基于深度学习的多模OFDM索引调制检测器

本文提出了一种基于深度学习（Deep Learning, DL）的多模正交频分复用索引调制（Multi-Mode Orthogonal Frequency Division Multiplexing with Index Modulation, MM-OFDM-IM）检测器。在该检测器中包括两个子卷积神经网络（Sub-Convolutional Neural Network, SCNN）并行对MM-OFDM-IM信号的索引位和载波位进行检测,接收符号在经过迫零（Zero Force, ZF）均衡后再预处理生成二维矩阵,同时输入到子卷积网络中学习信号的内在特征。经过离线训练,该检测器可以实现MM-OFDM-IM符号的在线检测。仿真结果表明,该检测器在瑞利衰落信道条件下能以较低的计算复杂度获得近似最大似然（Maximum Likelihood, ML）检测性能。通过对已训练后的模型进行剪枝操作,能在保证检测误码率（Bit Error Rate, BER）的前提下大幅度减少模型的参数量,达到了性能与计算复杂度的有效平衡。     

莱斯信道下具有硬件损伤的多对双向大规模 MIMO AF 中继系统及性能分析

本文研究了莱斯信道条件下具有硬 件损伤的多对双向大规模多输入多输出放大转发(massive MIMO amplify-and-forward,MM-AF)中继系统,多对用户通过配置有大规模天线阵列的中继实现用户对内的信息交换,并分析了其频谱效率和能量效率。首先,考虑了硬件损伤对多对双向MM-AF中继系统性能的影响,并将其建模为发送和接收失真噪声。然后,给出了半双工中继(half-duplex relaying,HDR)和全双工中继(full-duplex relaying,FDR)模式下的迫零发送/迫零接收处理矩阵。最后,分别给出了两种模式下的信干噪比渐近表达式。理论分析和仿真结果表明,在中继天线数较大情况下FDR的频谱和能量效率优于HDR;随着信噪比的增加,两种模式下系统的频谱效率先增大后收敛于一个固定值;当中继天线数较大时,系统的频谱效率主要受限于用户处的硬件损伤而非中继处或其它干扰。      

联合蜂窝与D2D链路的网络编码广播重传方案

移动设备之间的合作以及利用蜂窝和D2D链路等多个接口有望满足日益增长的吞吐量需求。考虑设备配备有双接口的无线D2D广播（Network coding for dual interfaces,NCDI）场景,重传阶段,设备同时利用蜂窝与D2D链路来恢复丢失数据包。然而,如何合理的进行编码调度,充分发挥网络编码增益显得至关重要。为最小化重传次数,文章旨在设计联合蜂窝与D2D链路的网络编码广播重传方案。针对随机线性网络编码（RLNC）与立即可译网络编码（IDNC）,分别提出了NCDI-RLNC以及NCDI-IDNC方案。仿真结果表明,与其他方案相比,提出的两种方案均能够有效地提高重传效率、减少重传次数。      

联合时序结构和参考信号的胎儿心电提取

在胎儿心电提取问题中,可以利用一些有用的先验信息,设计合适的参考信号.提出了提取胎儿心电信号的目标函数,这个目标函数利用了信号的时序结构和参考信号,最小化目标函数,得出了梯度下降的盲提取算法.计算机仿真和实际的胎儿心电实验表明了提出算法的正确性,与现有基于时序结构的盲提取算法相比,提出算法具有较好的性能和对时延估计偏差具有更强的健壮性.     

Nakagami-m信道下全双工解码转发中继中断概率分析

研究存在残余自干扰（residual self-interference, RSI）条件下全双工解码转发中继的中断概率性能。在Nakagami-m信道下,推导了多跳解码转发（multi-hop decode-and-forward,MH-DF）策略和选择解码转发（selected decode-and-forward,SDF）策略的端到端中断概率闭合表达式和渐近表达式,分析了两种策略的可达分集度。结果显示,MH-DF策略的可达分集度为0,SDF策略的可达分集度由信道成型因子和中继功率伸缩方案决定。相比于MH-DF策略,SDF策略具有更优的中断概率性能和抗自干扰能力。      

双向中继信道的模拟网络编码最优功率分配

在双向信息非对称条件下,研究了基于模拟网络编码的双向中继信道中的最优功率分配问题。分别给出了中断概率最小化、和速率最大化意义下的最优功率分配闭式数学表达式,并证明了两种约束下最优功率分配问题的统一性。分析表明:现有的基于模拟网络编码的双向中继信道中的最优功率分配方法是本文提出方法在某些条件下的特例。计算机仿真分析证明了提出的最优功率分配方法在中断概率和和速率性能方面均优于平均功率分配方法。      

空时频移键控及其应用

与现有的有空时调制技术相比，空时频移键控具有设计简单、低的解码复杂度、接收端和发送端不需要知道信道状态信息并且可以获得完全分集等优点。首先对空时频移键控进行介绍。并分析了其性能和特点，最后研究了空时频移键控在协作分集中的应用。     

几种单桩极限承载力预测模型的验证分析

对几种单桩的承载力预测模型给予介绍,并结合工程实例,对各种模型预测的精确度进行验证分析,比较模型的精确度,指出模型不足之处,并提出解决方法。     

联合波束域分解和SVD的多用户大规模MIMO系统信道估计

针对TDD(Time Division Duplex)模式下的多用户大规模MIMO(Multiple-Input Multiple-Output)系统,本文研究了将波束域分解和SVD(Singular Value Decomposition)同时用于该系统的信道估计。当基站天线数目较多时,信道估计误差、导频开销、信道估计算法的复杂度等问题将成为影响大规模MIMO系统性能的关键因素。运用波束域分解理论,将多用户的大规模MIMO系统分解成多个单用户的大规模MIMO系统,同时从波束域对信道建模,该方法降低导频开销的同时也减小了信道估计误差。另外运用SVD对信道自相关矩阵优化,可以进一步降低信道估计算法的复杂度。基于以上两点,本文提出了一种联合波束域分解和SVD的大规模MIMO信道估计方案,并推导出了估计误差协方差矩阵的闭式表达式。仿真结果表明,与同类方案相比,本文提出的方案具有更好的信道估计性能。      

一种基于改进残差神经网络的直扩信号感知方法

非合作条件下直扩信号感知问题一直是通信对抗领域研究的热点,传统的感知方法在低信噪比条件下性能下降严重。为有效提升直扩信号感知的性能,提出了一种基于改进残差神经网络的直扩信号感知方法。首先,通过广义互相关算法,快速提取直扩信号的相关峰特性;然后,以残差神经网络为基础,融合注意力机制,建立网络模型,分析识别抽象特征;最后,在仿真的数据集中进行实验验证。结果表明,相较于时域自相关法、卷积神经网络法等,所提方法具备更好的感知效果,能够在信噪比为-16 dB的情形下有效地感知直扩信号。