一种无线视频数据多路复用单元提取算法

在分析基于BP神经网络的多路复合协议数据单元(MUX-PDU)提取算法及其局限性的基础上,根据H.223协议中mobile level 2模式下的MUX-PDU后验信息,提出一种基于BP神经网络及后验信息的联合MUX-PDU提取算法。该算法可动态调整MUX-PDU标识符的判决门限,同时在发生标识符虚警或漏报的情况下,能利用后验信息对提取出的MUX-PDU帧进行校验修正。仿真结果表明,该算法可有效降低MUX-PDU的丢包率,为提高3G视频通话质量提供了可靠保障。     

混合网络研究

自组织网和蜂窝网是移动通信系统的重要组成部分,融合两者的混合网络将可能成为未来移动通信系统的重要组成形式之一.文章介绍了混合网络的研究现状,分析了各网络模型的特性,并对混合网络中的关键技术问题,如框架结构、通信模式选择、信道分配、路由、计费、负载均衡,进行了探讨.文章认为混合网络通过其灵活的网络组建能力,不仅提高了对传统业务的支持,同时也为引入新服务创造了条件.自组织网络和蜂窝网络的融合将为构造下一代移动通信系统奠定基础.     

一种基于 JADE 与小波去噪的自适应盲分离方法

针对传统盲分离算法忽略噪声影响的问题,引入小波去噪,在JADE算法的基础上,研究了前、后去噪盲分离算法与JADE算法在不同输入信噪比条件下的分离性能。仿真表明,输入信噪小于约-5dB时,后去噪盲分离算法输出信噪比最佳;大于约25dB时,JADE输出信噪比最佳;其它情况下,前去噪分离算法性能最佳。在此研究基础上,给出一种可估计信噪比的带噪信号自适应盲分离方法,实现对信号信噪比动态变化情形下目标信号的有效分离。     

LTE系统中的分布式负载迁移协商均衡算法

为了提高长期演进计划(long term evolution,LTE)系统中业务处理资源的利用率,降低由于系统处理资源分配不均而导致的呼损率,给出了一种适用于LTE系统的分布式负载迁移协商均衡算法.分析了LTE系统通信的特点,指出可利用LTE系统eNodeB (evolved NodeB)间使用X2接口进行数据通信的特点,在组网的eNodeB问进行负载迁移.在此基础上建立了负载迁移协商均衡模型,指出了算法的适用场景,说明了算法均衡粒度的选取标准和性能评价指标.通过与传统的轮询算法进行比较,使用分布式事件驱动方法对该算法进行了性能分析,验证结果表明了该算法的有效性.     

一种基于业务分类的大规模用户高速流量监控策略

随着互联网承载业务的多样化,对互联网的可管、可控提出了更高的要求,本文对基于下一代大规模用户接入环境的流量监控问题展开研究,提出了一种基于用户业务分类的大规模用户高速流量监控策略,该策略可以满足10 Gbit/s速率下960个用户的并发流量监控需求.     

MIMO-OFDM系统中一种高效的分子带自适应比特功率分配算法

自适应比特、功率分配(ABPA)可根据各子载波在频率选择性衰落信道中不同的瞬时增益,动态地分配数据比特和发射功率,从而达到优化系统性能,提高频率效率的目的。针对MIMO-OFDM系统中ABPA算法计算复杂度高的问题,本文提出了一种高效分子带ABPA算法,该算法采用新颖的分簇随机选取的方式进行子带划分及等效,将以子载波为分配单元的Fischer算法扩展为以子带为分配单元的ABPA算法,并对此算法进行改进,使其可在一次迭代过程中剔除多个比特数小于等于0的不可用簇。仿真结果表明,该算法能够在保持系统性能不变的前提下,提高筛选效率,同时可通过选择不同的簇宽度,进一步灵活地调整算法的复杂度,使其在性能与计算量之间取得良好的折衷。     

有限反馈MIMO系统中用户选择算法

针对有限反馈多输入多输出（MIMO）系统中用户选择问题,提出了一种新的用户选择方法。首先推导出采用迫零波束赋形（ZFBF）预编码时容量损失上限,证明了最小容量损失与最大和容量优化目标的一致性。在此基础上给出了基于最小容量损失的用户选择方法,该方法以信道量化误差为选择依据进行用户筛选。与现有算法相比,降低了算法的复杂度,减少了反馈CQI带来的系统开销。仿真和分析表明,所提方法改善了系统和容量性能。     

视距相关信道下考虑非理想CSI的MIMO收发联合设计

MIMO系统收发联合设计的性能依赖于信道状态信息(CSI)的质量。在较高通信频段(如6～8GHz)下,信道的视距分量相对于较低频段显著增加,采用传统的CSI模型无法反映实际的信道特点,从而影响联合设计算法的性能。本文在相关莱斯信道下,提出一种考虑高频段环境下非理想CSI的MIMO系统下行链路收发联合设计算法。论文推导出一种基于训练序列的信道估计误差模型代替传统误差模型,并在此基础上以最小化MSE为目标迭代求解最优预编码/解码矩阵。仿真结果表明,该算法在不同的子流数、视距分量、信道相关性以及信道估计误差环境下,具有较好的误码率性能。     

基于容量最大化的非迭代干扰对齐优化算法

现有分布式迭代干扰对齐算法没有考虑基站与用户终端处理能力的差异,使得基站和用户端都具有较高的计算复杂度和系统开销。针对下行链路和上行链路分别提出一种基于容量最大化准则的非迭代干扰对齐优化算法。所提算法在基站端使用基于容量最大化准则的优化方法求解发送预编码矩阵或接收抑制矩阵,在用户端使用迫零准则生成接收抑制矩阵或随机生成发送预编码矩阵。分析和仿真结果表明,所提的2种算法基站端的计算复杂度和系统开销与现有算法相当,但用户端的计算复杂度和系统开销大大降低,并且可以获得与最大信干噪比(Max-SINR)算法相当的系统性能。     

非理想CSI下基于OSTBC的MIMO-OFDM系统中自适应资源分配算法研究

对于MIMO—OFDM系统,自适应资源分配可以有效利用时间、效率、空间等资源,进一步提高系统性能,其设计依赖于信道状态信息（CSI）的质量。但在实际系统中,信道估计本身可能存在误差,信道信息需要进行量化才能进行反馈,反馈信道可能经历衰落,存在时延,这些都会导致CSI的非理想,从而降低自适应资源分配所带来的性能提高,甚至消失。为了解决这个问题,文章给出了一种可使MIMO—OF、DM系统在自适应传输模式（AT）及非自适应传输模式（Non—AT）这两种模式问进行切换的算法,即STM算法。仿真结果表明,根据给定CSI非理想反馈参数的不同,最优传输模式视情况而定。