排序方式: 共有21条查询结果,搜索用时 46 毫秒
1.
2.
恒模算法(CMA)是一种广泛应用于阵列处理、均衡、多用户检测中的盲算法.最小二乘恒模算法(LSCMA)由于其全局收敛性及稳定性受到关注.本文针对CDMA系统下行链路,基站知道小区内用户码字而小区外干扰用户码字未知的情形,提出一种适用的半盲LSCM多用户检测(MuD)算法.它将非盲多用户检测(本文中选用解相关MUD)与盲多用户检测技术(本文中选用LSCM检测器)相结合,首先根据小区内已知用户的信息,利用解相关MUD抵消小区内其它用户的干扰,接着利用LSCM算法抵消剩余的干扰.文中将SB-LSCM算法与已经提出的半盲解相关算法、LSCM算法和解相关算法进行了复杂度、SIR和BER性能的比较,并对SB-LSCM算法的SIR性能进行了理论分析.仿真结果表明SB-LSCM算法能够获得与半盲解相关相当的SIR的性能,但是其复杂度更低且在系统负荷大时能够获得优于半盲解相关算法的BER性能.另外,SB-SLCM算法能够获得较LSCM算法更快的收敛速度以及更加优良的性能. 相似文献
3.
下一代网络(NGN)将融合多种异构无线接入网络。为了在满足QoS限制下,最大化网络收益,在对WLAN/CDMA等效带宽的研究基础上,提出一种基于SMDP(半马尔可夫决策规划)的最优的联合呼叫接入控制(JCAC)方案,方案考虑了WLAN和CDMA网络间的相互影响,并将网络连接的联合呼叫控制问题等效成一个半马尔可夫决策过程,仿真表明方案相对于离散时间的MDP和在MDP基础上的JCAC算法具有明显的优势。 相似文献
4.
输出信噪比设阈值的广义选择性合并(OT-GSC)方法的性能分析 总被引:1,自引:0,他引:1
广义选择性合并接收(GSC)是一种在接收机复杂度与接收性能之间可以进行折中的分集接收方法,而输出信噪比设阈值的GSC(OT-GSC)在保证一定信噪比的前提下进一步降低接收机复杂度.分析了输出设阈值的广义选择性合并方法在Rayleigh衰落环境下的性能,利用虚支路方法将所涉及的相关随机变量的联合分布转化为独立随机变量的分布,从而推导出了闭式表示的平均误比特率的精确表达式.为了验证所给出公式的正确性,进行了大量的仿真实验,仿真结果与分析公式非常吻合. 相似文献
5.
6.
异构无线网络中基于SINR和层次分析法的SAW垂直切换算法研究 总被引:5,自引:0,他引:5
B3G或者4G无线网络体系致力于集成各种异构无线接入网络,其中一个主要的设计课题是支持垂直切换的研究。该文将多属性QoS考虑在内,针对各业务特点,提出一种基于SINR(信干噪比)和层次分析法(AHP)的SAW(简单加权法)垂直切换算法(SASAW)。它综合考虑SINR的影响以及要获得同等数据速率情况下,目标网络需要的等效SINR数值、用户通信代价、网络可用带宽等来构造属性矩阵做切换判决。为了评估性能,考虑3GPP定义的4类业务,利用层次分析法中的特征向量法来决定各个QoS属性之间的权重关系,构造比较判决矩阵并检验其一致性;根据判决矩阵,利用特征根法获得权重向量;最后根据属性矩阵和权重向量,利用SAW垂直切换算法进行判决。通过对算法的通过率、丢话率、垂直切换次数、平均用户代价等的性能比较,结果表明该文提出的算法能够根据各业务特点综合考虑各属性间关系,获得优良的系统性能。 相似文献
7.
针对当前云环境下属性基访问控制机制中采用中央授权中心带来的安全性问题,提出了分散多机构属性基加密DMA-ABE方案. 该方案采用多个授权中心负责用户密钥的分发,无需中央授权中心的协调;支持任意的线性秘密共享方案访问结构,访问策略灵活;采用代理重加密进行属性的即时撤销和授权,支持高效、灵活、细粒度的访问控制.安全性分析证明该方案达到选择明文攻击安全. 相似文献
8.
针对Ad hoc网络提出了一种新的媒体接入控制(MAC)协议——带有负载监听的多信道协议。它能够有效地解决多跳的Ad hoc网络中暴露节点的问题。在该协议中,每个节点都可以根据当前的信道负载来决定是否接入信道,并进行信道预留。在信道预留成功后,多速率的数据包就可以在指定的信道上不受干扰地进行同步传输。该机制允许一个节点同时占用多个空闲信道,不同节点间可以同时传递数据包。仿真结果显示,该机制要优于单信道的RTS/CTS模型,它提高了Ad hoc网络的吞吐量和抗干扰能力。 相似文献
9.
Android平台智能移动终端的网络互连和多媒体资源共享 总被引:1,自引:0,他引:1
分析了移动终端智能入网机制及Android系统下的Wifi模块。设计了一种Android平台智能移动终端的联网和多媒体资源共享软件。具有该软件的Android平台的智能终端,可主动接入Wifi为底层的DLNA共享网络,并实现各智能终端之间的多媒体资源共享和服务拓展。 相似文献
10.
近年来,现代信息技术进入高速发展的阶段,新的研究成果出现的同时也带来了新的难题和挑战,其中,对人工智能的研究应用到了人们生活和生产的各个方面,给社会生活带来了巨大的改变。在人工智能识别中的语音识别研究一直是重点研究项目,虽然基于人工神经网络引入声学理论的研究,让语音识别智能化的效率和准确率大大提高,但是随着对语音识别需求的增多,仍然出现了一些不足。因此需要基于大数据和深度学习,对语音识别进行改善和深入研究,本文通过探讨语言智能识别的现状,用基于大数据和深度学习的方法,改善语音识别中的语音提取,声音模拟和识别判断等,有效提高语音识别技术的发展。 相似文献