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。      

多源多目的模型中网络编码的时延性能分析

研究表明基于无线信道的广播特性,网络编码技术能够显著降低多播通信中的传输时延。多源多播模型中,在任一源节点已知其他源节点信息的条件下,现有传输方案能够确保系统时延最小化。本文在其他源节点信息未知时,对现有多源多目的单中继模型应用网络编码后的时延性能进行分析,并将该模型推广到多中继模型,提出了基于网络编码和机会中继选择策略的MR-OPP-NC方案,并在译码转发机制下,利用中断概率量化了应用网络编码前后的时延性能,仿真表明本文所提MR-OPP-NC方案与未使用网络编码的机会中继方案相比较,能获得显著的时延增益。      

基于网络编码的Ⅲ型HARQ无线广播跨层设计

为提高无线广播效率,该文设计一种基于网络编码的Ⅲ型混合自动重传请求(HARQ)机制,同时为执行网络编码重传,提出一种异或型联合策略。其主要思想是通过网络编码(NC),使重传数据包能服务于尽量多的用户,并且每个用户能获得丢失包的软信息,以实施联合网络-信道译码。文章进一步利用机会中继的思想,将所提NC-HARQ Ⅲ型机制扩展到中继广播系统。数值分析和仿真表明,NC-HARQ Ⅲ型机制能显著降低广播系统的平均传输次数,与I型HARQ和NC-HARQ Ⅰ型机制相比,其性能增益应归功于网络编码的潜在优势和联合网络-信道译码技术带来的较低的误包率。     

基于非高斯性和广义复杂度寻踪的盲源分离算法

现有的盲源分离算法往往利用信号某一方面的统计特性来分离信号,例如:利用信号的非高斯特性,或者利用信号的时序特性.在实际应用中,信号往往是具有这两种特性信号的混合,采用信号某一方面的特性往往不能够成功的分离出信号.当源信号具有非高斯性和非线性预测特性时,提出了基于非高斯性和广义复杂度寻踪的目标函数,最小化该目标函数,提出了一个梯度下降的盲源分离算法.计算机仿真表明了提出算法的有效性,和现有的盲源分离算法相比,提出算法具有更好的信号分离性能.     

大数据无线通信面临的几点挑战与对策

随着社交网络、物联网的蓬勃发展,跨行业、地域以及领域的物理实体的海量信息交互,带来了数字信息总量的几何级数增长,大数据时代已经到来。数据总量的爆发式增长,在深刻影响着社会和人们生活方式的同时,也给传输和处理这些数据带来了诸多新的挑战。针对这些挑战,研究了大规模无线终端环境下,高能效的大数据无线传输、M2M系统的动态资源分配、基于部分反馈的有限集合网络编码自动重传请求等方法,为改善大数据无线通信网络性能提供了思路。     

噪声背景下的胎儿心电提取

在实际应用中,考虑有噪声影响的胎儿心电提取算法具有现实意义,因此本文提出了噪声背景下的基于归一化均方预测误差的新的胎儿心电提取算法.该算法在目标函数中去除了噪声的干扰.理论分析和仿真实验表明了该算法的有效性.与不考虑噪声的胎儿心电提取算法相比,该算法具有更好的提取性能.     

基于位置信息的双簇头路由算法

针对无线传感器网络(WSN)的高能效路由选择问题,在混合式能量均衡分簇(HEED)算法基础上提出一种基于位置信息的低能耗双簇头多跳路由算法(HEED-EELD)。假设网络中所有节点都具有位置感知能力,网络根据最佳单跳距离划分层级,节点根据自身位置确定所在层级。簇内选举产生双簇头,分担单一簇头的工作,均衡簇头能耗。在簇间多跳路由中,簇头根据位置、距离和剩余能量的代价函数选择最优路由。Matlab仿真结果表明,与低功耗自适应分簇(LEACH)算法、HEED算法相比,提出的HEED-EELD在网络寿命、能量效率、能耗均衡等性能方面具有明显的性能增益。     

基于指纹匹配的无蜂窝大规模MIMO三维定位方法

本文研究了无蜂窝大规模多输入多输出（Multiple input multiple output, MIMO）系统中基于指纹匹配的无线定位方法。假设服务区域内布设大量接入点（Access point, AP）,每个AP配置水平均匀线性阵列天线（Uniform linear array, ULA）或垂直ULA。利用相互正交的线性阵列天线（Orthogonal uniform linear array, O-ULA）对不同地理位置用户的方位角和俯仰角进行辨识,提取无线信道的角度功率谱矩阵构建方位角和俯仰角指纹库。借助谱聚类算法对指纹数据库进行预处理,然后通过两阶段指纹匹配策略计算指纹相似度并排序,在指纹库中搜索与用户指纹相似度最高的参考点,并利用加权K近邻算法（Weighted K-nearest neighbor, WKNN）估计用户位置。仿真结果表明,所提方案和单天线方案、ULA方案、均匀矩形阵列（Uniform rectangular array, URA）方案相比能够获得更高的三维定位精度。      

一种基于同伦非线性模型的语音盲分离方法

采用同伦非线性模型对语音信号进行建模,将非线性可预测性作为盲源分离的准则,推导了基于同伦模型的盲源分离算法,成功地实现了语音信号的分离。这种方法是对基于线性预测模型盲源分离算法的推广,它既适用于分离采用线性预测模型建模的信号,也可以分离采用同伦非线性模型建模的信号(如语音)。理论分析和仿真表明,这种方法比基于线性可预测性的盲分离算法具有更广的适用范围,对于语音信号的分离,此种算法具有更快的收敛速度。     

基于广义自相关的两步盲提取算法

盲提取算法在信号处理和分析中逐步成为一项重要的方法,因为它利用信号的先验特性只提取感兴趣的信号,这样就可以节约大量的计算时间和资源.提出了时序结构信号的两步盲提取算法,第一步,利用信号所具有的广义自相关特性粗提取信号,第二步利用信号的高阶统计特性精提取信号.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,与基于广义自相关的盲提取算法相比,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.