MIMO空时处理关键技术

MIMO无线传输技术是通信领域的一项重要技术突破,它能在不增加带宽与功率的情况下成倍地提高无线通信系统的容量和频谱效率,是新一代无线通信系统中的关键技术之一。本文探讨了MIMO系统中常用的几种空时处理的关键技术,主要包括MIMO信道建模、波束赋形、空时编码、空间复用等,及其这些技术所面临的问题以及进一步的发展方向。     

TD-SCDMA系统中Ⅲ型HARQ性能仿真分析

Chase组合译码算法是一种有效可行，能够提高数据传输速率的方案。文中对不同类型的HARQ的实现方式进行了分析和研究，对TD-SCDMA模式下的混合重传请求进行了伪代码编写和仿真，结果表明Chase码合并的运用大大降低了误码率，对通信系统的性能有显著的提高。     

层状边坡失稳机制及其力学模型

探讨了层状边坡的失稳机制及其影响因素,利用横观各向同性模型对层状边坡进行描述,重点介绍了模型的实施过程,指出边坡稳定性是由岩体强度和结构面强度共同控制的,与实际相符,并对工程的安全生产具有重要意义.     

基于CNN的毫米波无蜂窝大规模MIMO信道估计

针对小区间干扰导致蜂窝边缘无法满足不断增长的数据速率需求问题,毫米波无蜂窝大规模多输入多输出(Multiple-Input Multiple-Output,MIMO)系统被认为是一种很有前途的解决方案。然而,毫米波的高频率、大带宽以及接入点配置的大量天线给信道估计带来了较大挑战。将毫米波大规模MIMO信道矩阵视为二维图像,结合图像去噪方法提出一种基于改进去噪卷积神经网络(Improved-Denoising Convolutional Neural Network,I-DnCNN)的信道估计算法。通过具有注意力机制的压缩与激励(Squeeze-and-Excitation,SE)模块,自适应调整提取的全局特征以增强对信道噪声特征的学习,根据接收信号估计出噪声等级图且增添为输入,提升对噪声的鲁棒性。最后,采用残差学习的方式获得估计信道矩阵。利用理论信道模型和基于波束追踪的信道数据集进行的仿真实验结果表明,与去噪卷积神经网络(Denoising Convolutional Neural Network,DnCNN)算法相比,所提算法在两个数据集下的信道估计精度可分别平均提升2.27 dB和2.60 dB。