双选择瑞利信道MIMO-OFDM存在信道估计误差分析

双选择性(时域多变性和频域选择性)瑞利信道多入多出-正交频分复用(MIMO-OFDM)系统中,信道估计误差客观存在.为了研究双选择性瑞利信道中信道估计误差对MIMO-OFDM系统的影响,使用迫零检测和对Wishart分布的近似处理,从理论上推导出了存在信道估计误差时双选择不相关瑞利信道和双选择指数相关瑞利信道中MIMO-OFDM系统信干噪比(SINR)的概率分布.根据系统SINR概率分布,推导出了存在信道估计误差时系统的平均差错率和中断概率.仿真结果表明了理论分析的正确性.     

OFDM双向中继网络中基于网络编码的资源分配策略

对基于物理层网络编码的正交频分复用(OFDM)双向中继系统中的无线资源分配问题进行了研究,在总功率和用户对速率受限条件下,给出了一种复杂度较低,以最大化系统容量为目标的资源分配策略. 利用凸优化技术对子载波内的用户终端和中继节点的功率分配问题进行分析,得到用户终端和中继节点的功率闭合关系表达式. 基于该结果,将原优化问题中的三维变量搜索降低为一维变量搜索,较大地降低了算法的复杂度. 仿真结果表明,在多种典型场景中,所提方案较传统随机调度分配方案有较大的性能提升,且逼近最优分配方案的性能.     

基于VHDL可编程m序列发生器的设计及应用

介绍了在实际教学中应用VHDL设计出一种能产生m序列数字信号的发生器.该序列发生器具有序列长度和反馈连接设置,能产生多种m序列波形的特点.在软件上采用Altera公司的MAX+plusⅡ,完成m序列发生器的软件设计及仿真工作.通过北京百科融创科技有限公司的RC-EDA-IV型系统的开发板以及Altera公司的max7000s中的EPM7128SLC84-15芯片进行硬件下载测试,用数字示波器观察生成的m序列波形,实现了主要技术指标中的各项要求.     

基于组合拆分策略求解TSP的动态规划算法

针对传统动态规划算法只能解决小规模旅行商问题(TSP)的不足,提出一种基于组合拆分策略的动态规划算法,通过5种不同的拆分策略将TSP序列拆分成若干段子序列,利用动态规划方法将子序列优化组合成新的TSP序列,重复该过程直到获得最优解散解。仿真结果表明,该算法能有效减小误差率,求解精确度较高,具有较低的计算复杂度和较好的稳健性。     

面向龙芯3A体系结构的BLAS库优化

双精度普通矩阵乘法DGEMM是BLAS库中最核心的函数之一,大部分三级BLAS库函数的核心计算都是通过调用DGEM M来实现的.该文针对龙芯3A具有128位访存指令的特点,通过理论分析,找到了最佳的循环展开方式;针对龙芯3A的Cache替换策略(随机替换),通过使用地址交错技术,减少了Cache的冲突失效;针对龙芯3A访存带宽有限的问题,通过使用共享数据的任务划分方式,减少了数据访存量.优化后的DGEMM单核和多核运算速度均是性能最高的开源BLAS库(Goto-BLAS)的2倍多.     

基于潜在主题的分布式视觉检索模型

为将文档聚类划分的分布式检索方法直接应用于视觉检索领域,提出一种基于潜在主题的分布式视觉检索模型。给出模型框架,包括图像视觉单词的数据集划分方法和图像子集选择方法,以此优化图像分布式检索性能。实验结果表明,该模型在不降低检索准确率的前提下,能优先选择少量的图像子集进行检索,并提高查询的吞吐量。     

基于形态学微分的车牌字符分割算法

提出了基于形态学微分的车牌字符分割算法。首先运用形态学微分算法获取车的边界,然后通过巧妙选择连通区域进行深度搜索即可直接获得车牌每个字符的矩形区域。本方法省去了一般车牌识别中的车牌定位部分,对有一定倾角的车牌也有一定的适应能力。     

一种基于空间分割的无源RFID室内定位方法*

为了提高室内定位系统的性能,提出了一种利用无源RFID技术定位目标物体的算法。本算法使用双层对称分布的参考标签和空间连续分割的方法提高了室内定位的精度。实际测试结果表明,本算法可较好地实现目标的三维空间定位,与传统LANDMARC定位系统相比,单个平面定位精度提升了8倍,适合于室内人员、物资等定位应用。     

一种改进的OFDM符号定时同步算法

针对先前一些算法存在定时模糊以及干扰峰峰值较大的问题,提出了一种改进的OFDM符号定时同步算法。分析了先前算法问题产生的根源,设计了两种同时具备频偏估计能力的新训练符号,并给出了相应的定时尺度函数。对新算法的定时尺度函数进行了分析,得知它的定时尺度非常尖锐,几乎不存在干扰峰,而且不受循环前缀长度的影响。仿真结果表明新算法克服了已有算法的缺点,有效地提高了定时估计的精度。当信噪比大于5dB,在加性白高斯噪声信道下定时估计的均值与方差都为零,可以实现精确的定时同步。     

基于LZW算法和贝叶斯MARS的入侵检测研究

提出了一种基于LZW算法的入侵检测算法。使用系统调用序列作为特征数据,采用LZW算法对系统调用序列数据进行变长短序列划分,同时对短序列进行压缩,并在应用的过程中对LZW算法进行适当调整以适应序列的划分。通过贝叶斯多元自适应回归样条(贝叶斯MARS)模型,对正常和异常序列进行分类并标识入侵。实验结果表明,基于LZW变长序列划分方法符合系统调用序列的内在规律,在较高压缩比的情况下,获得了很好的检测性能。LZW算法与贝叶斯MARS相结合的入侵检测算法,对各种数据表现稳定,具有一定可行性和实用性。