低复杂度PDCCH盲检测算法

针对LTE系统中PDCCH传统盲检测平均计算量大的问题, 提出一种低复杂度的PDCCH盲检测算法。该算法通过频谱感知从原始集合中剔除无效PDCCH以缩小PDCCH盲检测范围, 并利用PDCCH编码特点重新排列剩余的PDCCH盲检测顺序, 从而减少PDCCH平均检测次数。对算法频谱感知的判决门限进行了理论推导, 并给出了盲检测顺序重排的方法。仿真验证了理论推导的正确性, 与传统PDCCH盲检测方法相比, 该算法能够有效减少盲检测的平均检测次数。     

一种LTE系统中减少PDCCH盲检次数的方法

重点研究了长期演进LTE(Long Term Evolution)系统的物理下行控制信道PDCCH(Physical Downlink Control Channel)盲检算法。通过对目前盲检算法的分析,提出了一种通过改变第一个搜索等级和改变选取下一搜索等级方式的改进算法。对两种算法的性能进行了仿真比较,结果表明,改进后的盲检次数比改进前的盲检次数要少,改进算法可行、有效。     

基于相关检测的低复杂度窄带物理下行控制信道盲检测算法

在窄带物联网系统（NB-IoT）中,物联网（IoT）终端应当快速获取下行控制信息（DCI）,以便正确接收数据信道的资源分配和调度信息。为此,针对窄带物理下行控制信道（NPDCCH）搜索空间大小大于等于32时,提出一种利用相关检测的低复杂度的NPDCCH盲检测算法。首先,通过对一个NPDCCH可能最小重复传输单元进行两次相关判决,剔除搜索空间中其他无效的数据,以降低计算复杂度;然后,对判决为有效数据所在的重复周期进行合并译码,以提高盲检性能;最后,对两个相关阈值设定进行了理论与仿真分析。仿真结果表明,相比穷举盲检测算法,所提算法在计算复杂度上至少降低了75%,检测性能提高了增益2.5~3.5 dB,更加利于工程实践。     

基于传输分集信号检测的TD-LTE系统PDCCH解资源映射的算法研究

TD-LTE系统有传输分集和空间复用两种传输模式。对于PDCCH（physical downlink control channel, 物理下行控制信道）的信号检测采用传输分集模式。传统PDCCH的解资源映射是以REG（resource element group, 资源粒子组）为单位, 并且要考虑参考信号, 导致接收端计算量大大增加。提出一种改进算法, 在信号检测时去除参考信号, 进入解资源映射模块时即可以四元符号组为单位完成解资源映射, 使计算量大大降低。该方案的可行性、高效性在TD-LTE射频一致性测试系统的开发中得到了验证, 并实现于TMS320C64×DSP中, 使系统性能得到了改善。     

一种LTE系统中计算CFI值的方法*

重点研究了LTE系统中存在承载PDCCH(physical downlink control channel,物理下行控制信道)传输的信息冗余和PDCCH盲检效率较低的问题,提出了一种改进的计算CFI值的方法。该方法按照速率匹配值的降序为各个PDCCH分配1/2/4/8个CCE(control channel element,控制信道元素),再复用各个PDCCH。仿真结果表明该方法能够有效地消除冗余信息,减少PDCCH盲检的平均次数。     

一种基于自适应算法的超宽带系统盲均衡技术

提出了一种适用于直接序列超宽带(DS-UWB)和跳时超宽带(TH-UWB)系统中的自适应盲均衡技术。该方法利用可变遗忘因子的自适应算法,快速有效地跟踪超宽带(UWB)时变信道的变化,从而有效地补偿由于信道特性引起的干扰。在接收过程中,不需要训练序列就可以修正均衡器系数,从而获得发送信号的估计量。此外,该算法收敛快,稳定性好。仿真结果表明,该方法可以有效地跟踪UWB衰落信道的变化,并获得较小的误码率。     

盲源分离自适应算法的改进

指出了盲源分离自适应算法之间的联系,在满足多种性能择优标准前提下,引入了改进的非线性函数,该函数有效地实现了语音信号的盲分离,同时也提高了算法的收敛速度,实验表明该方法能够更快速地分离混迭语音。     

基于均衡器输出信号功率的盲均衡算法

从理论上分析了均衡器输出信号功率的变化规律，并将它作为控制步长的参量，形成一种基于均衡器输出信号功率的变步长CMA盲均衡算法。分析了算法中待定参数的选取原则，通过计算机进行了仿真实验，结果验证了改进算法相对于传统恒模算法有更好的收敛 性能。     

基于自适应卡尔曼滤波的盲多用户检测算法

对强多址干扰情况下码分多址系统的盲多用户检测算法进行研究,针对多径信道的码分多址系统,提出一种基于自适应卡尔曼滤波的盲多用户检测算法。该算法可在进行状态滤波的同时对未知噪声的统计特性进行在线估计,确保算法收敛于期望用户,提高检测器在动态环境下的跟踪性能。仿真结果表明,与最小均方算法及递推最小二乘算法相比,该算法具有更好的收敛性和动态性能。     

基于AI的5G下行增益控制算法

针对5G无线射频下行链路增益控制要求,在规范定义的极限高温或低温环境里、吞吐量满负荷或零负荷等各种场景下能够保持下行链路增益稳定的问题,提出一种基于人工智能（AI）的5G射频下行链路增益控制算法。该算法综合开环控制和闭环控制的优点,利用AI技术构建的模型,同时引入实时数据及时修正制参数,满足射频下行链路系统的增益稳定的要求,明显提高了系统处理速度,达到了节能的目的,最后通过数据验证了算法的有效性。     

基于自适应形态学边缘检测的时频检测算法

针对通信对抗中跳频信号的检测问题,提出一种基于自适应形态学边缘检测的时频检测算法。该算法把跳频信号的时频谱图SP(Spectrogram)视作一幅图像,首先利用多尺度结构元素对其滤波,再根据图像边缘方向自动选择相应方向的结构元素进行边缘检测,最后通过与设定的阈值比较判决跳频信号是否存在。仿真结果表明,此算法可以有效去除噪声和干扰信号,增强跳频检测系统鲁棒性、提高检测效率。     

DCT变换域盲图像水印的自适应检测

检测时无需原始图像的盲数字水印是实用的数字作品牌保护系统的关键技术之一，基于图像DCT交流系数的广义高斯分布模型，推理并实现了一种有效的自适应盲目图像印检测器，通过计算渐进相对效率证明了该检测具有较高的检测效率，实验结果表明该检测器具有良好的鲁棒性，优于Barni的线性相关检测器。     

基于天空分割的去雾算法在目标检测中的应用

针对道路目标检测的准确率受雾霾环境影响的问题,提出一种基于雾检测与天空分割的自适应去雾算法。提取道路环境中的雾检测区域并对其进行通道相关性以及亮度和饱和度比值的计算,以判别场景类别;对图像进行天空非天空区域的分割并对不同区域建立去雾模型,用于自适应去雾;将恢复后的图像应用到道路目标检测算法中,进行去雾效果验证和道路目标检测。实验结果表明,该算法提高了雾霾环境下目标检测的准确率。     

自适应剪枝LS-SVM算法在入侵检测中的应用研究

针对SVM方法计算复杂度和时间复杂度较高的缺点,提出一种自适应剪枝LS-SVM算法。该算法通过块增量学习、剪枝过程以及逆学习的交替进行,大幅减少了支持向量的个数,降低了算法的计算复杂度和时间复杂度。实验结果表明,同标准C-SVM算法相比,应用该算法的入侵检测模型在检测时间、检测精度方面有着较好表现。     

利用SVM改进Adaboost算法的人脸检测精度

提出利用SVM分类方法改进Adaboost算法的人脸检测精度。该方法先通过Adaboost算法找出图像中的候选人脸区域,根据训练样本集中的人脸和非人脸样本训练出分类器支持向量机(SVM),然后通过SVM分类器从候选人脸区域中最终确定人脸区域。实验结果证明,SVM分类算法可以提高检测精度,使检测算法具有更好的检测效果。     

AdaBoost算法在网络入侵检测中的实验研究

提高入侵检测系统的检测率并降低误报率是一个重要的研究课题。在对稀有类分类问题研究的基础上,将集成学习应用到入侵检测中,采用对高速网络数据进行分流的检测模型,把网络数据包按照协议类型进行分类,然后交给各个检测器,每个检测器以C4.5分类器作为弱分类器,用集成学习AdaBoost算法构造一个加强的总检测函数。进一步用SMOTE技术合成稀有类,在KDD‘99数据集上进行了仿真实验,结果表明这种方法可有效提高稀有类的检测率。     

自适应蚁群算法在流水车间调度的应用

以求解旅行商问题(TSP)来介绍基本蚁群算法模型.针对其存在的易陷入局部最优和易出现停滞等缺点,将自适应调节策略与蚁群算法结合,提出应用改进的蚁群算法求解流水车间调度问题,并通过仿真实验验证了该改进算法的有效性和优化性.     

入侵检测系统中Wu_Manber多模式匹配算法的研究

在研究和分析入侵检测系统中Wu_Manber算法的基础上,提出了一种改进的Wu_Manber算法.改进后的算法结合QS算法的思想,使算法在搜索阶段移动距离增大.同时对改进前后的Wu_Manber算法进行实验对比分析,结果表明,在英文或中文文本中,改进的Wu_Manber算法性能更优越,能更快速准确地检测到入侵行为.