基于多任务学习的MIMO-OFDM信号联合信噪比估计与调制识别

针对当前非协作通信中MIMO-OFDM信号信噪比盲估计与子载波的调制识别研究仅集中在单个任务中的问题,提出了一种将深度神经网络与多任务学习(MTL)框架相结合从而同时完成信噪比盲估计与调制识别的算法。首先利用特征值矩阵联合近似对角化算法(JADE)恢复发送信号,并提取恢复信号的同向正交(I/Q)分量作为浅层特征;然后搭建基于一维卷积神经网络(CNN)的多任务学习模型,通过联合训练信噪比(SNR)估计和调制识别两个任务,实现优势互补。仿真结果表明,所提算法可获得比单任务学习(STL)更优的性能,当信噪比为-10dB时,信噪比估计的均方误差降低了66.21%,调制识别精度提高了4.75%。另外,多任务学习模型在信噪比大于-1dB时,信噪比估计的均方误差小于0.1;信噪比为3dB时,调制识别的精度可达到100%。     

基于非正交对角化算法的非平稳信号盲分离

运用分段平稳的思想处理非平稳信号,对每一子分段信号进行计算,得到相关矩阵群,并运用非正交对角化算法(alternatmg columns diagonal centers,ACDC)求得分离矩阵的逆阵,从而在混合信号中分离出源信号.仿真结果表明,在信噪比为40 dB的情况下,信号的平均干扰比可以保持在-15 dB以下.因而采用分段平稳和非正交对角化算法相结合的思想来处理信噪比较高时的非平稳信号,可以取得较好的分离效果.     

信噪比辅助的OFDM系统剩余载波频偏估计算法

提出了一种适合无线衰落信道的剩余载波频偏估计新算法．该算法利用估计出的各个子信道信噪比,选择出高质量子信道,再利用这些高质量子信道上的判决数据,联合导频子载波上的数据共同估计剩余载波频率偏移．新算法具备导频辅助估计(PTA)算法和判决数据导向(DD)算法的优点．仿真结果表明,当平均信噪比大于10dB时,新算法的估计精度比PTA算法提高了至少3倍,比DD算法提高了至少20倍．     

改进的变阶数LMS自适应滤波算法

为了减小分数阶数变阶数最小均方算法(FTLMS)稳态滤波器阶数误差,提出了一种变误差宽度的变阶数LMS算法,并对该算法进行稳态理论分析,给出参数选择的依据.为了验证该算法性能,设置了3种仿真环境:信噪比(SNR)为20 dB、0 dB及冲击响应权系数呈稀疏分布.仿真结果表明,与FTLMS算法相比,在SNR为20 dB及冲击响应权系数呈稀疏分布仿真条件下,当收敛速度相同时,滤波器阶数稳态误差减小为10%,在SNR为0 dB时,滤波器阶数稳态误差减小为1/3.     

基于差分进化算法的MU-MIMO用户调度算法

为了使MU-MIMO系统的用户得到更公平的服务,提出了一种块对角化预编码下基于差分进化算法的用户调度算法.该算法将差分进化算法进行改进,使其可对任意可行大小的用户子集进行调度,并进行参数自适应,与改进的比例公平算法相结合进行用户调度.实验结果表明,在不同的信噪比和用户数下,该算法较改进遗传算法在效率方面有大幅度提高,且公平度、系统和数据率相对于改进遗传算法均有所提高,能有效地解决块对角化预编码下的用户调度问题.     

非正交联合对角化盲源分离算法

提出一种表征联合对角化近似程度的代价函数,给出优化该代价函数的非正交联合对角化算法．该代价函数对经典的最小二乘代价函数进行了改进,使原算法中关于混迭矩阵的四次函数转化为3组待定参数的二次函数．因此,可通过基于梯度下降法的迭代算法交替估计3组待定参数,搜索代价函数最小点,从而得到混迭矩阵的估计,实现盲源分离．分析了算法的收敛性能,证明存在估计误差时,该算法依然全局渐进收敛．仿真结果表明,与经典的非正交联合对角化(ACDC)算法相比,该算法收敛所需计算时间仅为ACDC的一半,而全局拒噪水平改善了6dB,可有效地解决瞬时盲源分离问题．     

MPEG-2/MPEG-4实时转换I帧的快速补偿算法

基于离散余弦变换(DCT)域的MPEG-2到MPEG-4实时转码中,MPEG-2 的帧内编码帧(I帧)进行部分解码后所得到的DCT数据不能直接在 MPEG-4 重量化中使用,提出了一种基于DCT域的I帧快速补偿算法.该算法避免了重新进行DCT变换和逆变换,每个宏块节省6次DCT变换和6次逆DCT变换的时间.实验结果表明,与采用像素域补偿算法进行I帧转码相比,采用快速补偿算法节省了65.05％的时间,并且转码后I帧的峰值信噪比(PSNR)值偏差不超过0.001dB.     

基于时频联合的长PN序列快速捕获算法

针对低信噪比下长周期PN序列捕获中存在的捕获速度慢、捕获效率低等问题,从直接捕获角度出发,提出一种基于时频联合的长PN序列快速捕获算法.首先,对部分频域捕获进行研究,提出了频域分段和频域采样两种频域捕获方案.将部分频域捕获与时域均值捕获算法结合,利用本地均值序列和接收均值序列进行频域采样捕获,有效提高了捕获效率.仿真结果表明,在信噪比-10dB、捕获相位范围221的条件下,该算法捕获速度较时域快速算法提高约15倍,能够较好地适用于低信噪比下长PN序列快速捕获.     

基于非正交联合对角化的盲波束形成

该文提出了一种基于非正交联合对角化的盲波束形成算法。该算法不需要预白化,直接对阵列接收信号的四阶累积量矩阵进行联合对角化,得到非正交的分离矩阵,避免了由白化引入的误差。仿真实验表明,新算法在低信噪比下相比于JADE算法有更好的分离效果,而且该算法还可以通过增加采样数据点长度来提高分离性能。     

一种导频与数据联合辅助的半盲信噪比估计算法

提出了一种新的适用于MPSK突发通信系统的半盲信噪比估计算法。基于EM算法结构,已知的导频符号和未知的数据符号被同时用于信噪比估计,在保证系统频谱效率的前提下,有效提升了估计性能。理论分析和仿真试验表明,该方法的性能优于仅使用导频符号的数据辅助估计方法,同时在较宽的信噪比范围内优于仅利用未知数据符号的最大似然方法、二阶四阶矩方法(M2M4)等其它经典的盲信噪比估计方法。