大规模MIMO系统的改进MCMC检测算法

大规模MIMO(多输入多输出)技术通过配置大规模天线阵列提高系统的频谱和能量效率,接收算法的复杂度是其实现的瓶颈。MCMC(马尔可夫链蒙特卡罗)检测方法可以较低复杂度获得接近理论最优的性能。提出一种改进的MCMC算法,将超松弛迭代方法应用于MCMC检测,引入松弛因子加快马尔可夫链收敛速度,降低检测复杂度。仿真结果表明,该算法能改善系统的误码率(BER)性能,解决传统MCMC算法在高信噪比条件下的"陷入"问题,同时降低运算复杂度。     

一种基于BP和WED的级联译码算法

在研究WED（Weighted Erasure Decoding）算法的基础上,提出了一种新的针对中短LDPC码的BP-WED级联译码算法。BP算法是软输入软输出的算法,当BP译码失败后,其输出软信息进行分级量化,送入WED算法。由于WED算法时间复杂度低,适于硬件实现,因此BP-WED级联译码算法要比BP-OSD等级联译码算法更具有硬件可实现性。仿真显示提出的BP-WED算法是有效的,可以在计算复杂度和性能之间进行较好的折衷。     

结合最小均方误差的改进球形译码检测算法

在多输入多输出(MIMO)系统的信号检测算法中,球形译码算法的检测性能最接近最大似然算法,但传统球形译码算法运算复杂度较高。为降低球形译码算法复杂度,提出一种新型的球形译码检测算法。新算法由改进的快速球形译码算法与最小均方误差算法相结合而成。改进的快速球形译码算法通过在球形半径收缩时乘上一个常量参数来提高半径收缩速度,减少算法搜索的信号点数,从而达到降低复杂度的目的。最小均方误差算法则能够通过减小噪声对接收信号的干扰来降低因搜索噪声点而产生的复杂度。将最小均方误差算法的信道矩阵应用在改进的快速球形译码算法中,将两种算法有效地结合,能够进一步降低算法复杂度。仿真结果表明,当信噪比(SNR)低于10 dB时,新算法相比于原始球形译码算法,检测性能平均提高了9%左右。     

基于逐分量软干扰删除的迭代线性检测算法

提出了一种新型基于调制符号的分量进行干扰删除和线性最小均方误差滤波的软输入软输出检测算法,并采用软输入软输出的多入多出MIMO检测器和信道编码串行级联的迭代检测译码IDD结构。该算法充分利用正交调制符号同相分量和正交分量的独立衰落特性,达到检测中更加准确的软干扰删除。外信息转移EXIT图表明该算法比传统的逐符号软删除算法具有更低的临界信噪比。数值仿真也验证了提出的基于调制符号的分量删除的线性检测算法比采用调制符号级的删除具有更优的误码性能,并且仍然具有低复杂度的特性。     

基于不同SISO算法的TC编译码器仿真及其性能分析

软输入软输出(SISO)译码器既是构成Turbo Codes编译码器的核心部件,又是导致设计成本和译码延时的主要因素之一。文章介绍两种用于递归卷积码译码的改进的软输入软输出最大后验概率译码算法MAP和SOVA,并对这两种算法改进前后的复杂度和相应的译码延时进行对比分析;根据基于这两种算法的TurboCodes编译码器的计算机仿真结果,就算法的计算量、实现成本、延时开销和纠错性能等问题进行了综合分析,对进一步简化算法的可能性做了探讨;最后对Turbo Codes编译码器的工程实现给出探索性建议。     

室内可见光多用户MIMO系统改进BD预编码算法

块对角化(block diagonalization, BD)算法是一种多输入多输出的传统线性预编码算法,其核心思想是通过奇异值分解(singular value decomposition, SVD)找到干扰矩阵零空间的正交基,从而完全消除多用户干扰(multiuser interference, MUI),但是随着收发端数目的增多, BD预编码算法所需的计算复杂也大大增加,成为了制约其发展的关键因素之一.为此,本文提出了一种改进的低复杂度BD算法——基于正交分解中的施密特正交化求逆与格基规约操作的组合算法,对传统BD算法两次高复杂度操作的奇异值分解用施密特正交化和格基规约操作进行替换,从而降低算法复杂度.结果表明,本文改进算法的计算复杂度上降低了46.7%,系统和容量上得到了2–10 bits/Hz的提高,同时误码率上得到了2个量级的优化.     

基于矩阵和求逆及MRC的低复杂度MIMO检测器

信道编码MIMO系统需要检测器具有软输入软输出特性,而常规的检测算法通常具有很高的计算复杂度,阻碍了其在实际中的应用.提出一种低复杂度MIMO检测方案.首次迭代中,利用低复杂度快速矩阵和分解方案来获得MMSE检测输出,避免了常规矩阵和求逆中的Jordan标准型化简;其余迭代中,利用信道解码器提供的软信息将MIMO系统转...     

大规模天线系统中基于软判决的MIMO信号检测算法

在大规模多输入多输出(MIMO)系统下,提出了一种基于软判决的改进MMSE(IMMSE)信号检测算法。在IMMSE算法中,把MMSE算法检测值作为算法的初始值并采用迭代干扰消除技术。进一步使用对数最大似然比(LLR)将检测序列进行排序,提出一种有序的IMMSE(OIMMSE),并使用软判决技术来提高算法的检测性能。在不同天线数的MIMO系统下,对IMMSE算法和OIMMSE算法进行误码率性能仿真。仿真结果表明,OIMMSE算法和IMMSE算法性能明显优于MMSE。而且提出的新算法随着天线数的增加,越来越接近单输入单输出(SISO)在加性高斯白噪声下的性能。由此可见,新算法对大规模MIMO系统是有效的。     

大规模MIMO系统的改进RTS信号检测算法

大规模多输入多输出（MIMO）技术通过基站端天线数量的增加有效提高频谱效率,降低传输功率,使其成为5G移动通信系统的一项关键技术。可是随着天线数量的增加,上行链路信号检测算法的复杂度大幅增加,原有检测算法无法实现。基于机器学习和人工智能的主动禁忌搜索算法（RTS）凭借着复杂度低的优势脱颖而出,成为业内的研究热点。针对RTS算法初始值计算复杂度过高这一问题,提出基于BC-GS（Block Constellations-Gauss Seidel）迭代算法求解初始值的RTS信号检测算法,使其在达到原有算法误码率性能的前提下,从而进一步降低算法复杂度。     

一种新的Turbo乘积码简化迭代译码算法

针对二维TPC码提出一种新的简化迭代译码算法以及一种新的译码器迭代结构。该算法在Chase迭代软输入软输出译码的基础上,通过简化软输入信息和外信息的计算来降低译码复杂度和系统存储量。仿真结果验证了该算法的正确性和可行性。     

核聚类启发式转导SVM

传统转导支持向量机有效地利用了未标记样本,具有较高的分类准确率,但是计算复杂度较高。针对该不足,论文提出了一种基于核聚类的启发式转导支持向量机学习算法。首先将未标记样本利用核聚类算法进行划分,然后对划分后的每一簇样本标记为同一类别,最后根据传统的转导支持向量机算法进行新样本集合上的分类学习。所提方法通过对核聚类后同一簇未标记样本赋予同样的类别,极大地降低了传统转导支持向量机算法的计算复杂度。在MNIST手写阿拉伯数字识别数据集上的实验表明,所提算法较好地保持了传统转导支持向量机分类精度高的优势。     

基于阴影域的搜索树检测算法

大规模多输入多输出（MIMO）系统中，随着天线数目的增加，传统的信号检测算法的检测性能大幅度下降，复杂度呈指数增长，且不适用于高阶调制。针对大规模MIMO场景，基于阴影域思想提出一种结合二次规划（QP）与分支界限（BB）算法的搜索树检测算法。首先，构造QP模型，并针对一阶QP算法后的解向量，提取落入阴影域的不可靠符号；然后，将落入阴影域的不可靠符号进行BB搜索树检测以求得最优解；同时，为了降低复杂度，提出三种搜索树修剪策略，在性能和复杂度之间折中选择。仿真结果表明，在大规模MIMO场景下，在调制阶数为6的正交幅度调制（QAM）时，提出的基于阴影域搜索树检测算法比QP算法提升了约20 dB的性能增益，在256QAM调制时，比QP算法提升了约21 dB的性能增益，验证了算法对高阶调制的适应性，同时，与传统的搜索树算法相比，使用相同修剪策略，复杂度降低了50%左右。     

基于补零的Zadoff-Chu序列检测算法

介绍单载波频域均衡系统的随机接入方案,提出一种基于补零扩展的Zadoff-Chu序列的前导检测算法。使用素数Zadoff-Chu序列作为用户签名,接收端采用基于时域补零扩展的频域检测方法进行前导检测。仿真结果表明,与传统时域检测算法相比,该算法能在保证检测效果的同时,降低90%计算复杂度。     

融合SUSAN算法和Robert算法的图像边缘检测滤波处理技术

研究了图像边缘检测算法并进行了滤波处理。由于传统的SUSAN算法对阂值的选择比较难,难以得到更多的图像信息,因此提出了一种基于Robert图像边缘检测技术的改进型算法,其融合了SUSAN特征点匹配技术,同时采用均值滤波算法去除图像检测过程中的噪声,最后采用图像细化方法对图像进行细化处理。经仿真实验表明,提出的改进算法能够有效地对图像进行检测,降低了算法的复杂度。     

一种深度学习的非机动车辆目标检测算法

针对道路交通场景目标检测问题,提出采用EdgeBoxes算法和深度学习融合的非机动车辆目标检测方法,利用深度学习目标分类算法Fast R-CNN,结合VOC格式的非机动车辆数据样本,把道路交通场景中的目标检测问题实化为自行车（bicycle）和电动车（evbike）的分类问题。利用EdgeBoxes算法提取样本的目标建议构建适量的感兴趣区域,和样本一起输入网络进行迭代训练,同时引入正则化思想和微调策略进行网络优化,降低网络复杂度并避免过拟合现象;网络训练后得到非机动车辆目标检测模型,对模型进行新样本测试并分析测试效果。在道路交通场景目标检测中,基于EdgeBoxes算法和优化Fast R-CNN融合的方法与传统方法相比,检测准确度稍有提高,运算量明显降低,检测速度加快近一倍。     

基于代价敏感集成分类器的长方法检测

长方法(Long Method)是由于一个方法太长而需要重构的软件设计的问题。为了提高传统机器学习方法对长方法的识别率,针对代码坏味数据不平衡的特性,提出代价敏感集成分类器算法。以传统决策树算法为基础,利用欠采样策略对样本进行重采样,进而生成多个平衡的子集,并将这些子集训练生成多个相同的基分类器,然后将这些基分类器组合形成一个集成分类器。最后在集成分类器中引入由认知复杂度决定的误分类代价,使得分类器向准确分类少数类倾斜。与传统机器学习算法相比,此方法对长方法检测结果的查准率和查全率均有一定提升。     

低复杂度PDCCH盲检测算法

针对LTE系统中PDCCH传统盲检测平均计算量大的问题, 提出一种低复杂度的PDCCH盲检测算法。该算法通过频谱感知从原始集合中剔除无效PDCCH以缩小PDCCH盲检测范围, 并利用PDCCH编码特点重新排列剩余的PDCCH盲检测顺序, 从而减少PDCCH平均检测次数。对算法频谱感知的判决门限进行了理论推导, 并给出了盲检测顺序重排的方法。仿真验证了理论推导的正确性, 与传统PDCCH盲检测方法相比, 该算法能够有效减少盲检测的平均检测次数。     

改进YOLOv3在机场跑道异物目标检测中的应用

针对机场跑道异物（Foreign Object Debris,FOD）的小目标特点,提出一种基于改进YOLOv3的FOD目标检测算法。以YOLOv3网络为基础,采用运算复杂度相对更低的Darknet-49作为特征提取网络,并将检测尺度增加至4个,进行多尺度特征融合。使用基于马尔科夫链蒙特卡罗采样（Markov Chain Monte Carlo sampling,MCMC）的[K]-means++算法对标注边界框尺寸信息进行聚类分析。训练时引入GIoU边界框回归损失函数。实验结果表明,改进的YOLOv3目标检测算法在满足实时性要求的情况下,精确率和召回率达到了95.3%和91.1%,与Faster R-CNN相比具有更高的检测速度,与SSD相比具有更高的检测精度,有效解决了原YOLOv3存在的定位精度偏低和漏检问题。     

基于拟牛顿法的常模盲多用户检测算法

分析了传统常模算法及其改进算法的缺点,将线性约束和拟牛顿法应用于常模算法,提出了线性约束拟牛顿常模盲多用户检测算法,称之为LC-QNCMA。在DS-CDMA系统中,对本文算法与传统的线性约束常模算法(LC-CMA)及最小二乘常模算法(LSCMA)进行了仿真比较。结果表明,与LC-CMA相比,LC-QNCMA的信干比性能和误码性能方面有较大改善;与LSCMA算法相比,LC-QNC-MA算法复杂度有明显降低。本文算法在两种算法的优缺点中取得了较好的折中。     

基于非线性预编码的多载波分层空时检测方法*

该文针对多载波分层空时方案传统检测存在误层传输效应及复杂度高的问题,提出了一种基于非线性预编码的多载波分层空时检测方法。该方法首先对反馈信道状态信息采用几何均值分解获得各子信道具有相同等效噪声增益的预编码矩阵,再在发射端多载波CDMA子载波信道间进行非线性模代数THP预编码,可以有效地消除传统分层空时检测的误层传输效应,在接收端分别采用迫零与最小均方误差准则,降低了下行接收机的复杂度。文中对该方法的性能进行分析并仿真,仿真结果表明本文所提出的方法比传统方法有效改善了系统的误码性能,并在一定程度上降低了接收机的复杂度。