在相关多入多出(MIMO)信道中的可变速率多用户分集技术

在本篇文章中,我们研究基于MIMO虚拟信道表述的可变速率多用户分集技术.为实现慢衰落相关信道中的多用户分集,本文在发射端采用随机波束成形技术,并提出一种新的利用MIMO虚拟信道来产生随机波束成形矩阵的方法.同时,我们对期望用户的子信道采用自适应编码调制技术,以进一步提高系统性能.     

GM-RC,AJ-RC FIR系统辨识方法的改进

本文讨论基于高阶累量辨识非最小相位FIR系统问题.在文献[1,2]提出的GM-RC, AJ-RC算法的基础上,提出了一种改进算法.模拟实验结果表明:改进算法有效地抑制了传 播误差并进一步简化了运算,因而性能更加优越.     

NEW APPROACH TO HARMONIC RETRIEVAL IN NOISE

This paper addresses the harmonic retrieval problem in non-Gaussian ARMA noise. A hybrid ESPRIT approach using second-and third-order statistics is proposed. First, third-order statistics are used to identify the AR part of the non-Gaussian noise process, then the noisy measurements are filtered by AR polynomial, finally, the harmonic signal parameters are estimated. Simulation examples show the effectiveness and high resolution of the new approach.     

自适应参数型多径时延估计方法的研究

在考虑多通道非平稳信号干扰及背景噪声的情况下,提出了基于自适应参数类型时间延时估计方法。该方法能准确地进行多径传输情况下的时间延时估计,有效地抑制干扰和噪声的影响。仿真结果说明了该方法的有效性。该时间延时估计方法可用于声纳及雷达系统的目标定位。     

非高斯ARMA噪声中谐波恢复的杂交ESPRIT方法

本文研究非高斯ＡＲＭＡ噪声中的谐波恢复问题，提出了一种基于二阶和三阶统计量的杂交ＥＳＰＲＩＴ方法，该方法先估计噪声过程的ＡＲ部分参数，然后对观测值进行预滤波，最后估计谐波信号参量。模拟实验还验证了该方法的有效性和高分辨率。     

面向智能通信的深度强化学习方法

在如今信息爆炸的时代,无线通信终端的激增导致无线通信网络规模剧增。同时,人们日益提高的通信需求使无线通信网络必须通过精准的按需服务来充分利用有限的资源。这二者使得传统人工建模并优化求解的网络管理方法在未来将会遇到瓶颈。幸运的是,人工智能和机器学习的出现为解决这一问题提供了新的途径。作为一种数据驱动的机器学习方法,深度强化学习能够直接学习动态环境规律并得到最优决策。因此,深度强化学习能赋予网络依据自身环境进行自我优化管理的能力,令智能通信将成为可能。本文从资源管理、接入控制以及网络维护三方面介绍了深度强化学习在无线通信上的应用,以此说明深度强化学习是实现智能通信的有效途径。     

非高斯相关噪声中高斯信号的时延估计

高阶统计量在信号处理中成功的应用例子之一是估计高斯相关噪声中非高斯信号的时延参数.本文则研究非高斯相关噪声中高斯信号的时延估计问题,提出了一种解决该问题的混合方法.该方法先计算观测值的三阶累积量,然后利用累积投影公式计算观测噪声的二阶统计量,最后利用互相关方法确定信号时延参数.仿真结果验证了该方法的有效性.     

AN IMPROVEMENT OF THE RECURSIVE CLOSED-FORM ALGORITHM FOR NON-MINIMUM PHASE FIR SYSTEM IDENTIFICATION

An improved algorithm which is based on the recursive closed-form algorithm fornon-minimum phase FIR system identification via higher order statistics is presented.In order toincrease the parametric estimation accuracy,the improved algorithm uses the optimal iterativemethod to seek the nonlinear least-square solution.Finally,the simulation examples are alsogiven.     

非高斯有色噪声中的正弦信号频率估计

本文研究非高斯ＡＲＭＡ有色噪声中的正弦信号频率估计问题。利用自相关函数和三阶累积量相结合，提出了一种先估计噪声模型ＡＲ参数，然后对观测值进行预滤波，最后估计信号模型参数的新方法，模拟实验结果表明，新方法具有良好的频率估计性能。