基于四阶累积量的DOA估计方法

从一个统一的角度来研究基于高阶累积量的高分辨阵列信号处理方法，用四阶累积量构造了一个较通用的累积量矩阵，该矩阵符合MUSIC算法的结构，从而可进行DOA（Directionof Arrival）估计。对于这种方法在阵列信号处理中的应用，通过计算机仿真与基于二阶矩的MU—SIC算法进行了较全面的比较。仿真结果表明，该方法在高斯噪声中具有良好的统计性能，是实现高分辨方位估计的有效方法，     

一种新颖的低复杂度MIMO—BICM迭代接收机设计

本文提出了一种用于多入多出（MIMO）比特交织编码调制（BICM）系统的低复杂度迭代接收机方案．该方案在第一次迭代中采用线性最小均方误差（MMSE）滤波，而在随后的迭代中采用一种低复杂度MMSE结合软干扰消除（SIC）的算法来抑制残余干扰和噪声．该算法通过将软干扰消除后的残余干扰和噪声的各分量近似为不相关的随机变量，使得在MMSE滤波时不必矩阵求逆，从而大大降低了计算复杂度．仿真证实该方案可以获得和传统的基于MMSE结合SIC的方案几乎相同的性能。     

采用串行干扰消除技术的多速率单小区CDMA系统性能分析

串行干扰消除(SIC)技术可以有效抑制多址干扰(MAI),显著提高DS-CDMA系统容量。该文针对单小区DS-CDMA移动通信系统的上行链路,推导出在加性高斯白噪声信道条件下,采用匹配滤波器的传统单用户接收机双速率系统、线性SIC双速率系统以及理想SIC双速率系统的容量极限,并给出了数值结果。研究结果表明,在任何条件下,相对于传统的单用户接收机系统,采用线性SIC技术能显著提高系统容量。另外,随着系统中用户数目的增多,理想SIC和线性SIC的接收功率之间的差异越来越大,因此,对实际的多速率SIC系统进行功率分配时,不能简单地用理想SIC模型来替代实际的线性SIC系统,以免系统性能严重恶化。     

室内LED可见光语音通信网络的信道分配算法研究

采用SIC算法对室内LED可见光语音通信网络的信道分配进行研究。通过对室内可见光通信系统、白光音频调频信号传输系统原理的分析,设计了语音通信收发机电路。电路信号接收效果较好,利用SIC检测算法进行通信网络信道功率分配,与采用线性工作范围为2.25~5 V,工作电流范围为0.1~1 A的商用照明LED进行性能仿真试验,结果表明,与传统的FCA算法相比,SIC算法的阻塞率要高于FCA算法,且算法引入了更小的系统干扰量,在服务区内使用户通信质量得到保证。     

检测小型快速目标的扫描－扫描总成－关联算法

传统的扫描－扫描总成－关联（SIC）算法包括一个信号加权部分，即扫描－扫描总成（SI），以及信号选择部分，即扫描－扫描关联（SC）。目前使用SIC算法能够检测“小型、静止”目标，例如具有低信杂比和零／低速度的目标，但不是“小型、快速”目标，例如“小型”目标、相对高速目标。但是，对这些“小型、快速”目标的检测是SIC的主要目的。本阐明了能够完成该目的的一种新SIC算法。     

异步DS-CDMA系统的等效同步多用户检测算法

第三代移动通信系统中，多用户检测技术是克服多址干扰(MAI)、增加系统容量的有效方法。本文针对多径衰落信道下的直扩码分多址(DS—CDMA)系统的上行链路，基于等效扩频码组Gram—Schmitz正交化与串行干扰消除(SIC)，提出了等效同步多用户检测(ESMUD)算法。分析最大比合并瑞克(RAKE)接收算法、传统的SIC算法以及本文算法的复杂度，并对三种算法的性能进行数值仿真。结果表明，本文提出的算法能有效抑制MAI，且计算复杂度与传统SIC算法在同一量级上。     

基于干扰消除辅助稀疏连接神经网络的大规模MIMO信号检测

近年来,深度学习成为无线通信领域的关键技术之一。在基于深度学习的一系列MIMO信号检测算法中,大多未充分考虑相邻天线之间的干扰消除问题,无法彻底消除多用户干扰对误码率性能的影响。为此,该文提出一种将深度学习与串行干扰消除(SIC)算法进行结合的方法用于大规模MIMO系统上行链路信号检测。首先,通过优化传统的检测网络(DetNet)及改进ScNet检测算法,该文提出一种基于深度神经网络(DNN)的检测算法,称为ImpScNet。在此基础上,进一步将SIC思想应用到深度学习框架结构设计中,提出一种基于深度学习的大规模MIMO多用户SIC检测算法,称为ImpScNet-SIC。此算法在每个检测层上分为两级,其中,第1级由该文提出的ImpScNet算法提供初始解,再将初始解解调至相应的星座点上作为SIC的输入,由此构成该算法的第2级。此外,在SIC中也使用了ImpScNet算法估计传输符号,以便获得最优性能。仿真结果表明,与已有的各种典型代表算法相比,该文所提ImpScNet-SIC检测算法特别适合大规模MIMO信号检测,具有收敛速度快、收敛稳定及复杂度相对较低的优势,并且在10–3误码率上有至少0.5 dB以上的增益。     

无人机辅助MEC系统中基于最优SIC顺序的能耗优化方案

在基于上行非正交多址接入（NOMA）的无人机（UAV）辅助移动边缘计算（MEC）系统中,NOMA的连续干扰消除（SIC）顺序已成为限制上行任务卸载链路传输性能的瓶颈,为降低系统能耗,对SIC顺序进行了讨论,提出了联合信道增益与任务时延约束的最优SIC顺序。在满足设备给定任务时延、设备最大发射功率约束以及UAV轨迹的约束下,基于最优SIC顺序提出了最小化系统能耗的问题。由于该问题是个复杂的非凸问题,采取交替优化的方法求解该优化问题,以实现功率分配和UAV轨迹的优化;利用匹配理论,提出了低复杂度算法来得到不同时隙的最优设备分组。仿真结果表明,与其他SIC顺序相比,最优SIC顺序能够在相同的任务时延约束下实现更小的系统能耗;所提的低复杂度设备分组算法能够得到最优设备分组。     

基于SIC的单通道同频混合信号低复杂度盲分离算法

针对非协作通信中单通道同频混合信号盲分离算法复杂度高的问题,本文在连续干扰抵消（Serial Interference Cancellation, SIC）算法基础上,构建了单通道同频混合信号的信道接收模型,提出了基于SIC的低复杂度盲分离算法。并对信道重构中的信道截断影响进行了处理,避免了分离性能的损失。仿真结果表明,QPSK调制方式下分离性能与已有算法性能相当,但复杂度降低了2/3,且算法对频偏误差不敏感。      

联合SIC和QRD-M树搜索的低复杂度VBLAST检测算法

联合SIC和QRD-M树搜索,提出一种低复杂度的VBLAST检测算法:SQRM-SIC算法.该算法基于信道矩阵的排序QR分解(SQRD),首先对搜索树前几层采用QRD-M检测,然后对后续层进行SIC检测,获得了检测信号列表.在所提算法基础上,通过修改SQRD算法中的排序规则,得到MSQRM-SIC算法.复杂度分析和性能仿真表明,通过调整参数,SQRM-SIC算法和MSQRM-SIC算法都可获得较好的复杂度和性能折衷.其中,后者性能明显优于前者;且后者与QRD-M算法相比,可以有效降低复杂度,而基本不损失性能.     

α稳态噪声条件下互谱算法的改进

传统算法都是建立在高斯白噪声条件下,然而实际情况中经常会出现有脉冲特性的噪声,例如水下生物噪声、低频大气噪声等都具有显著的尖峰脉冲特性．α稳态噪声可以更好地描述实际环境中的噪声特性,传统互谱算法在α稳态噪声条件下性能明显下降,甚至到不能应用的程度,通过对传统互谱算法的改进,经过仿真得出改进算法较传统互谱算法的谱分析和时延估计在高斯噪声条件下具有相近的性能,在α稳态噪声条件下性能明显提高。     

改进的梯度倒数加权算法在图像平滑中的应用

介绍了一种图像去噪的方法：梯度倒数加权算法。此种算法可以较好地去除图像的噪声同时又能保持图像的细节信息，但该算法对椒盐噪声污染的图像平滑效果不理想。基于此种算法我们提出了一种改进的算法，事实证明改进的方法既能很好地去除了图像中的椒盐噪声，同时又能保持图像的边缘和细节。     

基于小波去噪和扩展Prony算法的谐波检测

运用扩展Prony算法对电力系统中含谐波、间谐波信号进行检测,通常实际信号中叠加有随机噪声;由于Prony算法对噪声敏感,采用小波软阈值法对信号进行去噪预处理,保留信号的特征信息,计算结果表明,采用小波软阈值法对信号进行预处理,有利于提高扩展Prony算法对谐波和间谐波信号提取的精确性.     

基于子空间匹配追踪的LFM信号的DOA估计

DOA估计是阵列信号处理中的热点。文中针对LFM信号的DOA估计算法采样数据量大,在低信噪比情况下估计效果不理想的问题,提出了基于子空间匹配追踪的LFM信号的DOA估计。该方法通过子空间匹配追踪算法将信号投影在子空间上,求出最大投影,最终估计出LFM信号的DOA。此外,改进后的空间匹配追踪算法,还解决了原算法收敛速度慢、会出现过匹配现象的问题。经仿真验证对比,该算法估计DOA的过程中匹配次数远小于匹配追踪的过程中,且在较低的信噪比下能估计出DOA。     

光电被动测距技术研究

围绕提高双目视差测距的测距精度、准确率、速度和抗干扰性能等,研究了图像预处理、配准算法、搜索策略等关键技术.提出了改进的互积相关配准测度,并采用粗、精配准相结合的搜索策略以及抛物线拟合方法,实现了快速双目立体目标测距.实验证明该测距算法可有效的抑止噪声、双目光强和图像对比度差异等因素的影响;测距系统测距精度高、稳定性好、实时性好.     

A technique for a substantial reduction of the quantization noise in the direct processing of delta-modulated signals

The quantization noise introduced by the direct arithmetic operations on delta modulated signals can be considerably reduced by a proposed technique. According to this technique, the arithmetic network of a digital filter is clocked at a rate higher than that of the delta modulation encoder. Thus, as it is proved, a considerable reduction of the maximum quantization error can be achieved. A simple network is properly used to restore the filter output rate to that of the delta modulation encoder. The experimental results prove that the output sequence quantization noise can be reduced so much that the remaining noise is very close to that of the input delta modulated signal of the filter.     

一种彩色图像转换为灰度图像的算法

从人眼的视觉特性入手,分析人眼的视觉生理模型和常用的计算机转换算法,在此基础上提出了一种将32位彩色图像转换成8位灰度图像的算法即HLS模型转换算法,使得转换后的灰度图像边缘噪声少,平滑效果好。     

一种用于红外小目标检测的改进Canny算法

针对红外小目标检测问题,分析了Canny算法存在的不足,将子波理论引入到Canny算法中,提出了基于子波去噪的改进Canny算法,最后用实例证明该算法具有良好的红外小目标检测性能。     

CCD噪声对星敏感器星点定位精度的影响

星点测量精度是表征星敏感器精度的一个重要指标,影响该精度的主要因素有：光学系统误差、图像传感器的噪声、电路噪声及软件算法等。图像传感器的噪声对星点定位精度的影响是不容忽视的,但很少对此进行研究。针对某给定参数的星敏感器,对TH7890M CCD图像传感器的各项噪声进行了定量计算;基于亚像素细分质心算法,针对各噪声的分布特点及规律,分别推导出各自的均方根误差,综合各项误差得到CCD噪声的星点定位精度模型。计算结果表明TH7890M CCD的主要噪声有读出噪声、光子散粒噪声和光响应不均匀性引起的随机噪声;影响星敏感器星点定位精度的主要噪声是读出噪声和光子散粒噪声;对6等星进行星点位置的估计,CCD噪声达到了1/40像素的精度水平。     

A Noise-Insensitive Compromise Gradient Method for the Adjustment of Adaptive Echo Cancellers

The time-optimum gradient method for the coefficient adjustment of adaptive echo cancellers allows a fast adjustment and a high echo return loss enhancement (ERLE) in the noise-free case. If noise occurs on the echo path, a compromise is necessary between the relatively large step size needed for rapid convergence and the relatively small step size needed for noise insensitivity. In this paper a noise-insensitive compromise method is proposed, which guarantees an acceptable ERLE in the noise-free case, as well as under line noise conditions. The method has, furthermore, the advantage of being easily instrumented. The efficiency of the proposed algorithm is determined by computer simulations under realistic conditions with two algorithms frequently used in previous publications: with the time-optimum gradient method and with a method with constant step-size factor. The simulations were carried out with floating-point arithmetic and with fixed-point arithmetic with 16 and 12 bit resolution to determine the maximum performance and necessary implementation expense of the different adjustment methods.