图共 5个 表共 3个

    • 图  1  $\rm S{α} S$分布下的门限-效能变化，$\alpha $=1.5，$\gamma $=1

      Figure 1. 

    • 图  2  $\rm S{α}S$分布下PDF的导数及效能函数图，$\alpha $=1.5, $\gamma $=1

      Figure 2. 

    • 图  3  $\rm S{α} S$噪声下的ZMNL函数，$\gamma $=1

      Figure 3. 

    • 图  4  ${\rm S}{α} {\rm S}$分布下设计限幅器的两种性能曲线，$\gamma $=1

      Figure 4. 

    • 图  5  实测数据的误码率性能

      Figure 5. 

    • 　步骤 1　设置初始值${\tau _0} > 0$，初始步长${d_0} = 0.5{\tau _0}$，迭代次数
      $k = 0$，计算效能值${\eta _0} = \eta (g, f, {\tau _0})$；
      　步骤 2　令${\tau _{k + 1}} = {\tau _k} + {d_k}$，并计算效能值${\eta _{k{\rm{ + 1}}}} = \eta (g, f, {\tau _{k + 1}})$。若
      ${\eta _{k{\rm{ + 1}}}} > {\eta _k}$，转步骤3；否则，转步骤4；
      　步骤 3　正向搜索。令${d_{k + 1}} = 2{d_k}$, $\tau = {\tau _k}$, ${\tau _k} = {\tau _{k + 1}}$, ${\eta _k} = {\eta _{k{\rm{ + 1}}}}$,
      $k = k + 1$，转步骤2；
      　步骤 4　反向搜索。若$k = 0$，则令${d_1} = - {d_0}$, $\tau = {\tau _1}$, ${\tau _1} = {\tau _0}$,
      ${\eta _1} = {\eta _0}$, $k = 1$，转步骤2；否则，停止迭代；
      　步骤 5　设置线搜索参数，容许误差比率$\lambda $。迭代次数j=0；令
      ${l_0} = {\rm{min}}\{ \tau, {\tau _{k + 1}}\} $, ${r_0} = {\rm{max}}\{ \tau, {\tau _{k + 1}}\} $, ${p_0} = {l_0} $
      $ 0.382\left( {{r_0} - {l_0}} \right)$, ${q_0} = {l_0} + 0.618\left( {{r_0} - {l_0}} \right)$；
      　步骤 6　条件判断。若$\eta (g, f, {p_j}) \ge \eta (g, f, {q_j})$，转步骤7，否则转
      步骤8；
      　步骤 7　计算左试探点。若$|{q_j} - {l_j}|/{r_j} > \lambda $，则令${l_{j + 1}} = {l_j}$, ${r_{j + 1}} $
      $ ={q_j}$, $\eta (g, f, {q_{j + 1}}) = \eta (g, f, {p_j})$, ${q_{j + 1}} = {p_j}$, ${p_{j + 1}} = $
      $ {l_{j + 1}} + 0.382({r_{j + 1}} - {l_{j + 1}})$，计算效能值$\eta (g, f, {p_{j + 1}})$,
      $j = j + 1$，转步骤6；否则，停止搜索并
      输出最佳门限值${p_j}$；
      　步骤 8　计算右试探点。若$|{r_j} - {p_j}{\rm{|/}}{r_j} > \lambda $，则令${l_{j + 1}} = {p_j}$, ${r_{j + 1}} $
      $={r_j}$, $\eta (g, f, {p_{j + 1}}) = \eta (g, f, {q_j})$, ${p_{j + 1}} = {q_j}$, ${q_{j + 1}} =$
      $ {l_{j + 1}} + 0.618({r_{j + 1}} - {l_{j + 1}})$，计算效能值$\eta (g, f, {q_{j + 1}})$,
      $j = j + 1$，转步骤6；否则，停止搜索并输
      出最佳门限值${q_j}$。

      表 1  限幅器的自适应优化处理算法

    • $A, {\rm{ }}\varGamma $$0.1, {\rm{ }}{10^{ - 3}}$$0.35, {\rm{ }}{10^{ - 3}}$$0.5, {\rm{ }}{10^{ - 3}}$$0.1, {\rm{ }}{10^{ - 2}}$$0.35, {\rm{ }}{10^{ - 2}}$$0.5, {\rm{ }}{10^{ - 2}}$
      ${\tau _{{\rm{opt\_}}b}}{\rm{ - PDF}}$(${\eta _{{\rm{opt\_}}b}}$)0.1296(888.8429)0.1094(647.4406)0.0996(532.3140)0.3397(87.5188)0.2898(59.1912)0.2698(46.5176)
      ${\tau _{{\rm{opt\_}}c}}{\rm{ - PDF}}$(${\eta _{{\rm{opt\_}}c}}$)0.0386(671.5877)0.0232(356.9533)0.0188(257.2668)0.1181(69.5440)0.0743(38.4601)0.0623(28.4378)
      ${\tau _{{\rm{opt\_}}b}}{\rm{ - KDE}}$(${\eta _{{\rm{opt\_}}b}}$)0.1199(877.9385)0.1094(631.7642)0.0994(510.9088)0.3494(85.5270)0.2937(57.2562)0.2708(43.9273)
      ${\tau _{{\rm{opt\_}}c}}{\rm{ - KDE}}$(${\eta _{{\rm{opt\_}}c}}$)0.0396(665.3161)0.0239(349.5658)0.0197(247.0483)0.1197(68.3936)0.0786(36.7663)0.0651(26.4190)

      表 2  Class A分布下(${A}{,} {Γ} $)-${τ} $变化，${{σ}^2}$=1

    • $\alpha $1.11.21.31.41.51.61.71.81.9
      Iterb-PDF151515151515151515
      Iterc-PDF171717161616161515
      Iterb-KDE151515151515151514
      Iterc-KDE171717161616161515

      表 3  $\rm S{α} S$分布下限幅器自适应设计方法迭代次数