一种基于平均互信息的预编码矩阵选择方法

在长期演进系统下行链路闭环传输模式中,当子载波数较大时,会造成计算量和反馈量过大。为解决该问题,提出一种基于平均互信息的预编码矩阵选择方法。将K个子载波划分成D个子载波组,对每一个子载波组的信道矩阵进行算术平均,利用信道均值选择一个预编码矩阵,使足个子载波上的和速率最大。仿真结果表明,该方法与已有的预编码矩阵选择方法相比,在误块性能和容量性能基本不变的前提下,计算复杂度明显降低。     

MU-MIMO系统的用户调度和预编码联合优化

提出了一种有限反馈下多用户MIMO下行链路中用户调度和预编码的联合设计方法。在该方法中,每个用户向基站反馈自己希望的预编码向量序号,以及量化误差和自己信道的最大奇异值这两个标量。基站根据估计的信干噪比,选取信干噪比最大的一个用户,利用该用户反馈的预编码向量来生成一个预编码矩阵。基站继续逐个地选择其他用户,选择的准则是用户的信道能更好地匹配这个生成的预编码矩阵中的向量。该方法同时解决了多用户MIMO系统中,用户调度和预编码向量的设计这两个问题,属于一种跨层设计。仿真结果验证了所提方法的有效性。     

基于SJNR准则抑制多小区间干扰的自适应网络预编码研究*

针对多输入多输出（MIMO）多小区协作系统中下行链路的同频干扰问题,利用基于SJNR准则的自适应网络预编码,通过基站协作有效地对抗小区间干扰。首先给出了基于SJNR准则的自适应预编码设计,该方案可以在各基站采用独立的线性预编码技术对小区间干扰进行有效抑制,然后分为市区和郊区两种情况分别得到基于SJNR准则的自适应网络预编码。仿真结果表明,采用该方案有效地抑制了小区间干扰,系统性能有明显改善,同时还降低了系统的复杂度。     

互信息深度稀疏自编码融合DLSTM预测网络

针对工业系统变量之间存在动态和相互关联特性导致关键变量预测精度降低问题,提出一种互信息深度堆叠稀疏自编码数据特征网络（mutual information-deep stack sparse auto-encoder,MI-DSSAE）结合深度长短期记忆（deep LSTM,DLSTM）预测模型。MI-DSSAE模型对稀疏编码器改进,采用堆叠稀疏编码器结构,引入互信息作为重构损失权重,对多个稀疏编码器隐层迁移并微调。预测部分采用深度DLSTM网络结构,用双层Bi-LSTM结构对序列数据的动态变化特性双向捕捉,将输出数据输入到普通LSTM进行记忆处理,进行全连接层加权预测关键质量变量。采用流程化工业案例脱丁烷塔的C4含量对提出的模型验证,同时对比RNN、LSTM、GRU模型以及MI-DSSAE-RNN、MI-DSSAE-LSTM、MI-DSSAE-GRU等模型,通过RMSE、R2和MAE多项回归误差指标对比分析,验证MI-DSSAE-DLSTM模型的有效性。     

多用户MIMO系统预编码技术的研究

多天线基站和多用户可以组成一个多用户MIMO系统,为获得更高的系统容量和高效传输性能。预编码是一种应用于发射端以达到抑制多用户间干扰的预均衡方法。基于非理想信道状态信息(CSI)条件,针对多用户MIMO系统的下行信道,研究了线性ZF预编码和非线性THP预编码的性能,给出了接收端信号与干扰和噪声比SINR的近似表达式。对两种THP变体结构,dTHP结构和cTHP结构进行了性能仿真比较。仿真结果表明,cTHP结构的性能要优于dTHP结构。同时,给出了信道估计误差对cTHP结构BER影响的定量仿真结果。对非理想CSI下的预编码技术选择提供了一定的依据,并对限定信道估计误差的偏差程度具有参考意义。     

PG-HMI:一种基于互信息的特征选择方法

传统的基于样本的互信息估计方法不能直接处理离散、连续属性混合的情况.本文给出一种能够直接处理混合属性的互信息估计方法(PG法).为了更好地考虑属性之间的关联,提出名为HMI的特征选择准则.结合PG互信息估计方法和HMI特征选择准则,给出一种新的特征选择方法(PG-HMI).实验结果验证PG互信息估计法的合理性及PG-HMI特征选择方法的有效性.     

GSM全速率语音编码中Schur递归算法的FPGA实现

Schur递归算法是GSM全速率语音编码算法中计算短期滤波参数的一个关键部分。由于它是一个典型的双循环结构,所以在算法的FPGA实现中也具有代表意义,本文对Schur递归算法的特点进行了详细的分析,提出了一种利用FPGA实现Schur递归算法的方案,并对其实现过程中各模块的设计方法进行了详细的分析。     

基于最大互信息和量子粒子群优化算法的医学图像配准研究*

研究了基于最大互信息的图像配准算法,在图像配准中引入了新的相似性测度,在分析具有量子行为的粒子群优化算法基础上,将量子粒子群算法作为优化策略用于图像配准并与Powell算法和PSO算法进行了仿真比较,对仿真结果进行了分析。     

MIMO+OFDM系统中量化预编码的自适应反馈方法*

首先介绍了MIMO OFDM系统中线性预编码的原理,并在此基础上提出了一种量化预编码的自适应反馈方法,即将移动终端反馈的移动速度和信道质量指示作为量化预编码确定反馈时间间隔和频域间隔的判决门限,可实现根据信道变化的快慢调整预编码矢量对应的资源块大小,使预编码矢量更符合实际的信道状态。通过仿真证明,该自适应反馈的量化预编码方法比非自适应的量化预编码方案更接近信道容量,可实现更稳定、更好的传输能力。     

基于GSM的无线通信网络优化研究

GSM俗称是"全球通",这种移动通信技术标准起源于欧洲,第二代移动通信技术即以此为核心,促进全球各地的用户来共同使用一个移动电话网络标准是其终极目标,因此,优化移动通信网络服务质量势在必行。GSM通信网络的优化,即是通过一系列有效的技术手段,如整合系统各种参数、完善设备资源,从而使移动网络在最佳状态下通畅运转。文章分析了GSM通讯网络优化的三个优点,指出网络优化源于网络维护却又高于网络维护,GSM网络的优化工作具有持续性、长期性、艰巨性等特点,GSM网络优化的工作性质要求相关人员具有较高的技术能力。通过对实际优化案例的分析,提出了依照的诊断方法,并阐述了具体优化方案,对合理改善方法、调整网络质量进行了详细的研究。     

基于ITK的Mattes互信息医学图像配准研究

近年来非刚性医学图像配准在临床上的需求越来越明显,而使用互信息的方法已经受到许多学者的关注。本文较为详细的介绍了医学图像分割与配准算法工具包在VS2008中的安装和使用,基于该工具包完成了2D-2DMRI脑部图像的Mat-tes互信息配准,对互信息算法及其实现做了研究,并提出了使用图像金字塔算法策略联合互信息测度进行配准的方案。实验表明,与没有使用联合策略的配准方法相比,该方案在配准鲁棒性没有受到明显影响的同时,提高了配准速度和精度。     

基于互信息的磁共振颅脑图像配准

基于互信息的全局配准算法是近年图像配准研究的热点之一,此法具有精度高、鲁棒性强的特点.但是在计算互信息的时候,采用部分体积插值计算联合直方图无法避免在像素褴数倍位移处的局部极值,从而会造成误配准.分析了局部极值产生原因,然后根据信息熵的基本性质,提出了一种降低配准图像灰度等级的方法.这种方法抑制了因PV插值所引起的局部极值情况,平滑了信息熵的曲线.然后采用Powell优化算法对信息熵函数进行寻优.实验结果表明配准精度可以达到亚像素级.     

一种基于互信息的复杂网络节点重要性评估方法

在复杂网络中,如何量化节点的重要性是一个基本问题。首先阐述了现有的计算方法,在此基础上提出了一种基于互信息的节点重要性评估方法。该方法揭示了网络拓扑结构特性,准确反映了节点的相对重要程度。对该方法进行了实验论证,并与现有方法进行了分析比较,结果表明基于互信息的评估方法简单有效,特别适用于大型复杂网络节点重要性的评估。     

一种基于互信息最大化的模型无关基因选择方法

针对大规模基因芯片高维度的基因表达数据存在大量无关和冗余特征可能降低分类器性能的问题,提出了一种基于互信息最大化方法(MMI)和与遗传算法的模型无关的基因选择方法来将特征选择转化为全局优化问题,其中的适应度函数定义为类间距离与类内距离之比,适应程度高。为了评价算法的性能,采用3个数据集进行了实验,结果表明MMIGA-Selection取得了较好的效果,在每个数据集上获得了较高的5折交叉验证正确率。MMIGA-Selection主要有两个优点:一是可以有效减少冗余基因;二是模型无关性,选择得出的特征子集可直接用于其他类型的分类器,分类精度较高。     

基于互信息的RBF神经网络结构优化设计

以设计最小RBF网络结构为着眼点,提出了一种基于互信息的RBF神经网络结构优化算法.该算法用k近邻统计法估计隐节点输出矩阵与输出节点输出矩阵之间的互信息,获得每个隐节点与输出节点之间的相关性度量,删除相关性最小的隐节点,进而达到优化网络结构的目的.该算法具有自恢复机制,在简化网络结构的同时能有效保证网络的信息处理能力.在人工数据集和真实基准数据集上的仿真实验验证了该算法的有效性与稳定性.     

基于互信息和本体的协同检索模型的研究

在信息检索中,用户习惯用尽可能少的关键字来检索信息,这必然会导致检索结果与用户需求存在较大偏差.针对这一问题,我们提出了基于互信息的语义扩展模型(QSE_BMI)[2],结合用户兴趣模型,对用户输入的查询问句进行语义扩展.本文在QSE_BMI基础上,利用互信息与本体互补性,建立基于互信息和本体的协同检索模型,从而提高了信息检索的查全率与查准率.     

基于定性互信息的定性概率网歧义性约简

针对符号传播算法在符号相反的两条平行路径上进行推理时常常产生歧义性,提出一种基于定性互信息的歧义性约简方法。首先,给出定性互信息的严格定义。然后,提出基于定性互信息影响强度的定性概率网,进一步区分影响强度,并证明具有强度的定性影响的对称性、传递性和复合性。最后在Antibiotics数据集上,通过与已有方法推理结果的对比实验,验证该歧义性约简方法的正确性和高效性。理论分析和实验结果表明,基于定性互信息的定性概率网既保留定性推理的简明性,又能够有效约简定性推理的歧义性。     

基于AD AM5510和GSM的水情远程测报系统设计

水渠水位测量具有测点多而分散的特点;传统的水渠水位测报系统采用人工检测的方法获取水位数据,整个测量过程繁琐、费时,而且易受人为因素影响;为了向水位监测中心提供精确、及时的水位检测数据,介绍了一种基于ADAM5510和GSM技术实现水渠水情远程自动测报的系统;具体给出了系统结构、工作原理,系统分为设在现场的现地控制单元和设在控制中心的集控层;论述了利用GSM实现远程通信的方法;目前,该技术已实际应用,成功地实现了水位信息的自动采集、存储、远程通信及实时查询;根据水位信息的实时变化,采用模糊控制技术实现对闸门的自动控制。     

基于视点互信息的树叶实时简化方法

三维树木模型在虚拟地理环境,三维城市场景等领域中应用广泛,但由于树木中包含丰富的几何信息,难以对大规模的森林场景进行有效的渲染.为此我们设计了一种基于视点互信息(Viewpoint Mutual Information, VMI)的树木实时简化方法.在预处理中按照树枝间的拓扑关系将树木划分为具有父子关系的节点,然后根据VMI计算每片树叶在多个视点下的平均重要度并以此对树叶进行排序,重要程度较小的树叶在简化过程中将会被优先删除.实时简化过程中,我们提出了一种视点依赖的简化方法,大大降低了需要渲染的数据量.为了提高渲染森林场景时的性能,我们使用了多种渲染优化措施以避免不必要的细节层次(Level Of Detail, LOD)切换.