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。     

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.     

一种低复杂度MIMO球形检测算法

针对球形译码检测算法在信噪比较低时复杂度大的问题,提出一种新型球形检测算法。通过使用一个压缩因子对低信噪比时的球半径进行抑制,同时结合最小均方误差检测算法降低算法复杂度。仿真结果表明,在信噪比低于10 dB时,该算法相对传统球形译码算法,复杂度平均降低10%左右,并且性能损失较少。     

基于MIMO OFDM系统的一种低复杂度球型译码检测算法*

在已知的多输入多输出(MIMO)及正交频分复用(OFDM)系统的信号检测算法中,球型译码检测算法的译码性能十分接近于性能最优的最大似然检测算法,并且其译码复杂度有很大的降低,但其会受到译码半径的影响。普通的球型译码检测算法,信道噪声对算法的译码半径影响较大,为了降低信道噪声对译码半径的影响度,提出了一种新型的球型译码检测算法,该算法在译码初始半径分别根据两种不同的情况作出选择。仿真结果显示,其选择的译码半径受噪声的影响极小,达到了降低译码复杂度的目的。总体而言,新型的球型译码检测算法极大地降低了译码复杂度     

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.     

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。     

基于SAOR的Massive MIMO系统信号检测算法

大规模多输入多输出(Massive multiple input multiple output, Massive MIMO)系统采用最小均方误差(Minimum mean square error, MMSE)接收检测方法时存在矩阵求逆复杂度高的问题，已有较多降低复杂度的研究。在降低检测算法复杂度的同时，如何提高算法收敛速度和检测性能一直是人们关注的焦点。本文将对称加速超松弛(Symmetric accelerated over-relaxation， SAOR)迭代算法应用于Massive MIMO系统信号检测中，避免了复杂的矩阵求逆计算，实现了复杂度较最小均方误差算法降低了一个数量级。仿真结果表明，基于SAOR的检测方法通过较少的迭代次数就能逼近最小均方误差（Minimum mean square error, MMSE）算法的检测性能，为Massive MIMO系统中接收信号的快速检测提供了较好的实现方法。     

多符号差分检测的低复杂度球形译码设计

在多符号差分检测系统中,深度优先的球形译码是一种典型的次优的检测算法。然而从复杂度角度来说,它仍有较高的计算复杂度,且存在流水线和并行操作困难等缺点。针对这些问题,目前主要从两个方面对该算法进行改进：一是通过选择合适的约束半径来降低复杂度;二是与K-Best（M）算法结合来解决并行操作问题。主要研究前者,并在现有的理论基础上,提出了两种半径选择方法,即线性半径和非线性半径。仿真结果表明,两种半径约束下的球形译码在复杂度上低于最大似然检测却同时能保证它们的性能损失小于0.5 dB。     

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。     

MIMO系统中基于代价函数和排序模式的MMSE SIC检测器

本文针对多输入多输出空间多路复用系统,提出了一种基于代价函数和排序模式的多个并行分支的最小均方误差连续干扰消除检测器;具体而言,设计了选择规则来选择代价函数性能最好的分支,并通过利用不同的检测排序模式使得每个分支中的SIC算法按照信号干扰噪声比由高到低来检测信号,从而实现完全检测分集;为了进一步降低算法的计算复杂度,还提出了一种采用递归最小二乘算法的有效自适应接收机来更新滤波器权值向量;仿真结果表明,相比于现有算法,本文提出的算法不仅具有较低的计算复杂度,而且能获得更好的误码率性能。     

基于信道估计的LDPC仿真算法研究

研究有记忆信道上的LDPC译码算法,对高速数字通信系统具有重要意义.目前运用于有记忆信道上的LDPC迭代译码算法,如基于信道估计的BP迭代译码算法等,都存在算法复杂度较高、运算量较大的问题.针对隐马尔可夫噪声信道,首次将最小和(min-sum)算法引入到基于噪声软判决和信道估计的LDPC迭代译码算法,利用函数特性有效降低算法复杂度、减少运算量.仿真结果表明,此算法的性能不仅优于不考虑信道记忆特性的一般LDPC的迭代译码算法,也优于基于噪声硬判决和信道估计的BP迭代译码算法,在性能损失较小情况下,于译码性能和算法复杂度之间找到了一个很好的折衷,对实时通信系统具有重要意义.     

多符号差分球形译码在无线传感器网络分布式检测中的应用研究

在无线传感器网络分布式检测中,信道条件复杂,难于估计.比较相关检测,差分检测的优势是不需要信道估计,但总是付出一定的性能损失.为了缩短这一差距,本文提出多符号差分检测,并结合低复杂度球形译码算法,对多符号差分球形检测的迭代搜索过程进行了详细分析.算法检测性能和复杂度的分析表明,该检测算法不仅能有效降低计算复杂度,而且能保证较好的检测性能.结果证明该算法可作为一种有效检测算法应用于无线传感器网络分布式检测中.     

用于自动语音识别系统的切换语音功率谱估计算法

针对语音识别系统在噪声环境下不能保持很好鲁棒性的问题,提出了一种切换语音功率谱估计算法。该算法假设语音的幅度谱服从Chi分布,提出了一种改进的基于最小均方误差（MMSE）的语音功率谱估计算法。然后,结合语音存在的概率（SPP）,推导出改进的基于语音存在概率的MMSE估计器。接下来,将改进的MSME估计器与传统的维纳滤波器结合。在噪声干扰比较大时,使用改进的MMSE估计器来估计纯净语音的功率谱,当噪声干扰较小时,改用传统的维纳滤波器以减少计算量,最终得到用于识别系统的切换语音功率谱估计算法。实验结果表明,所提算法相比传统的瑞利分布下的MMSE估计器在各种噪声的情况下识别率平均提高在8个百分点左右,在去除噪声干扰、提高识别系统鲁棒性的同时,减小了语音识别系统的功耗。     

All-layer search algorithm using mean inequality and improved checkerboard partial distortion search for fast motion estimation

Block-matching motion estimation algorithm is used in many video compression coding systems because it could greatly reduce the temporal redundancy between the consequent video sequences. In this paper, an all-layer search algorithm using mean inequality and improved checkerboard partial distortion search scheme for fast block-matching motion estimation is proposed. A layer in the proposed method refers to a processed image which is derived from the reference frame or the adjacent lower layer. Firstly, the proposed algorithm constructs all layers from the reference frame or the adjacent lower layer by summing up all pixels over a sub-block. Then, a new mean inequality elimination method is introduced to reject a lot of unnecessary candidate search points on the top layers before calculating the real block matching distortion. Finally, the proposed algorithm utilizes an improved checkerboard partial distortion search scheme in the process of the real block distortion calculation on the following layers to further reduce the amount of computation. Experimental results show that the proposed algorithm can effectively reduce the computational complexity of motion estimation meanwhile guarantee the matching quality compared to other motion estimation algorithms. Compared to the full search algorithm, the proposed algorithm can reduce 97.30 % computational complexity with a negligible degradation of the peak signal to noise ratio (PSNR). Compared to the diamond search algorithm, directional gradient descent search algorithm, partial distortion search algorithm, transform-domain successive elimination algorithm and two-layer motion estimation algorithm, the proposed algorithm can also save 63.56 %, 52.73 %, 92.87 %, 85.77 % and 33.96 % computational complexity, respectively.