在原来的信息安全技术研究里面, 更注重以技术手段, 如解加密、用户身份认证和网络访问控制等保护信息的安全, 却极少重视和强调信息安全技术的经济价值。信息安全技术投资有没有真正发挥了应有的作用无法衡量。信息安全技术投资是以信息安全技术为基础, 充分考虑信息监督、管理和产生的经济效益的系统工程。
从经济学视角来看, 信息安全技术投资的相应研究起步较晚, 但发展态势迅猛。有的学者针对信息安全技术投资开始构建适合自身的经济研究模型, 帮助企业或有关部门决策信息安全技术的最优投资方案, 但却没有考虑到经济因素对于信息安全技术投资的负面影响, 也未考虑信息攻击者的攻击行为对信息安全技术投资决策的影响程度。
3、博弈论下的信息安全技术投资
若把信息安全技术比作企业和入侵者间的博弈, 既企业必须保障信息安全, 相反入侵者则要进入企业的信息系统进行越权操作, 从这点上说, 企业使用信息安全技术投资的预期目标是把入侵者带来的信息损失降至最少。企业的信息安全投资的经济效在一定程度上依赖于入侵者的侵入程度, 入侵者入侵产生的信息收益则决定于是否被发现, 入侵者被发现就由信息安全技术决定。
4、信息安全技术投资的分析模型
把企业和入侵者作为博弈的对手, 入侵者利用自己觉得有益的策略选择入侵行为和方式, 企业也必须相应地采取有效的策略配设信息安全技术, 同时调整信息的响应策略, 使入侵者的信息收益达到最小。假设如下:
(1) 企业
以实际中常见的两种信息安全技术配置方式为例:仅使用其中一种信息安全技术——如使用防火墙, 或同时选取两种技术——防火墙和IDS。不管怎么样配置信息安全技术, 企业信息系统管理员都会先检查系统的日志文件以分析入侵审计的踪迹, 对于入侵开展人工性的对应响应。但是一般来说, 因为人工响应入侵者的成本非常高, 而且目前的信息安全技术投资没有办法实现实时、在线响应, 企业的信息安全管理员只能借相对的概率实施响应。
(2) 用户
本模型只考虑信息安全系统的外部用户——需经验证用户名和身份的, 这里面合法用户是T, 防火墙设为允许全部合法用户都可以访问, 但非法用户不得进入。入侵者要入侵, 要先进入系统。设用户入侵概率是A, 入侵不被发现则入侵者会得L正效用;否则受到J的惩罚, 入侵者的净收益为L-J。若合法用户无法进入系统, 则企业损失。
(3) 防火墙和IDS
以两个参数反映防火墙的职能——挡住非法用户的访问概率和阻止合法的用户的访问概率都存在, IDS作为以检测及控制为主的主动性防御系统, 在信息空间与入侵进行对抗。IDS会把入侵实测结果以警报形式通知管理员。但因为现有的一些入侵检测会存在虚报或漏报, 所以其检测结果并十分准确。
参考文献
自适应控制学习心得 篇5
在八周的自适应控制学习中，我了解了自适应控制的基本概念和定义，自适应控制的原理和数学模型以及发展状况。其中，老师重点给我们讲了李亚普诺夫稳定理论设计MRAC系统和MIT方案，波波夫超稳定理论设计MRAC系统和MIT方案和自校正控制系统。虽然这些理论知识掌握的不是很牢固，理解的也不够透彻，但是这为我以后的学习和实践奠定了一定的基础。
自适应控制的定义：(1)不论外界发生巨大变化或系统产生不确定性，控制系统能自行调整参数或产生控制作用，使系统仍能按某一性能指标运行在最佳状态的一种控制方法。(2)采用自动方法改变或影响控制参数，以改善控制系统性能的控制。
自适应控制的基本思想是：在控制系统的运行过程中，系统本身不断的测量被控系统的状态、性能和参数，从而“认识”或“掌握”系统当前的运行指标并与期望的指标相比较，进而做出决策，来改变控制器的结构、参数或根据自适应规律来改变控制作用，以保证系统运行在某种意义下的最优或次优状态。
按这种思想建立起来的控制系统就称为自适应控制系统。自适应控制是主动去适应这些系统或环境的变化，而其他控制方法是被动地、以不变应万变地靠系统本身设计时所考虑的稳定裕度或鲁棒性克服或降低这些变化所带来的对系统稳定性和性能指标的影响。好的自适应控制方法能在一定程度上适应被控系统的参数大范围的变化，使控制系统不仅能稳定运行，而且保持某种意义下的最优或接近最优。
自适应控制也是一种基于模型的方法，与基于完全模型的控制方法相比，它关于模型和扰动的先验知识比较少，自适应控制策略可以在运行过程中不断提取有关模型的信息，自动地使模型逐渐完善。
李亚普诺夫稳定理论设计MRAC系统和MIT方案的学习中，如果要设计一个关于李雅普诺夫函数的MRAC系统。首先构造出系统的李亚普诺夫函数，然后用李雅普诺夫稳定性理论的设计方法，能够成功地设计稳定的模型参考自适应系统。在这一章的学习中，理解李亚普诺夫稳定性理论和构造系统的李亚普诺夫函数是重点。
超稳定性概念是波波夫于六十年代初研究非线性系统绝对稳定性时发展起来的。当时，波波夫对某种类型的非线性系统的渐近稳定性问题，提出了一个具有充分条件的频率判据，对研究的这类非线性系统的稳定性提供了比较实用的方法。波波夫所研究的这类非线性系统，是由线性时不变部分与非线性无记忆元件相串联而构成的反馈系统。波波夫超稳定性理论来设计模型参考自适应系统，它可以给出一族自适应规律，并且有一整套设计理论。因此，有利于学习掌握这种自适应控制的设计方法和结合实际系统灵活选择适当的自适应控制规律。
自校正控制系统又称为参数自适应系统,它源于随机调节问题，该系统有两个环路,一个环路由参数可调的调节器和被控系统所组成,称为内环,它类似于通常的反馈控制系统；另一个环路由递推参数估计器与调节器参数计算环节所组成,称为外环。自校正控制系统与其它自适应控制系统的区别为其有一显性进行系统辨识和控制器参数计算(或设计)的环节这一显著特征。自校正控制的思想是将在线参数估计与调节器的设计有机的结合在一起。自适应控制常常兼有随机性、非线性和时变等特征,内部机理也相当复杂,所以分析这类系统十分困难。目前,已被广泛研究的理论课题有稳定性、收敛性和鲁棒性等,但取得的成果与人们所期望的还相差甚远。
在传统的控制理论与控制工程中，当对象是线性定常、并且完全已知的时候，才能进行分析和控制器设计。无论是采用频域方法还是状态空间方法对象一定是已知的。这类方法称为基于完全模型的方法。在模型能够精确的描述实际对象时，基于完全模型的控制方法可以进行各种分析、综合，并得到可靠、精确和满意的控制效果。因此，在控制工程中，要成功设计一个良好的控制系统，不论是通常的反馈控制系统或是最优控制系统，都需要掌握好被控系统的数学模型。
然而，有一些实际被控系统的数学模型是很难事先通过机理建模或离线系统辨识来确知的，或者它们的数学模型的某些参数或结构是处于变化之中的。对于这些事先难以确定数学模型的系统，通过事先鉴定好控制器参数的常规控制难以应付。
面对这些系统特性未知或经常处于变化之中而无法完全事先确定的情况，如何设计一个满意的控制系统，使得能主动适应这些特性未知或变化的情况，这就是自适应控制所要解决的问题。
自适应控制技术在20世纪80年代即开始向产品过渡，在我国得到了较好的推广应用，取得了很大的经济效益。且理论研究也有一些开创性的成果。但总的来说推广应用还很有限，主要是由于其通用性和开放性严重不足。
虽然现已能设计出安全、有效、稳定、快速且现场操作比较简单的自适应控制系统，但今后较长一段时期内，相对简单实用的反馈、反馈加前馈或其他一些成熟的控制技术仍将继续占据实际应用的主流。
自适应控制理论必须有新的突破，才能在工程应用中对PID控制等传统方法取得显著的优势，结合人工智能技术，尤其是神经网络技术与模糊理论，或许是最终实现这一远景的可能途径。
一种改进的自适应波束形成技术研究 篇6
关键词：协方差矩阵；非线性；自适应；波束畸变；幅度加权
Research of A Improved Adaptive Beamforming Method
ZHENG Chao，GAO Heng，DING Ruo-liang
（Xi'an electronic engineering research institute，Xi'an 710100）
Abstract: In array signal processing，the performance of adaptive beam pattern degrades under finite snapshot condition.Amplitude weighting to suppress the side lobe is also not really perfect.The adaptive beamforming method based on nonlinear functions of the covariance matrix is analysed，transform the covariance matrix of the received data by nonlinear transformation，then form the adaptive beam with capon algorithm. The simulating results show a good beam pattern with slight loses，and amplitude weighting will get the lower sidelobe，about 10 dB.
Keywords: convariance matrix；nonlinear；adaptive；beam distortion；amplitude weighting
当阵列天线自适应工作时，相对于干扰环境，权值将相应改变，这种权值改变，它虽然在干扰方向形成波束凹口，但可能会引起整个波束畸变，即副瓣升高。导致自适应波束[1]畸变的主要原因有：(1)有限次快拍(2)系统误差(3)色噪声背景。
当采样数较少时，对阵列的噪声估计不足，使得协方差矩阵估计值存在误差。从特征分解的角度出发，波束畸变的主要原因是小特征值扩散，自适应方向图计算时考虑了小特征值及其特征波束，因此，加速波束收敛的有效途径是减弱噪声波束的影响。解决这一问题常用的方法是角线加载技术[2][3]，但在不同干扰环境下，加载量如何选择，是实际应用对角线加载技术所面临的问题。本文将分析一种利用协方差矩阵非线性函数的自适应波束形成方法[5]，以改善特征值发散程度，减弱噪声对特征波束的影响。
1 基于协方差矩阵非线性变换的自适应波束形成技术
以平面空间的等距线阵为例，设阵元数为M，阵元间距为d，共有P个信源，其中M>P。设波达方向为θ1，…，θP，并以阵列的第一个阵元作为基准，各信号源在基准点的复包络分别为s1(t)，…，sP(t)，各阵元上第k次快拍的采样写成向量形式
x(k)=As(k)+n(k)(1)
式中A=[a(θ1)，…，a(θp)]，a(θi)=1，e■，…，e■■，s(k)=[s1(k)，…，sp(k)]T，n(k)=[n1(k)，…，nM(k)]T。
抑制干扰的自适应波束形成就是对各阵元的接收信号进行加权求和，为使与特定空域信号a(θ0)相匹配的信号的输出信号干扰噪声比最大，其自适应权值为
Wopt=μR-1a(θ0)
式中μ为任一常数，R为阵列接收信号的相关矩阵，即
R=E{x(k)x(k)DE}
=AE{s(k)s(k)H}AH+E{n(k)n(k)H}
=ARsAH+σ2I
其中Rs=E{s(k)s(k)H}为干扰协方差矩阵，由于各阵元的噪声不相关，且强度相等，故其协方差矩阵为E{n(k)nH(k)}=σ2I。
为了获得低副瓣电平的静态方向图，常常对期望信号导向矢量做加权处理，此时静态波束导向矢量可以表示成aq=^a(θ0)其中^为M×M阶加权对角矩阵。实际计算中R用其K次采样信号得到的估计值■=■■x(k)xH(k)代替，此时自适应权值[4]为
■=μ■-1aq(2)
对确定的和估计的协方差矩阵R和■特征值分解，得
R=■λiuiuiH=■λiuiuiH=σn2■uiuiH(3)
■=■■i■i■iH(4)
式中λ1≥λ2≥…≥λP≥λP+1=…=λN=σn2是R相应的N个特征值，其对应的特征向量为ui(i=1，2，…，N)。■和■(i=1，2，…，N)分别为■的特征值及对应的特征向量。在白噪声、无限次快拍和无系统误差时，大特征值与干扰源数相同，其它小特征值相等，等于噪声功率。在有限次快拍时，特征值分解后，小特征值的相对扰动远远大于特征值的相对扰动量。因此，如果能对协方差矩阵■特征值进行某种非线性处理，补偿这种特征值发散的影响，有可能得到较好的波束保形效果，因此，可利用下式计算自适应权
■=μ■-kaq(5)
其中(0≤k≤1)。将式(4)代入式(5)，有
■=μ■■■i■iHaq=■■■uiuiHaq
=■■■uiuiH+uNuNHaq
=■■■uiuiH+EN-■uiuiHaq
=■EN-■uiuiH+■■uiuiHaq
=■aq-■■■i■iHaq(6)
■-k的特征值为■i-k(i=1，2，…，N)。同样地对确定的R
W=■λuiuiHaq=■aq-■■uiuiHaq
=■aq-■uiuiHaq+■uiuiHaq(7)
定义方向图函数G(W，θ)=WHa(θ)，此时自适应方向图为
G(■，θ)=G(aq，θ)-■■aqH■iG(■i，θ)
-■■aqH■iG(■i，θ)
=G0，k(■，θ)-Gn，k(■，θ)(8)
其中
G0，k(■，θ)=G(aq，θ)-■■aqH■iG(■i，θ)(9)
Gn，k(■，θ)=■■aqH■iG(■i，θ)(10)
称G0，k(■，θ)和Gn，k(■，θ)为干扰抑制波束和噪声波束。而在无限次快拍下，根据式(7)得到的权值，方向图函数应为
G(W，θ)=G(aq，θ)-■(■aqHui)G(ui，θ)
=G0(W，θ)(11)
当(i=1，2，…，N，0≤k≤1)时，有■≥■，即
■≤■(12)
另一方面，对于i=1，2，…，P和j=P+1，P+2，…，N-1
■=■(13)
对于大特征值，■■接近零，1-■■→1，因此
G0，k(■，θ)→G0(W，θ)(14)
对于小特征值，而■■接近1，1-■■→0
Gn，k(■，θ)→0(15)
由式(7)～式(14)可知，基于协方差矩阵非线性函数的自适应处理减少了噪声波束中各正交项的加权，减弱了噪声波束的影响。因此，可加速波束收敛，具有较好的波束保形能力。
综上可知，当k=1时R-k=R-1，此时由式(5)计算得到的权即为常规自适应权。当k>1时，使小特征值扩散程度增加，波束畸变更严重。因此，k一般为0≤k≤1。另外，对于大特征值，由于 ■≤ ■(i=1，2，…，P)，由式(9)可以看出，干扰抑制性能会有所下降，会造成输出信干噪比下降。
2 仿真结果
一个由M=16个阵元组成的半波长等距线阵，两个互不相关的干扰信号分别由-40°和30°入射到阵列，干扰噪声比均为40 dB。
仿真1：白噪声、有限次快拍无误差情况。快拍数取32次，图1为自适应方向图，其中实线表示法k=0.3得到的结果；虚线为常规自适应得到的结果。前者，信号干扰噪声比损失1.74 dB。从图中可以看出，该方法明显改善了自适应波束的副瓣性能。
仿真2：为了得到超低副瓣，我们可以进行幅度加权，这里采用-30 dB的切比雪夫加权，其它条件同仿真1。
实线为加权得到的结果，点划线是未加权的结果。从仿真结果可以看出，如图2的常规自适应波束图中，在有限次快拍下，即使进行幅度加权处理，也不能达到降低副瓣的效果，而基于协方差矩阵非线性变换的自适应波束形成方法下，如图3所示，副瓣高度降低约10 dB，幅度加权是有效的方法。图4为输出信号干扰噪声比随k的变化的曲线，除了k值在变化外，其它条件同仿真1。
从图中可以看出，当0.3≤k≤1.0时，本文的方法输出信号干扰噪声比与常规自适应方法相差小于3 dB，总的来说该方法噪声输出信号干扰噪声比损失较小。
3 结束语
对接收数据协方差矩阵进行阶数小于1大于0的非线性变换，改善了特征值的发散程度，减弱了噪声特征波束的影响，因此该方法具有良好的波束波形能力，同时能够通过幅度加权很好地降低副瓣，信号干扰噪声比损失也较小。
参考文献
[1] 龚耀寰.自适应滤波(第二版)——时域自适应滤波和智能天线[M].北京：电子工业出版社，2003.
[2] Blair D，Carlson，Covariance Matrix Estimation Errors and Diagonal Loading in Adaptive Arrays[J]，IEEE Trans on AES，vol 24，No.4，July 1988: 397-401.
[3] 梁会发.对角加载在自适应波束形成中的应用，南京理工大学硕士学位论文[D].2004.
[4] 张贤达，保铮.通信信号处理[M].北京：国防工业出版社，2000.
[5] 张林让.自适应阵列处理稳健方法研究[D].西安电子科技大学博士研究生学位论文，1998.
作者简介
OFDM系统中的自适应技术研究 篇7
第四代(4G)移动通信系统与技术是目前移动通信领域的研究热点。它包括广带无线固定接入、广带无线局域网、移动广带系统和互操作的广播网络,集成不同模式的无线通信,移动用户可以自由地从一个标准漫游到另一个标准。20世纪90年代早期欧洲就开始4G移动通信系统的研究,其目标速率是100Mbps,预期在2010左右投入商用。
第四代移动通信系统计划以OFDM(正交频分复用)为核心技术。OFDM有更高的频谱利用率和良好的抗多径干扰能力,它不仅仅可以增加系统容量,更重要的是它能更好地满足多媒体通信要求。OFDM早在上世纪30年代就被提出来了,近几年数字信号处理(DSP)和超大规模集成电路(VLSI)技术的发展极大的促进了OFDM技术在消费类电子产品中的应用。
2 OFDM系统模型
OFDM技术实际上是多载波调制(MCM,Multi-Carrier Modulation)的一种。其主要思想是:将信道分成若干正交子信道,将高速数据信号转换成并行的低速子数据流,调制在每个子信道上进行传输。正交信号可以通过在接收端采用相关技术来分开,这样可以减少子信道之间的相互干扰(ICI)。每个子信道上的信号带宽小于信道的相关带宽,因此每个子信道上的可以看成平坦性衰落,从而可以消除符号间干扰。而且由于每个子信道的带宽仅仅是原信道带宽的一小部分,信道均衡变得相对容易。OFDM技术特别适合使用在高层建筑物、居民密集和地理上突出的地方以及将信号撒播的地区、高速的数据传播及播音都希望删除多径影响的地方。
一个OFDM符号之内包括多个经过调制的子载波的合成信号,其中每个子载波都可以受到相移键控(PSK)或者正交幅度调制(QAM)符号的调制。如果N表示子载波的个数,T表示OFDM符号的宽度,di(i=0,1,…,N-1)是分配给每个子载波的数据符号,fc是第0个子载波的载波频率,rect(t)=1,|t|≤T/2,则从t=ts开始的OFDM符号可以表示为:
通常采用等效基带信号来描述OFDM的输出信号,即
图1中给出了OFDM系统基本模型的框图,其中fi=fc+i/T。
3 自适应技术
3.1 注水算法
注水原理的表达式可以写为:
典型的“注水原理”采用几何方法获得最优的输入功率来达到最大的信道容量。定性的看,使用注水算法,使得绝大多数发射信号的功率集中在信道衰减较小的频带范围内,即较多的功率将分配在信道特性好的或者噪声功率较低的子信道上。从信道容量数值计算可以看出,当平均信噪比较高的时候,如果采取均匀的功率分配方法,与最优的功率分配方法相比,信道容量只有非常小的损失,当平均信噪比较低的时候,信道容量可以通过注水方法得到很大的提高。
3.2 Fischer-Huber算法
该算法是根据差错概率最小化的原则来分配。分配过程如下:
3.2.1 初始化所有子载波上比特分配为0。
3.2.2根据信道状态,计算在每一个子载波上增加一个比特所用的调制方式在当前信道状态下的误码率,选择误码率最低的子载波,并在其上添加一个比特。
3.2.3 逐渐按照步骤伪进行比特分配直到系统中所有比特分配完毕。
3.3 基于SNR门限的简单算法
该算法固定速率,在子载波功率平均分配条件下,使得BER最小。分配过程分两步进行
3.3.1 初始分配:
根据SNR门限初步确定各子载波的比特数,从而得到当前分配比特总数Dtotal。其中使用的SNR门限根据一个特定的BER得到。
3.3.2 调整分配以达到目标总比特P:数Dtarget:
如果Dtotal
3.4 基于子载波功率比较分配算法
该算法也是基于固定速率,这种算法也很简单。算法原理是,在满足同等的BER下,使用不同调制方式所需的SNR成一定的比例。在子载波功率平均分配的条件下,比较每个子载波上的信道衰减因子,来给每个子载波分配比特。分配过程也是分成两步完成:
3.4.1 初始分配:
对子载波上的衰减因子|Hn|2进行倒序排序,按照给定的吞吐量要求对各个子载波进行初始均等调制分配。
3.4.2 迭代分配:
当信噪比较大时,子载波功率比较算法的性能优于SNR门限算法。
4 结语
通过采用自适应算法,OFDM系统的性能在对抗多径干扰上得到了优化,系统的整体性能也得到了很大的改善,体现了自适应算法的优越性。
参考文献
[1]R.F.H.Fischer,J.B.Huber,“A New Load-ing Algorithm for Discrete Multitone Transmis-sion,”Proc.Globecomm'1996,vol.1,pp.724-728,Nov.1996
[2]佟学俭,罗涛.OFDM移动通信技术原理与应用[M].北京:人民邮电出版社,2003.6。
基于位置信息的自适应地图服务技术 篇8
LBS是指在移动环境下,利用GIS技术、空间定位技术和网络通信技术,为移动对象提供基于空间地理位置的信息服务。如用户在随身携带的移动终端上,通过LBS功能,查询公交信息、导航信息、周围的旅馆、餐馆的信息等。当前LBS的计算和服务模型都是基于“拉(Pull)”模式或是用户驱动的模式,就是说用户需要给服务器发送一个请求才能获得关于位置的服务。传统的位置信息服务,例如移动黄页服务等都属于这一领域。基于GIS的LBS服务,同样也是这样。
随着移动Internet技术的发展和越来越多的竞争压力,更多的服务提供商开展了基于“推”(Push)模式或是服务驱动模式的位置感知智能LBS的开发。在这种模式下,服务提供商根据用户事先制定好的感兴趣的内容通过推送方式主动向用户提供与该用户相关的位置信息以及其他有用信息。
本文分析了自适应LBS服务的主要特征,讨论了以用户为中心的突出个体感知的智能LBS的关键技术。主要讨论能够满足用户个性化定制的自适应的地图服务的关键技术,位置感知计算、事件驱动、参考坐标系的转换以及自适应的平移、旋转、放大和缩小等。
1 自适应LBS服务的主要特征
对于一个智能LBS系统或者应用来说,要将GIS和位置信息服务结合起来,就是要利用空间定位技术和GIS知识,将获取的位置信息以及其他空间和属性信息搜集起来,然后自动地从这些信息中提取出用户感兴趣的信息,并将这些信息以用户想要的形式展示给用户。移动性、分布性和个体感知(egocentric awareness)是这类系统的最基本的三个特征[1]。
(1) 移动性
随着无线网络的快速发展,以及各种移动设备,例如笔记本、PDA和移动电话的广泛应用,GIS不仅可以进行静态空间对象管理,而且需要能够管理各种空间移动对象。无线网络运营商同服务提供者相联合,为移动用户提供地图服务、路径查询以及其他GIS服务,使得用户可以在任何时间任何地点查询自己感兴趣的空间信息和属性信息。
(2) 分布性
静态的GIS应用,存储和处理都是密集型的。但是当产生移动GIS和LBS之后,这种密集型的处理和存储变得极为困难。分布性主要指:计算的分布性,用户的分布性,设备的分布性以及存储的分布性。这样的分布式系统,由于移动设备的性能差异,例如手机等这种资源受限的设备,一般都采用瘦客户端的方式,通过无线网络连入Internet,同应用服务器交互。
(3) 个体感知
移动性和分布性是所有移动GIS和LBS都具有的特性,但作为智能LBS系统来说,最重要的一个特点就是个体感知。个体感知(egocentric awareness)是指移动GIS系统或是LBS系统从用户的角度出发,结合时空信息和以及个体用户周围环境的信息,自适应地提取当前用户感兴趣的信息[2]。这是智能LBS的一个主要体现。当一个系统实现了场景感知(context-aware)或是位置感知(location-aware)的自适应,并以用户个体为中心的应用时,移动GIS系统和LBS服务就从传统的人机交互模式转变成人与环境的交互模式。用户可以不再过多地与自己的移动设备交互,而是与所处的周边环境直接交互,系统则通过Push方式或事件驱动的方式在移动设备上展示用户感兴趣的信息。
(4) 大众化
GIS传统上是一个专业系统,倾向于面向专业用户,拥有强大的功能,需要广泛的计算资源[3]。但是随着WebGIS的发展以及移动GIS的出现,GIS的应用越来越广泛。而LBS是作为一种服务和应用而发展起来的,主要是面向广大的非专业用户,运行在有着诸多限制的移动计算环境中[3]。将GIS的诸多技术应用于LBS,可以使得位置相关的信息服务更加丰富和吸引用户,而LBS的广泛应用也将促使GIS更进一步地快速发展和大众化。
2 自适应LBS服务的关键技术
GIS的一个基本的功能就是通过地图给游人或者其他需要导航的用户以直观地展示当前所在位置,以及其他放大、缩小、平移和查询等功能。地图的概念已经存在了几千年[2]。地图的演化也经历了纸质地图、固定的电子地图以及现在的移动GIS所提供的移动的电子地图几个阶段。智能的地图位置服务,就是要使得用户能够从过多的与设备的交互中解放出来,将注意力集中在与周围的环境的交互上。这样,就要从用户的视点来观察周围的环境,以用户的兴趣来过滤信息,通过位置感知计算和事件驱动模式来自适应地为用户提供与位置有关的信息服务。
2.1 位置感知计算
位置感知计算是移动计算、位置传感和无线联网技术发展中产生的一种新的计算[5],也是智能LBS的关键技术之一。目前,对于移动对象实时位置的获取,主要是通过位置传感来获得。位置传感的方式有很多,如卫星定位方式(GPS)、无线信标方式定位(GSM)、无线接入点方式(Wi-Fi)等。这些方式的功能也有所不同,其中GPS应用更为普遍,精度相对来说比较高,但是不能用于室内;GSM可用于室内和室外,但精度低;Wi-Fi也可用于室内和室外,精度高于GSM方式,目前处于起步阶段。
对于位置的定位计算,也分为基于服务端的模式和基于客户端的模式。GSM是一种基于服务器端的模式。移动终端需要访问电信运营商的位置服务器,传回一段XML文本来获得位置信息。而目前常用的GPS就是一种基于客户端的模式。它能够直接决定客户移动终端的位置。通常,获得的GPS数据主要都包含了移动对象的经纬度、方向和速度。根据这些的数据,可以分析获得当前移动对象的位置信息、活动状态以及它周围的环境信息,从而为智能的LBS服务奠定基础。
2.2 事件驱动
事件定义为由GPS提供的持续不断的移动对象的新的位置信息[7]。可以把事件表示为一系列名称-值(N:V)对。例如,对于LBS中的一个事件,需要的信息包括:移动对象标识ID、当前位置、当前时间、当前方向和用户感兴趣的预设信息等。其中,对象标识ID、当前位置和时间为必不可少的信息,这样可以唯一标识一个对象及其时空位置。
系统中有一个事件驱动模块,专门负责检查新的事件是否符合预设的触发条件。一般的,可以有这样几种触发的条件:(1)距离(distance):当某一移动对象的活动位置与它感兴趣的对象的位置之间的距离为某一特定的值的时候,系统自动地为该对象提供它所需要的某些信息和功能,比如说关于这个对象的信息,或者是地图的自动放大,展示该对象周边的更详尽的信息等等;(2)范围(range):当移动对象的位置到达某一区域范围之内时,就会触发系统自动地为其提供所需要的服务等,比如当用户移动到一个商场附近时,如果他预定了服务,则会自动地接收到有关该商场的信息等;(3)方向(direction):方向也可以成为一个触发条件。当用户的方向变化为某一个方位时,如果在该方位上有用户事先预定的感兴趣的对象或信息,触发系统自动地提供相关的服务等。
事实上,一个事件的N:V对中,每一个Value值都可以成为智能服务的触发条件。当事件至少有一个Value值符合该用户事先预定的条件时,就会触发系统自动地为该对象提供相关的服务。
2.3 参考坐标系的转换
一般地,我们所使用的地图要素的位置是基于坐标系,而空间要素的位置是基于用经纬度表示的地理格网。地理格网是地球表面空间要素的定位参照系统,真实世界的参照系是一种绝对的参照系,而将现实世界的对象映射到抽象表示的地图上时,就需要地图投影,用坐标系统来表示抽象化的对象位置,如道路、建筑等。我们获得的GPS经纬度数据是基于WGS84(全球大地测量系统1984)。从传统的纸质地图到现在广泛使用的电子地图,都是地理格网和地图参照坐标系统的相互转换。
而当一个GIS系统要想从一个移动用户的视角来观察周围的环境而不是从一个静止的固定参照点来观察周围环境的时候,还需要引入一个参照系——用户视点参照系。用户视点参照系是完全具有个体感知的参照系统,是站在单个移动用户的角度来观察周围环境,以自己所在的位置和所面向的方向为参考。因此,一个智能的移动GIS系统或是LBS服务的实现,变为了三种参照系统之间的转换。如图1所示,真实世界的绝对参照系、真实世界抽象表示的地图参照系和用户位置方向的用户参照系之间的对应关系。
2.4 自适应的平移、旋转、放大和缩小
根据上面的三种参照系之间的关系,有一种自适应的智能地图服务。根据移动对象的当前位置、移动方向等实现自适应地根据用户的需求智能地平移、旋转、放大和缩小,尽可能地减少用户对设备的操作。
(1) 自适应的平移
以用户视角为中心的系统,应该站在用户的视角来观察问题。为了减少用户同系统的交互,平移操作由系统来触发,自动完成。当移动对象位置发生改变时,自动检测用户的位置同当前设备显示屏上的地图中心位置之间的关系,并且结合用户的移动方向,自动平移地显示屏上的地图显示。
在现实生活中,会有这样一种情况:移动对象只是移动了极其微小的一段,如果系统也自动地对地图进行平移,这样效果不是很明显,并且开销相对比较大。对于这种情况,可以预先设定一个区域,当移动对象的移动范围在这个区域里时,我们认为用户的移动不是很大,不需要平移地图,也就是不需要进行地图参照系和绝对参照系之间的转换。而是作为一个修正,将用户参照系同绝对参照系之间进行对照,改变设备上移动对象的符号位置。当移动对象的活动超过了预先设定的区域,则根据它的移动方向进行地图的平移。
(2) 自适应的旋转
无论是纸质地图还是电子地图,都有指北针,用来指明真实世界的东南西北方向在地图中的表示。无论用户的方向如何变化,设备显示屏上的地图方向是不变化的。在以用户视角为中心,突出个体感知的系统里,通常会站在用户的角度,以用户当前的方向为指南,可以自己定义一个参考方向,比如指向屏幕上方的方向为参考方向等。这种情况下,当用户的移动方向发生变化时,以用户参考方向为参考,旋转当前显示地图来适应用户的视觉观察范围。
同平移一样,为了避免用户轻微的方向变化引起的地图的频繁旋转,可以设置一个角度的区域值。通过对得到的GPS方向数据进行计算,如果转向角度在区域值内,则保持当前地图方向不变,可以适当的变化移动对象的方向作为修正。当移动对象的转向角度超过这个区域值时,则以用户参考方向为准,旋转地图来满足用户的视角需求。
(3) 自适应的放大和缩小
当用户对某一对象或区域感兴趣时,会在现有地图的基础上进行放大,看到更为详细的地图;又或者用户对大区域的整体比较感兴趣,需要缩小地图来查看全局。要想自动实现放大和缩小,除了需要知道用户当前的位置和方向外,还需要知道用户的运动状态,比如是走路或是坐车,速度不一样,地图的缩小或放大的级别会有所不同。同时,还需要事先知道用户感兴趣的东西和方位,这样当用户接近该对象时,可以通过事件驱动的方式触发地图自动地放大和缩小。
通过结合位置感知计算和事件驱动模式,可以实现基本的基于位置的智能的地图服务功能。在此基础上,可以实现其他如路径导航、地理信息查询等智能服务。
3 应用前景
LBS的发展为GIS带来了更广阔的应用前景,而GIS的进一步发展也会使得LBS的服务更加完善。面向大众的智能位置服务,从用户的视角出发,让系统来满足用户的需要,而不是让用户来适应系统。这样可以让用户从与设备过多的交互中脱离出来,直接跟自己所处的环境交互。通过位置感知计算和事件驱动模式,系统智能地进行地图的平移旋转和放大缩小,并可在此基础上提供其他更多的GIS功能,这种基于位置信息的自适应位置服务新技术将在车辆导航、旅游观光、军事等领域都具有广阔的应用前景。
参考文献
[1]Christopher Frank,David Caduff.Markus WuerschFrom GIS to LBS AnIntelligent Mobile GIS[C].GIS Days 2004,Muenster,Germany,2004.
[2]Frank C.An Egocentric Spatial Data Model for Intelligent Mobile Geo-graphic Information System[C].MS.thesis,Orono,Maine,2003.
[3]Virrantaus K,Markkula J,Garmash A,et al.Tirri HDeveloping GIS-Supported Location-Based Services[C].Web Information Systems En-gineering,2001Proceedings of the Second International Conference on,2001,12(2):66 -75.
[4]Xiaoyan chen,Ying chen,Fangyan Rao.An Efficient Spatial Publish/Subscribe System for Intelligent Location-Based Services[C].Proceed-ings of the 2nd international workshop on Distributed event-based sys-tems,San Diego,California,2003.
[5]Patterson C A,Muntz R R,Pancake C.M.Challenges in Location-A-ware Computing[J].IEEE Pervasive Computing,2003,2(2):80-89.
[6]Adusei I K,Kyamakya K.ErbasL F.ocation-Based Services:Advancesand Challenges[C].Canada:Canadian Conference on Electrical andComputer Engineering,2004:1- 7.
[7]Bharat Rao,Louis Minakakis.Evolution of Mobile Location-based Serv-ices[J].Communication Of The Acm,2003,46(12):61- 65.
[8]Jingnong Weng,Guozhaozhong.An Improved Algorithm to Map Matc-hing GPS Positioned Moving Objects,Location 2006,7 9 June,Banga-lore,India.
[9]Jingnong Weng,etc.Design and Implement of Spatial-temporal Data-Model in Vehicle Monitor System,GeoComputation2005,August1-3,2005 Ann Arbor,Michigan.
[10]马林兵,陈晓翔.LBS服务中的位置感知计算体系研究[J].中山大学学报:自然科学版,2005,6(44):318 -321.
[11]陈飞翔,杨崇俊,申胜利,等.基于LBS的移动GIS研究[J].计算机工程与应用,2006,02:200 -210.
计算机自适应测试若干关键技术研究 篇9
1 计算机自适应测试的优势
1.1 灵活性高
计算机自适应系统在进行测试出题的时候, 会根据应试者的实际水平和知识掌握程度, 自动生成测试题目。这样能够保证测试题目很好的控制在应试者的能力范围之内, 在测试过程中, 就能够避免应试者由于遇到难度过大的题目, 而产生较大的情绪波动, 影响测试的节奏, 从而影响整体实力水平的发挥[1]。由于计算机自适应系统所生成的测试题目是根据应试者的实际水平生产的, 因此能够使测试方更好的对应试者的综合水平进行性了解, 使测试的过程具有较高的灵活性。
1.2 测试精确度高
在传统的测试出题过程中, 对于题目的难易程度, 难以进行有效的区分和掌控。出题者对于测试题目都能够有效掌握, 因而很难对题目的难易程度进行准确的判断, 就会到这测试中题目的难以比例得不到良好的控制。而通过这种测试题目对应试者的能力和水平进行测试, 其结果的精确度也十分有限。而计算机自适应系统能够根据应试者的实际水平, 自动对测试题目的难易程度进行调整。这样, 无论应试者取得的成绩如何, 测试方都能够对其能力和水平进行较为准确的判断, 从而使测试结果的精确的提高。
1.3 避免作弊的情况
在计算机自适应测试当中, 测试题目都是有系统随机生成的, 应试者在参加测试的时候, 也是从题库中随机抽取题目。这样, 就能够对测试过程中应试者的作弊行为进行有效的控制和避免。另外, 应试者所抽取的测试题目相同的概率很低, 很好的抑制了考场中交头接耳、传纸条等作弊行为[2]。
2 计算机自适应测试的关键技术
2.1 题库构建技术
在题库构建技术中, 主要包括题库的设计和组织, 以及项目开发和项目参数的确定和校验。在题库的设计和组织方面, 当前主要是以课程目录结构为基础来进行构建和组织测试项目。但是这种方法也存在着一定的局限性, 因此, 一方面应当在领域本体构建中采用本体技术, 另一方面结合构建的本体, 向相应的知识点分配开发的项目。而项目参数的准确性是其中最为重要的部分, 不但要精准的确定各类参数的初始赋值, 还要在应用中不断的进行维护。
2.2 能力评估技术
在应试者对项目做出反应之后, 根据实际的反应结果, 重新对应试者的水平和能力进行评估, 同时在下一个项目测试中, 以新评估的水平和能力作为参考依据。能力评估主要分为两个方面, 一方面是设置应试者的初始能力, 另一方面是在测试过程中, 不断的对应试者的能力进行重新评估。因此, 在能力评估技术中, 不但要保证评估的准确性, 还应保证评估计算的速度[3]。
2.3 项目选择技术
在项目选择技术中, 项目的信息量是最为重要的因素, 应当对每个项目的信息量进行准确的计算, 同时尽量提高计算的速度。对于曝光不均匀对测试安全、题库利用等方面造成的影响, 应当采取项目曝光控制, 将高区分度项目的曝光率降低, 同时将低区分度项目的使用率提高。在实际应用的过程中, 应当对项目的内容和统计指标进行同时考虑, 在项目选择过程中, 适当的应用一些内容平衡控制技术, 以及一些提干内容、答案平衡等约束处理技术。此外, 由于项目选择法在实际应用中会受到一定限制, 每选择一个项目, 就要对整个题库进行扫描, 计算量加大。同时, 如果多用户并发, 服务器负载将会更大。因此, 要采用适当的手段, 提高项目选择的速度[4]。
2.4 测试终止技术
在测试终止的确定当中, 应当对题库当中测试项目的使用情况、应试者进行进行测试的实际时间、以及对应试者能力评估的精度等方面的因素进行综合考虑和分析。因此, 在测试终止技术中, 应当做到综合多种因素的考虑和分析, 这样才能够对测试结果的准确度进行有效的保证。
3 结论
在当前的人才选拔测试领域当中, 计算机自适应测试是一种最为理想, 也是最为有效的一种测试方式。利用这种测试技术, 能够对应试者的水平和能力进行综合、全面、准确的评估。而在计算机自适应测试的设计和应用过程中, 要对其中的各种关键技术进行充分的研究和了解, 从而更好的进行完善, 使其能够发挥出更为理想的效果。
参考文献
[1]简小珠, 张敏强, 彭春妹.计算机自适应测验的测试流程与测试技术[J].教育测量与评价 (理论版) , 2011, 12:9-14.
[2]吴志新.基于XML的计算机自适应测试技术的应用研究[J].微机发展, 2011, 2:137-139.
[3]简小珠, 张敏强, 彭春妹.计算机自适应测验的测试流程与测试技术[J].滁州职业技术学院学报, 2012, 1:58-63.
计算机自适应测试若干关键技术研究 篇10
1 计算机自适应测试的基本要素分析
不考虑测试系统的差异性, 整个计算机自适应测试的工作流程可概括如下。首先是随机从数据库中对测试项目进行选择并展示给测试对象, 测试对象作出反应后, 计算机再根据其反应情况得出能力水平的预估值, 然后根据所得到的预估值继续从数据库中选择与测试对象能力相匹配的测试项目。当计算机判断测试所得结果满足测试程序的终止标准后, 测试完成。根据其工作流程, 可得出计算机自适应测试的基本要素包括以下几点。
1.1 数据库/题库
数据库又称作项目池或是题库, 其是整个计算机自适应测试中的核心组成成分, 题库的覆盖范围越广, 能力测试水平越强, 测试所需要的时间复杂度和空间复杂度也就越低, 整个系统也就越有利于实现。
1.2 项目反应模型
项目反应模型用于描述测试对象对测试项目所作出的反映。当使用相同的项目反应模型时, 工具和数据库对于测试效果的影响应当小于某一特定值。
1.3 项目选择模型
项目选择模型主要用于在计算机得到来自项目反映模型的反馈后, 根据测试对象当前阶段被测试出的水平来选择合适的测试项目。合适的项目选择模型能够有效保障测试的精度和准确性, 但过于复杂的项目选择模型可以会需要花费更多的测试时间。如何在两者之间取得平衡, 则于整个测试算法的选择和优化息息相关。
1.4 测试终止规则
测试终止规则类似于汇编语言中跳出某一循环的判断条件, 在计算机自适应测试中, 测试终止的规则往往基于不同的测试目的所建立, 例如大众化普遍性测试、娱乐性测试多采用较为简单的终止规则, 但择优式考试、精英化考试则多采用较为精确的测试终止规则, 以期望所得出的测试结果更为精确。
2 计算机自适应测试若干关键技术研究
2.1 题库构建技术
顾名思义, 题库构建技术即是针对计算机自适应测试中数据库/题库的所建立的, 其包括题库的设计组织和项目参数的确定两大方面。在题库的设计和组织上, 现阶段广泛采用的技术是基于课程结构的架构技术, 其优势在于操作简单, 成本低廉, 可行性强。但其缺陷同样较为明显, 例如架构过程中, 技术人员往往缺乏对不熟悉领域内知识结构较为陌生, 可能会出现项目结构难以与知识结构一一对应的情况产生。基于此, 现阶段题库设计正在向着“以本体技术构建领域本体, 再辅以项目与知识点的合理分配”的趋势不断发展, 通过两者结合提升题库设计的覆盖面。而在项目参数的确定方面, 题库构建技术对其有着极高的精确性要求, 考虑到理论与实践存在的差异, 题库构建的初期被赋值的初始设置参数往往难以与实际运行情况相匹配, 这就需要相关人员随着整个测试工作的进行不断对相关参数进行二次修改及维护, 以解决专家法误差大和IRT理论模型可行性差的重要难题。
2.2 项目选择技术
项目选择技术的关键在于项目信息量的确定以保障测试的精确性和有效性、项目曝光率的控制以保障测试系统的保密性、项目选择速度、内容覆盖面等等。对于项目信息量的计算与确定, 实际开发过程中往往需要对整个题库进行扫描和读取, 然后取项目的总信息量, 因此提升项目信息量的计算速度是极其重要的。而在所开发的计算机自适应技术正式投入商用或民用领域后, 考虑到系统的伪随机性, 故项目曝光不均可能会对题库的有效利用以及测试的保密性产生一定的影响, 故需要利用项目曝光控制技术来对系统的安全性进行控制, 即通过降低高区分度项目的使用率, 提升低区分度项目的使用率来延长整个系统的使用寿命。除此以外, 常使用的技术还包括内容平衡处理技术, 题干曝光控制技术等等, 这些技术对计算机自适应测试技术在不同领域的应用有着重要的意义。
2.3 能力评估技术
在测试对象对计算机所展示的题目做出选择后, 计算机需要将所获得的反馈送入能力评估技术的核心处理器中, 同时结合项目选择技术做出对测试对象能力的合适评估, 若测试此时未满足测试终止条件, 所得结果还将会作为新的能力水平值来选择下一道测试项目。因此, 能力评估技术的实现关键在于测试对象初始能力的设置以及测试过程中对测试对象能力的动态估计。现阶段, 测试对象初始能力的设置主要是基于定性预测技术所实现的, 即测试管理人员基于测试对象的综合素质, 依照自身的经验判断能力和逻辑推理能力将初始条件输入进测试系统中。而测试过程中对测试对象能力的动态估计则是基于大数据分析下的动态预测技术所实现的。
2.4 测试终止技术
测试终止技术自身是较为简单的, 以汇编语言为例, 常使用的测试终止函数包括atexit () 、switch-break、free等等。但测试终止技术的难点在于对退出测试的条件进行判断和筛选, 其往往需要在考虑到被试的估计精度以及题库中项目的使用情况的基础上, 尽可能降低测试时间, 以提升使用效率。因此, 测试终止技术往往需要对多种因素进行综合考虑, 才可以确保测试的有效性。
3 结语
在现阶段人才选拔和相关的能力测试领域当中, 计算机自适应测试是一种集可行性、经济性、可靠性于一身的测试技术, 其不仅能够“因人施测”, 针对不同测试对象的特点选择更具有代表性的测试项目, 而且还能在测试过程中不断对测试者的能力进行动态评估, 从而取得更精确的测量结果。因此, 相关人员应当立足于此, 对计算机自适应测试中的若干关键技术进行研究和完善, 以期望其能够达到更优秀的测试结果。
参考文献
[1]龚文斌.计算机自适应测试技术研究[D].贵州大学, 2013.
[2]尹华.基于计算机自适应测试的胃痞患者报告结局量表研制[J].价值工程, 2013 (18) :38-39.