基于频偏估计的无线传感器网络时间同步算法

针对无线传感器网络经典同步算法稳定性较差,时钟相偏和频偏联合校正算法存在高开销等问题,提出一种基于频偏估计的无线传感器网络时间同步算法（CSMS算法）。CSMS算法采用低开销相偏和频偏估计方法,提高了成对节点的同步精度和稳定性;结合分层和广播监听构建了同步策略,能够保证算法的稳定性和同步精度,实现了与邻居节点及根节点的同步,同时优化了同步总开销。实验结果表明,CSMS算法能够有效地平衡同步能耗、同步精度及同步稳定性。     

一种面向短时突发信号的高精度同步方案设计

针对短时突发通信存在捕获时间长、算法复杂度高、资源开销大等问题,文中设计了一种高精度同步方案。该方案自定义收发双方帧结构,采用独特码差分匹配算法实现信号检测和帧同步,并采用基于导频累积量的前向估计算法实现频偏估计和校正。为兼顾频偏估计精度和算法复杂度,对独特码采用滑动相关算法实现初始相位捕获,使系统结构紧凑,更加适合FPGA硬件实现。理论分析和软件仿真表明,该方案在低信噪比和高动态范围条件下具有较好的接收性能,频率估计精度能够达到符号速率的万分之一。文中同时进行了硬件协同仿真与验证,并给出了相应的仿真波形。     

基于距离比较的AC自动机并行匹配算法

随着网络带宽的快速增长,作为网络安全设备核心模块的多模式匹配(MPM)算法面临严峻的性能挑战。该文提出一种高效的数据包分割和并行匹配算法—距离比较并行匹配算法(DCPM)。和已有方法相比,并行的DCPM线程间不存在同步开销,引入的冗余检测开销达到理论最小。基于Aho-Corasick(AC)算法,在8核处理器平台上将DCPM算法与已有的数据包分割方法进行了性能比较。实验结果表明,和已有方法相比,DCPM算法的适应性更好,性能受网络流量中模式串占比、模式串长度及自动机状态数等因素的影响更小;在处理真实数据集时,DCPM算法的加速比提升1.3～3.5倍。     

基于H.264预测模式选择的并行算法

针对H.264编码器提出了一种基于线程级别的并行化算法,用于快速RDO模式决策,可以有效地解决H.264编码器帧内模式决策和帧间模式决策之间的数据依赖性,开发出线性级别的并行快速模式决策算法。此外,该方法可以容易地映射到硬件架构,同时采用改进的比特率估计算法和低复杂性的整数失真估计方法。实验结果表明,文中算法减少了总编码时间,降低了运动估计ME的计算开销,同时保持较低的PSNR损失和比特率增加。     

基于秩2更新的多维数据流典型相关跟踪算法

 现存的多维数据流典型相关分析(Canonical Correlation Analysis,简称CCA)算法主要是基于近似技术的求解方法,本质上并不是持续更新的精确算法.为了能在时变的环境中持续、快速而精确地跟踪数据流之间的相关性,本文提出一种多维数据流典型相关跟踪算法TCCA.该算法基于秩2更新理论,通过并行方式持续更新样本协方差矩阵的特征子空间,进而实现多维数据流典型相关的快速跟踪.理论分析及仿真实验结果表明,TCCA具有较好的稳定性、较高的计算效率和精度,可以作为基本工具应用于数据流相关性检测、特征融合、数据降维等数据流挖掘领域.     

基于OpenMP编程模型的多线程程序性能分析

并行化程序的出现大大提高了应用程序的执行效率,多核程序设计时需要对程序的性能进行考虑。本文重点讨论OpenMP编程模型中多核多线程程序在并行化开销、负载均衡、线程同步开销方面对程序性能的影响。     

5GHz无线局域网系统模拟

基于IEEE 802.11a标准的5GHz WLAN系统能在低移动性无线条件下提供比以前的系统更快的数据传输率、更好的频谱效率、改进的多径性能和更低的干扰。 为了在5GHz WLAN系统中支持高速率的数据传输,推荐采用多载波调制和正交频分多址（OFDM）。OFDM的基本原理是把高速率的数据流拆分成一些同时在若干子载波上传输的较低速率数据流,在并行子载波中用较低的数据率增加信号持续时间,从而降低多径造成的相对色散时间量（延迟扩散）。由于可在相继的OFDM信号间插入足够长的保护间距,因而几乎完全消除了信号间干扰（ISI）。 为了在WLAN系统中使用OFDM,必须保持精确的频率同步和信号同步。推荐的频率同步方法是依据检测和补偿,对于发信机和收信机之间的载波频率偏移可使用数据流中的前同步码,还可用信道估计模型检测和消除延迟扩散。 为了让用非线性元件设计的部件工作于多径信道条件的WLAN系统,必须使用适合的模拟软件。本文使用的是     

基于改进帧结构设计的无人机集群信道均衡

针对无人机集群链路单载波频域均衡(Single Carrier Frequency Domain Equalization,SC-FDE)系统信号同步与信道估计模块相互独立、系统开销大、信道估计精度不高的问题,提出了一种基于Schmidl&Cox的改进数据帧结构设计,使用同一训练序列实现信号同步和信道估计,降低了系统开销;利用快速傅里叶变换的周期性及线性性质,将多次复杂频域信道估计转换为时域降噪处理,得到更精确的信道频域响应估计.通过引入NH(Neumann-Hoffman)序列,解决了Schmidl&Cox定时方法存在峰值平台的问题,定时测度函数尖锐,方差性能较好.利用Matlab软件对设计算法进行了仿真验证,结果表明,在不增加系统开销的情况下,所提算法在相同信噪比下比传统均衡算法误码率更低,在误码率为1×10-5时有2～3 dB的性能增益,系统开销由0.28降为0.2,实现复杂度低.     

长时延扩展水声信道的联合稀疏恢复估计

对具有长时延扩展的水声信道,传统的信道估计算法如最小二乘法将在大量零值抽头产生严重的估计噪声,导致估计性能下降,同时信道估计时所需的较高估计器阶数大大提高了运算复杂度。压缩感知信道估计方法可有效利用多径稀疏特性改善性能,但需采用较大的训练序列长度以保证稀疏恢复精度,由此导致额外的系统开销。利用水声信道多径稀疏结构在数据块间存在的相关性,建立基于分布式压缩感知的长时延水声信道联合稀疏模型,从而可利用同步正交匹配追踪算法进行联合重构,以进一步减小系统的训练序列开销,提高估计性能。最后通过仿真和海上实验验证了所提方法的有效性。     

OFDM系统中一种基于延时相关的定时估计算法

针对Schmidl定时估计算法存在平台区的问题,Minn定时估计算法在具有码间干扰信道中估值方差过大的问题,以及改进的Schmidl定时估计算法具有多个同步尖峰问题,本文提出了一种基于延时相关的定时估计算法。通过仿真可以得出,基于延迟相关的定时估计算法能够较好地解决上述定时估计算法存在的问题,提升了符号定时同步的精度。     

一种大象流两级识别方法

基于大象流的识别准确度高且开销低,对于解决SDN流量管理过程中控制器单点故障问题具有重要意义.针对现有大象流识别方法识别开销大的问题,提出一种大象流两级识别方法.该方法在第一阶段提出基于TCP发送队列的可疑大象流识别算法,在第二阶段提出基于流持续时间的真实大象流识别算法;第一阶段是在端系统中识别可疑大象流,用于降低第二阶段真实大象流识别过程中SDN控制器所需监测的网络流数量.实验分析表明,在保证大象流识别的高准确度前提下,大象流两级识别方法较基于采样的大象流识别方法可以降低约85％的控制器识别开销.     

一种贪婪的异构多信道并行合作频谱感知方法

为了同时对多个异构信道进行有效地合作频谱感知,并克服现有方法中只考虑检测准确性而忽略感知开销和系统效益,忽略不同认知用户对不同异构信道感知性能的差异以及参与合作感知的认知用户较多等问题,提出了一种贪婪的异构多信道并行合作频谱感知方法。根据对感知开销和传输收益的定义,充分考虑不同认知用户对不同异构信道感知性能的差异,利用贪婪算法在多个认知用户和多个异构信道间最优地进行感知任务分配,使总系统效益最大。仿真结果表明,所提方法与基于迭代匈牙利的并行合作频谱感知方法、改进的基于迭代匈牙利的并行合作频谱感知方法和随机的合作频谱感知方法相比,能够获得较高的总系统效益,且所需的参加合作感知的认知用户数较少。     

基于误差限制的神经网络混合精度量化方法（特邀）

基于卷积神经网络的深度学习算法展现出卓越性能的同时也带来了冗杂的数据量和计算量,大量的存储与计算开销也成了该类算法在硬件平台部署过程中的最大阻碍。而神经网络模型量化使用低精度定点数代替原始模型中的高精度浮点数,在损失较小精度的前提下可有效压缩模型大小,减少硬件资源开销,提高模型推理速度。现有的量化方法大多将模型各层数据量化至相同精度,混合精度量化则根据不同层的数据分布设置不同的量化精度,旨在相同压缩比下达到更高的模型准确率,但寻找合适的混合精度量化策略仍十分困难。因此,提出一种基于误差限制的混合精度量化策略,通过对神经网络卷积层中的放缩因子进行统一等比限制,确定各层的量化精度,并使用截断方法线性量化权重和激活至低精度定点数,在相同压缩比下,相比统一精度量化方法有更高的准确率。其次,将卷积神经网络的经典目标检测算法YOLOV5s作为基准模型,测试了方法的效果。在COCO数据集和VOC数据集上,该方法与统一精度量化相比,压缩到5位的模型平均精度均值（mean Average Precision, mAP）分别提高了6%和24.9%。     

基于多通道分段自相关的弱信号检测算法及实现

通过对雷达信号检测方法的深入分析,提出了一种基于多通道分段自相关的方法,成功地解决了低信噪比下信号检测问题。文章采用多通道并行处理,自适应门限,数据融合的方法实现了对不同脉冲宽度的信号检测,并通过双门限检测和门限修正降低虚警率并提高参数估计精度。文章理论分析了整个算法流程,并通过FPGA硬件实现验证,表明该算法实时性好、检测概率高,在工程应用中具有一定的参考价值。     

基于代价参考粒子滤波器组的检测前跟踪算法

基于粒子滤波的检测前跟踪方法是检测和估计非线性调频信号的有效方法之一。但此类方法运算量大,难以并行执行。此外,由于粒子滤波算法收敛较慢,基于粒子滤波的检测前跟踪方法的检测和状态估计能力有待提高。针对上述问题,该文首先提出一种代价参考粒子滤波器组。该滤波器组收敛快速,具有完全的并行结构,可快速准确地估计非线性调频信号的瞬时频率。其次,提出基于代价参考滤波器组的检测前跟踪算法,可在给定虚警率下,在各个时刻检测目标和估计目标状态。两类非线性调频信号检测和估计的仿真结果表明,基于代价参考粒子滤波器组的检测前跟踪算法的检测性能、估计性能和运行速率均优于类似的方法,如基于粒子滤波的检测前跟踪方法,基于Rutten粒子滤波的检测前跟踪方法等。     

大规模MIMO系统上行链路时间-空间结构信道估计算法

针对大规模多入多出(MIMO)系统上行链路非平稳空间相关信道的估计问题,该文利用信道的时间-空间2维稀疏结构信息,应用狄利克雷过程(DP)和变分贝叶斯推理(VBI),设计了一种低导频开销和计算复杂度的信道估计迭代算法,提高了信道估计精度。由于平稳空间相关信道难以适用于大规模MIMO系统,该文借助于狄利克雷过程构建了非平稳空间相关信道先验模型,可将具有空间关联的多个物理信道映射为具有相同时延结构的概率信道,并应用变分贝叶斯推理设计了低导频开销和计算复杂度的信道估计迭代算法。实验结果验证了所提算法的有效性,且具有对系统关键参数鲁棒性的优点。     

短波SC-FDE系统中改进的LS信道估计算法

针对短波单载波频域均衡( SC-FDE)系统中最小二乘( LS)信道估计算法受噪声影响大而导致的估计精度低的问题,提出了一种改进的基于小波去噪的LS信道估计算法。改进算法采用基于分块导频的帧结构,首先用LS算法对信道进行初步估计,然后根据小波多分辨率分析( Mallat)理论将LS估计的结果分解,并设置一个合理阈值对分解得到的小波系数处理,从而消除LS估计的残留噪声,提高估计精度。仿真结果表明,在短波信道下,改进算法不仅减小了系统开销,而且提高了LS估计的性能。     

MIMO系统中应用张量分解进行半盲信道估计的算法分析

针对多输入多输出系统半盲信道估计问题,提出一种基于张量分解的半盲联合信号检测和信道估计算法。其思想是利用张量分解的唯一性,对接收信号构造基于张量分解的平行因子模型,并利用正则交替最小二乘算法对信道和发送信号进行联合迭代估计。仿真结果表明:与传统基于导频信道估计方法相比,所提算法只需少量的导频序列即可获得较高的信道估计精度;与已有的交替最小二乘算法相比,所提算法消除了矩阵求伪逆时可能带来的病态问题,收敛速度较快。文章还详细的分析了正则系数和收敛条件等参数对正则交替最小二乘算法性能的影响。