基于图像抽取和小波变换的压缩方法

由于良好的局部性时频分析特性和多分辨率分析,小波变换在图像处理领域有很好的应用效果,但其却是一种很复杂的数学变换.为了降低计算复杂度,提出了一种将图像抽取和小波变换相结合进行图像压缩编码的方法.将最常用的两种图像抽取法结合小波变换进行图像压缩的压缩效果,与小波变换压缩效果作了比较.通过在MATLAB运行环境下对该方法进行实验得出,与基于小波变换的图像压缩方法相比,对于纹理较少相对平滑的图像,可以在压缩图像视觉效果相同的情况下,获得更高的压缩比,同时降低计算复杂度.     

一种改进的上行信道估计算法

为了提高长期演进(Long Term Evolution,LTE)系统上行信道估计的准确性,同时适当的降低信道估计算法的复杂度,针对上行物理共享信道(Physical Uplink Shared Channel,PUSCH),对基于离散傅里叶变换(Discrete Fourier Transform,DFT)的内插滤波信道估计算法进行改进,采用递归最小二乘法(Recursive LeastSquares,RLS)代替原有的内插滤波。根据Matlab仿真结果,提出的新算法在提高信道估计准确度和降低算法复杂度上可以得到有效的均衡。     

基于FPGA的STA-CORDIC算法在SCME中的应用

鉴于SCME(演进型空间信道建模)过程中,基于CORDIC算法定点嵌套正余弦函数处理的重要性及其结果精度、资源消耗和延时时间之间的博弈性,提出了STA-CORDIC算法,即在传统CORDIC算法结构之外增加算法精度与迭代次数、定点比特数之间多参量误差统计分析模块,之后基于Xilinx公司Virtex-6芯片做算法FPGA实现。通过TD-LTE射频一致性测试仪表SCME模块的应用,验证了算法结果能够较好地解决上述计算精度和处理速度的最优化折中问题。     

应用于空间调制系统的低复杂度检测算法

应用于大规模多输入多输出系统的空间调制系统是一种新颖的5G传输方案。针对空间调制提出了一种复杂度较低的检测算法,提出的算法通过将接收天线重排序来减少总复杂度。算法结合已有的A-Star算法对接收天线分层并排序,改变树搜索结构并排除错的节点,使所选分支尽可能包括最优路径,极大缩小了所需访问节点数。该算法具有近似最优的误比特性能和更低的计算复杂度,与最大似然检测算法相比复杂度减少了80%左右。     

一种自适应稀疏度的混合场信道估计算法

针对6G超大规模多输入多输出(Extremely Large-scale Multiple-Input Multiple-Output,XL-MIMO)系统信道特性变化造成现有的近场和远场信道估计方案不能准确估计XL-MIMO混合场信道的问题,同时考虑到实际系统中稀疏度难以获取,提出了一种基于分段弱正交匹配追踪的混合场信道估计(Hybrid-field Stagewise Weak Orthogonal Matching Pursuit,HF-SWOMP)算法。该算法利用XL-MIMO混合场中近场和远场区域不同的信道特性,分别对近场和远场信道分量进行估计,从而得到混合场信道。仿真结果表明,所提XL-MIMO混合场信道估计算法性能相对于仅考虑近场和远场信道估计方案分别提高了约3.5 dB和3 dB,更符合实际信道场景。     

极化码基于比特翻转改进的BP译码算法

极化码是世界上唯一被证明香农门限可达的编码方案.由于连续消除(SC)译码的串行特性导致时延很高,于是置信传播(BP)译码因其具有更高的吞吐量而受到了更多关注.由于BP译码性能不如SC译码,于是将比特翻转(BF)译码应用于BP中.针对当前BP BF(BPF)译码中出现的翻转集构建不准确的问题,文章提出了一种新的误码率BP...     

注射模CAE软件Z-mold的Report模块及其网上发布功能

以BorlandDelphi为开发语言 ,在注射模CAE软件Z_mold的后处理功能Z_view中 ,添加Report模块并实现其网上发布功能 ,这样便于完成CAE分析结果的报告 ,便于结果的网上传输浏览并以实例介绍了客户如何根据自己的需求应用该模块。     

基于网络技术的远程智能家居系统

介绍了利用PIC16F877单片机控制,实现家居安防、家居的远程监测以及远程智能家电控制的基于网络技术的远程智能家居系统.阐述了系统的主要功能和系统的组成部分.给出了系统框图、部分硬件电路图和程序设计框图.     

基于NB-IoT技术在物联网中的应用以智能家居为例

NB-IoT是物联网系统设计的关键技术,对于人机交互的实现具有重要的价值.本文首先分析了NB-IoT技术,并从传感器、智能网关及健康平台三方面入手,设计了智慧家居系统系统的设计方案并进行测试.对灯光控制、电机控制、家电控制及安全预警等多种功能的实现进行研究和设计.测试结果证实了本系统的达到预期目标.     

基于生成式对抗网络和多模态注意力机制的扩频与常规调制信号识别方法

针对低信噪比条件下的扩频与常规调制信号分类精度低的问题,该文提出一种基于生成式对抗网络(GAN)、卷积神经网络(CNN)和长短期记忆(LSTM)网络的多模态注意力机制信号调制识别方法。首先生成待识别信号的时频图像(TFIs),并利用GAN实现TFIs降噪处理;然后将信号的同相正交数据(I/Q data)与TFIs作为模型输入,并搭建基于CNN的TFIs识别支路和基于LSTM的I/Q数据识别支路;最后,在模型中添加注意力机制,增强I/Q数据和TFIs中重要特征对分类结果的决定作用。实验结果表明,该文所提方法相较于单模态识别模型以及其它基线模型,整体分类精度有效提升2%～7%,并在低信噪比条件下具备更强的特征表达能力和鲁棒性。