相关对数阴影信道条件下基于贪婪的最优感知节点集合选择算法

为了在资源使用效率与感知性能之间进行有效折中,通过分析感知节点集合的虚警概率上限,提出了一种基于贪婪的最优感知节点集合的自适应选择算法.理论分析结果与仿真结果均表明该算法可以快速地得到最优感知节点集合的近似最优解,并且该近似最优解与最优解之间的差别不大,但是其复杂度却大大降低,具有很好的实用性.     

用于短波接入网的稳健快速收敛的自适应回波抵消器

针对短波电台入网中对皮抵消的要求,本文提出采用基于ＬＳ准则的ＦＴＦ算法,同时把“稳健估计（ＲＥ）”应用于ＦＴＦ算法中,并设计出一种新的自适应回波抵消器结构,理论分析和计算机模拟结果都表明该回波抵消器具有收敛速度快,稳态误差小,稳定可靠,抗干扰能力强等特点,明显地提高了短波电台入网的性能。     

认知学习：电磁频谱空间机器学习新范式

随着无线设备及其应用呈现指数级增长,以及各种无线技术的出现,电磁频谱环境呈现环境多域、态势多维、应用多样、行为多变、信号密集的复杂特性.通过对海量数据进行即时有效的分析和处理,实现有效的频谱资源管控,对于频谱高效利用和电磁致胜显得尤为重要.以机器学习为代表的智能技术方法为电磁频谱数据分析提供了新的发展机遇,目前其已经应用于无线网络、频谱管理、资源管理等场景.然而,将机器学习应用于电磁频谱空间存在许多挑战.因为电磁频谱空间环境任务动态变化、高质量标记样本稀缺、频谱决策对高实时性的需求、知识利用和迁移困难等难点,现有机器学习算法难以很好地适用于电磁频谱空间的智能认知和决策.以干扰识别的研究为例,传统的技术包括信号特征提取和模式识别两个阶段.随着计算机算力的进步,深度学习技术凭借强大的特征表征能力逐渐占据主导地位.然而电磁频谱空间环境和数据往往存在未知、动态变化等不确定性因素,深度学习难以快速学习和适应未观测到的任务,其泛化性较差,且依赖大量高质量标记样本和人工调整超参数进行离线训练.因此,尽管深度学习在大多数研究场景中展现出了传统机器学习难以望其项背的结果,传统的机器学习图像识别模型仍然在...     

DSSS系统中基于变换域限幅LMS算法的窄带干扰抑制

在TR（TRansform Domain）LMS窄带干扰抑制算法的基础上。提出了一种AL（Amplitude Limiting）_TRLMS算法，该算法在原算法进行自适应滤波之前增加了一个变换域限幅过程。从而减小了算法的失调和特征值扩散度，使算法的收敛速度得到明显的提高。达到其他几种同类改进算法的水平．而计算复杂度在几种改进算法中却最小。     

W-CDMA 多业务传输中的码片均衡技术

介绍了一种新的W-CDMA中的抗多径接收技术，即码片均衡技术，它特别针对视频点播等高速业务，适用于下行链路多业务传输。并研究了码片均衡器的现状，探讨了码片均衡的发展趋势。     

多信道合作感知中基于信道可用概率的感知信道集合选择算法

首先分析了在给定感知信道集合和相应的可用概率集合条件下认知无线网络最大吞吐量的求解算法,接着给出了授权信道可用概率的估计方法,并在此基础上提出了一种基于授权信道可用概率估计的感知信道集合的次优选择算法。从分析结果与仿真结果可知,该次优选择算法与最优选择算法的性能差别不大,但是复杂度却大大降低了,另外该算法与已有算法相比可以得到更高的系统吞吐量。     

基于生成对抗网络的三维频谱态势补全

三维频谱态势是解决空天地信息网络中频谱资源利用不足的重要手段，可以表征功率谱密度在三维电磁空间的时空频分布情况，由此通信系统可“有的放矢”地实现频谱预测、频谱决策和频谱管控等多种应用。但受限于用户部署等因素，实际构建的三维频谱态势往往离散且缺损。因此，本文提出一种基于生成对抗网络的三维频谱态势补全算法。然后进一步提出一种改进的生成对抗网络结构和一系列的数据处理方法，以降低算法的补全误差和训练时间。仿真结果表明，所提出的算法能有效地对缺损三维频谱态势进行补全，并且其补全精度远优于传统插值方法。     

空间相关信道下一种合作感知节点集合选择算法

在空间相关信道条件下随着合作感知节点数目的增加,新增合作感知节点所带来的性能增益将会越来越小并趋近于零,同时系统资源使用效率也将会随着合作感知节点数目的增加而降低,因此在选择合作感知节点数目时需要在感知性能与资源使用效率之间进行折衷。本文提出了一种合作感知节点集合的贪婪选择算法。该算法首先在对感知性能和资源使用效率进行折衷的基础上得到判决门限,并依此判决门限选择满足条件的合作感知节点集合。仿真结果证明了所提出算法的有效性与可靠性。      

一种DSSS系统中窄带与多径干扰抑制级联算法

根据线性预测具有良好的抗窄带干扰性能但无法抑制多径干扰的特性,提出了一种窄带干扰和多径干扰抑制的级联算法即CNMS算法,理论分析表明本算法可以获得比线性预测算法更高的性能增益。仿真结果说明,CNMS算法在优于线性预测算法的同时还优于线性均衡算法。     

一种改进的适用于稀疏信道的完全反馈均衡器

为了在稀疏信道下有效地降低传统均衡算法的运算复杂度,在完全反馈均衡器CFE（complete feedback equalizer）之前,利用信道估计器针对稀疏多径信道提出了一种新的低复杂度的多径时延信道估计方法,仅对少量幅值较大的信道抽头做均衡。理论分析与基于实测信道的计算机仿真表明,这种算法通过对多径的跟踪降低了需要估计参数的雏数,从而提高了信道估计器的性能,并且降低了运算的复杂度。