一种5G分布式联合传输策略研究

在5G超密集网络UDN部署的低功率节点覆盖下,小区覆盖重叠严重导致了小区间存在较大的同层干扰,由用户话务在时间和空间上分布不均匀而产生的小区负载不均衡造成了小区网络资源的严重浪费,小区用户体验大幅度降低。基于5G网络和TDD-CoMP技术的新特征,构建了一种以用户为中心的5G分布式联合传输模型,对模型中的干扰、功耗以及速率解决方案进行了分析,最后得出一种可有效降低系统能耗,提升用户整体的速率的5G分布式联合传输策略研究方案。     

5G双小区协作流动热点补偿研究

在通信用户数密集用户业务总量较多的UMi场景下,无线网络节点较多小区覆盖半径较小,用户在小区间移动导致小区间用户分布不均匀,原有用户数及业务量标准部署的5G异构网络相对稀疏,无法满足用户流动产生热点热时容量需求时,双小区协作流动热点补偿采用异构网络多点协作传输技术对小区进行补热,将处于相同移动状态的多个用户虚拟成一个以中心用户为中心的用户簇,建立3D MIMO流动热点模型,提出在两小区以用户最小传输速率为约束条件,最小化小区基站总功率的优化算法,得出高容量、高速率用户体验的"潮汐效应"解决方案。     

高阶最优LPC根值筛选的共振峰估计算法研究

为解决线性预测（LP）共振峰检测误差较大的问题,针对高阶LP提取共振峰中伪根难以去除及极点交互带来的频谱混叠,提出一种基于高阶最优LP系数根值筛选的共振峰估计算法。考虑提高LP的阶次,获取含有更高线性峰值拟合精度的线性系统根值。采用语音数字共振模型约束共振峰的根幅值范围,滤除非共振峰频率值对应的伪根。结合功率加权来预加重信号的主要频谱成分,提高频谱峰值频率区分度。实验结果表明,所提算法消除了高阶邻近极点间的相互干扰,去除了非共振峰谐波对应的高阶伪根,与其他算法相比,所提算法定位语音信号共振峰频率的误差更低,更能稳定精确地检测共振峰。     

噪声环境下听觉特征融合的语种识别

针对单一信号特征CFCC与GFCC在低信噪比下识别率不高的问题,提出一种噪声环境下听觉特征融合的语种识别方法。在特征提取前端对含噪语音信号进行端点检测,然后结合谱减法与维纳滤波器对信号进行噪声滤除;再根据人耳听觉频率集中范围采用带通滤波器滤除高频以及低频中噪声,进一步减小噪声对信号特征提取的影响;提取GFCC融入CFCC构成融合特征,再采用主成分分析对融合特征进行降维处理;最后将处理后的融合特征通过频域注意力Fcanet网络模型进行分类识别。实验对比不同特征在不同信噪比下的性能实验表明,融合特征较单一特征语种识别率有显著提升,特别在0 dB信噪比下较单一特征GFCC和CFCC识别准确率分别提升了9.75%和11.08%,具有较强的鲁棒性。