结合最小均方误差的改进球形译码检测算法

在多输入多输出(MIMO)系统的信号检测算法中,球形译码算法的检测性能最接近最大似然算法,但传统球形译码算法运算复杂度较高。为降低球形译码算法复杂度,提出一种新型的球形译码检测算法。新算法由改进的快速球形译码算法与最小均方误差算法相结合而成。改进的快速球形译码算法通过在球形半径收缩时乘上一个常量参数来提高半径收缩速度,减少算法搜索的信号点数,从而达到降低复杂度的目的。最小均方误差算法则能够通过减小噪声对接收信号的干扰来降低因搜索噪声点而产生的复杂度。将最小均方误差算法的信道矩阵应用在改进的快速球形译码算法中,将两种算法有效地结合,能够进一步降低算法复杂度。仿真结果表明,当信噪比(SNR)低于10 dB时,新算法相比于原始球形译码算法,检测性能平均提高了9%左右。     

改进的MIMO系统球译码检测算法

针对球译码检测算法的搜索半径影响着其算法复杂度的问题,提出一种改进算法.改进算法对球译码检测算法的搜索半径乘上一个常量压缩因子,且在每层搜索中削减噪声因子的影响.通过缩减搜索球半径、缩小搜索范围实现算法复杂度的降低.仿真结果显示:在信噪比低于10 dB时,改进算法比传统球译码检测算法计算复杂度平均降低18％左右,同时误码性能损失较小.     

球形译码算法在信号空间分集系统中的应用研究

针对信号空间分集系统中最大似然检测算法复杂度高的问题,选用球形译码算法作为信号空间分集系统接收机检测算法,可以使接收机在接近最大似然算法检测性能的同时,降低接收机检测复杂度。为进一步降低检测复杂度,通过采用最小均方误差算法减小噪声对接收信号的干扰,来降低因搜索噪声点而产生的复杂度,并利用衰减因子k加快搜索半径收缩来达到进一步降低球形译码算法检测复杂度的目的。仿真结果表明,在信号空间分集系统中引入球形译码算法可以降低接收机检测复杂度,并且改进后的球形译码算法检测时间在低信噪比情况下约为传统球形译码算法的12%—33%。因此,球形译码算法可以有效地降低信号空间分集系统接收机检测复杂度。     

一种新的QR-SIC-MSD联合 MIMO信号检测算法

针对MIMO信号检测中球形译码(Sphere decoding, SD)算法在低信噪比时接近最大似然(Maximum likelihood, ML)算法复杂度的缺点,提出了一种基于QR分解的串行干扰抵消(Successive interference cancellation, SIC)和修改的球形译码(Modified sphere decoding, MSD)联合MIMO信号检测算法,称之为QR-SIC-MSD算法.该算法在低信噪比时采用SIC算法,在高信噪比时,采用MSD算法,根据噪声方差仅选择一次初始搜索半径,若搜索失败则用SIC解代替.通过SIC算法与MSD算法的结合,大大地降低了球形译码算法的复杂性,同时保证了在中高信噪比时逼近ML算法性能,在低信噪比时接近 ML算法性能.文中同时给出了完整的算法流程图及计算机仿真结果.     

LTE-A系统中球形译码检测算法研究

详细研究了球形译码算法流程以及两种常用的初始半径选择算法,提出了一种基于阈值的球形译码检测算法,充分考虑到信噪比以及信道条件数对检测算法的影响,在保证球形译码性能的前提下,降低球形译码算法复杂度.该算法已应用于TD-LTE无线综合测试仪表的开发中.     

MIMO-OFDM系统中改进的球形译码检测算法

研究增强信道性能,提高增益效果问题,在MIMO-OFDM检测算法中,球形检测算法可以在保证接近ML检测性能的前提下有效的降低检测复杂度,但是当球形搜索半径过大时,球形译码的复杂度仍然很高。针对上述难点问题,提出了一种新的选择半径的方法,只要设置合适的参数,对半径可以随信道参数和调制阶数的大小自适应改变,从而有效地避免了符号矢量的重复检测。经过仿真试验,结果表明,与传统检测算法相比,提出的算法在损失较小系统性能的前提下,很好地降低接收译码检测过程的复杂度,并有效地提高系统分集增益。     

酉空时调制系统中基于球形译码的多符号差分检测算法

为酉空时调制系统设计的多符号差分球形译码能以较低复杂度获得最大似然检测性能.但该算法基于准静态信道假设,当将它用于快衰落信道时会出现严重的误码平层现象.文中基于连续衰落信道假设,将最大似然度量的一种递推形式嵌入自动球形译码中,构建了多符号差分自动球形译码算法,并以此为基础提出了降低计算复杂度的多符号差分近似自动球形译码与降低比较操作次数的多符号差分裁减自动球形译码.与现存的两种典型算法,即多符号判决反馈检测(MS-DFD)和非相干序列检测(NSD)相比,所提算法的性能明显优于MS-DFD,接近NSD的性能,但其平均复杂度远低于NSD,在大多数情况下明显低于MS-DFD的复杂度.     

长期演进系统中一种低复杂度球形译码算法

在长期演进(LTE)系统中,球形译码算法拥有接近于最大似然(ML)的误码率(BER)性能。针对在16QAM和64QAM等高阶调制情况下球形译码算法计算复杂度和所需硬件资源的急剧增加,提出了一种调整符号搜索策略的改进型球形译码算法。该算法在不同的检测层采用特定的符号搜索方案,并结合一种基于信噪比的动态调整半径方法。在无线瑞利信道环境下,对各种球形译码算法进行了仿真。仿真结果表明,提出的改进型算法基本保持传统球形译码算法较低的BER性能,同时还有效地降低了计算复杂度和硬件实现复杂度。     

基于裁减自动球形算法的多符号差分空时译码

将裁减自动球形译码算法(PASD)应用于多符号差分酉空时译码。多符号差分酉空时译码可以克服快衰落信道中常规差分空时译码的误码平层问题,但其计算复杂度和多符号窗口的长度成指数增长关系。自动球形算法是最大似然性能球形译码算法中乘加次数最少的方案,裁减自动球形算法在性能恶化很小的前提下进一步减少了该方案的计算复杂度。将裁减自动球形算法应用于多符号差分酉空时译码,可以显著的减少计算量。通过仿真表明,方案在显著减少计算量的情况下,性能的恶化很小,达到了性能和复杂度的较好折衷。     

一种低复杂度次优自动球形译码算法

提出一种低复杂度次优自动球形译码算法。针对常规自动球形译码边界节点列表长度过大的问题,本文通过设置算法中的边界节点列表长度为固定值,使译码过程的复杂度大大减少;并通过仿真确定对应不同信噪比范围内的似费诺偏移量,补偿到对应节点的距离度量,保证系统的性能。对算法进行仿真验证,结果表明,该算法与常规自动球形译码算法相比,在性能基本不变的前提下,译码复杂度得到有效的减少,并更适宜硬件实现。     

空间调制系统下改进的QRD-M检测算法

空间调制（SM）系统中性能最优的最大似然（ML）检测算法复杂度很高,用基于信道矩阵QR分解的M算法（QRD-M）可以降低复杂度,但传统QRD-M算法检测时,每层都保留固定的M个节点,仍会造成额外的计算量。针对传统QRD-M算法中存在的问题,提出一种低复杂度的动态M值QRD-M检测算法——LC-QRD-dM。LC-QRD-dM算法利用设计的阈值与累积分支度量值进行比较,每层自适应地选择不超过M的保留节点数,相对于传统QRD-M算法以牺牲少量性能为代价大大降低了复杂度。接着又针对该改进算法在信道衰落较深时会产生较大误码率的问题,进一步提出一种基于信道状态的动态M值QRD-M检测算法——CS-QRD-dM。CS-QRD-dM利用LC-QRD-dM的原理,在低信噪比（SNR）时,每层根据阈值选择不小于M的保留节点数;在高信噪比时,每层则选择不超过M的保留节点数。理论分析和仿真结果表明：相比传统QRD-M,CS-QRD-dM在低信噪比时有约1.3 dB的信噪比增益（误码率为10^-2）,以增加少量复杂度为代价,显著地改善了检测性能;在高信噪比时,其检测性能及复杂度与LC-QRD-dM相同。     

基于Gerschgorin理论稀疏度估计的宽带频谱感知算法

针对在低信噪比(SNR)情况下稀疏度欠估计和高信噪比情况下稀疏度过估计的问题,提出了一种基于Gerschgorin理论稀疏度估计的宽带频谱感知算法。首先,该算法利用Gerschgorin理论分离信号圆盘与噪声圆盘得到稀疏度估计值;然后,利用正交匹配追踪(OMP)算法得到频谱支撑集;最后,完成宽带频谱感知。仿真结果表明,所提算法、AIC-OMP算法和MDL-OMP算法频谱感知的检测概率达到95%信噪比分别需要4.6 dB、8.5 dB和9.7 dB;所提算法频谱感知的虚警概率在信噪比大于13 dB时趋近于0,明显低于BPD-OMP和GDRI-OMP算法的虚警概率,因此,所提算法对于压缩感知(CS)的信号稀疏度估计兼顾了低信噪比和高信噪比时的稀疏度估计性能,频谱感知性能优于AIC-OMP算法、MDL-OMP算法、BPD-OMP算法和GDRI-OMP算法。     

基于图像复杂度曲线拟合的快速图像分割方法

针对经典Otsu算法、最大熵算法、最小交叉熵算法等在 低 信噪比图像中分割效果较差的问题,从图像复杂度的角度提出了基于图像背景与目标的对象复杂度的图像分割方法,并采用曲线拟合方法大大减少了计算冗余,提高了算法的实时性与稳定性。实验表明,与经典算法相比,所提快速分割算法具有运行速度快、稳定性与可靠性高等特点,能够有效地解决 低信噪比图像分割效果较差的问题。     

一种新的用于语音识别的噪音估计及非线性谱相减方法

提出了一种新的噪音估计及非线性谱相减方法，通常的噪音估计一般基于语音检测方法，取噪音段的谱平均作为噪音谱的估计，该方法在信噪比较低时性能下降严重。提出的基于能量聚类的噪音谱估计方法，不依赖于语音检测直接估计噪音谱，提高了噪音谱估计的精度。还在一般非线性谱相减方法的基础上提出了改进的谱相减方法，该方法根据单个mel滤波器频带内局部的信噪比，来决定该频段内非线性谱相减的多少，细化了非线性差谱的额度，在有效抑制噪声的同时减少了语音谱的失真。     

基于TD-SCDMA的改进的联合检测算法及仿真

大多数多用户联合检测算法都存在复杂度高,不利于在终端上应用的缺陷.针对TD-SCDMA系统中下行链路多用户联合检测算法MMSE-BLE-SD需要用到的活动码道数,给出了一种改进的检测算法.该算法在信道变化缓慢的情况下可以达到非常理想的性能.另外还提出了一种基于FFT的低复杂度的联合检测算法,可以有效的降低传统算法中矩阵求逆所需要的巨大的运算量.仿真结果表明,算法具有良好的检测性能,大大的降低了系统的复杂度.     

基于仿射投影算法的时延估计

在时间延迟估计中,通常利用互相关算法对时延进行估计.然而,互相关算法受噪声影响较大,在低信噪比时无法准确对时延进行估计.LMS、NLMS等自适应算法能够避免噪声的影响,然而其收敛性较差.RLS自适应算法虽具有较好的收敛性,但算法复杂度较高.本文利用的仿射投影(AP)算法则具有较好的收敛性.模拟仿真表明该算法能准确估计时...     

基于小波去噪的联合频谱感知优化算法

传统的能量检测算法由于受到噪声不确定性的影响,在信噪比较低时检测精度差,理论上较优的循环平稳特征频谱感知算法的计算复杂度偏高。因此,在传统能量检测算法基础上结合小波阈值去噪和差分能量检测模型,提出一种优化的双门限联合检测算法。使用能量检测法来判断双门限区间之外的区域,双门限阈值内的不确定性区域使用小波阈值去噪重构后做差分能量检测,并根据信道实时状态动态地调整双阈值。当信道质量较差时,增大双门限之间的距离,否则缩短双门限之间的距离,从而提高频谱检测效率。通过仿真对比得知,该算法有效地提高了噪声不确定性影响下频谱感知的准确性,并且降低了感知算法的计算复杂度。