基于ML和ESPRIT方法的OFDMA上行链路频偏估计算法

由于载波频偏会给正交频分多址接入OFDMA系统带来子载波之间干扰,从而造成多用户之间的干扰,导致系统性能下降。该文提出一种基于ESPRIT和ML方法联合估计的频偏估计算法。该算法首先使用ESPRIT方法估计出多个可能的频偏构成的子集,然后使用最大似然估计方法在这个有限子集合中搜索出估计的频偏。该算法解决了使用似然估计进行多维搜索的问题,大大降低了算法的复杂度,同时解决了多个频偏估计的问题。     

ARM处理器中断处理的编程实现

本文首先简要概述了ARM处理器的异常中断种类、响应和返回过程;然后重点讨论了中断解析程序的原理和实现、并分别给出了普通中断和向量中断的处理示例流程图和详细的参考代码.     

基于单分量提取的卷积盲分离算法

针对卷积盲分离问题,利用源信号之间相互独立的性质,提出一种基于单分量提取的联合块对角化算法依次估计各源信号对应的传输信道,以实现源信号分离.利用白化后观测数据相关矩阵的酉正交块对角化结构,改进最小二乘代价函数,将原函数中关于传输矩阵的四次函数转换为一组相互独立的子代价函数.每个子代价函数为三组待定参数的二次函数,用于估计一个独立信号块到达接收阵的子混迭矩阵.提出单分量提取的联合块对角化算法,交替估计各子代价函数中的三组待定参数,得到子信道混迭矩阵的估计,实现源信号的分离.实验结果表明,与经典的类Jacobi算法相比,所提算法收敛步骤大约减少20步,且收敛性能提高至少3dB,可快速有效地解决卷积盲分离问题.     

5G-Advanced:面向未来的持续技术演进

随着5G网络在全球范围的大规模商用部署,运营商正在依托5G网络的优异性能兑现商用价值。预计到2025年底,全球范围内的5G基站部署量将突破650万,为全球58%以上的人口提供累积1 000亿次的链接服务。从产业发展驱动角度看,5G网络被认为是个人消费体验升级和工业数字化的关键使能技术,并将长期在全球经济发展中扮演重要角色。从技术演进角度看,新兴业务的出现对5G网络提出了全新的需求,从而推动着产业界持续思考5G的持续演进,即5G-Advanced。     

移动通信系统自适应业务均衡算法

提出一种新的基站覆盖控制和容量优化方法,实现移动通信网络中的话务热点区域的业务自适应均衡。该算法根据基站的利用率自适应地调整其实际的覆盖半径,借助于实际覆盖范围的控制实现基站间业务的均衡,提高了系统的利用率。该方法简单有效,适用于各种蜂窝移动通信系统。     

网络通信处理器S3C4510B的网口驱动设计

嵌入式处理器S3C4510B在网络控制和通信领域有着相当广泛的应用。本文简要描述该处理器内嵌的以太网控制器硬件结构;详细介绍其网口底层驱动程序的设计原理,并给出程序实现的具体步骤。     

相关莱斯信道下MIMO-OFDM系统的容量特性

通过将离散频域表示的信道冲击响应矩阵等效为由多径间相关和收发两端空域相关三者所确定的"Kronecker"相关信道模型,推导出了频率选择性莱斯衰落信道中MIMO-OFDM系统在同时具有这三种相关性条件下的各态历经容量公式.该公式为评估各种相关性对于MIMO-OFDM系统容量的影响提供了一个简单而有效的工具,并由Monte Carlo仿真给出了三种相关性、多径时延扩展对各态历经容量的影响.     

时域卷积信号的交替最小二乘盲分离算法

该文分析时域卷积接收信号的时延相关矩阵具有的可联合块对角化的三因子乘积结构,通过对其所构成的3维矩阵进行切片分割和重新排列规划,提出基于交替最小二乘的三因子迭代计算方法,实现非正交联合块对角化,直接在时域解决卷积盲分离问题。实验仿真表明,与传统的联合块对角化算法相比,所提算法的收敛性能更好且更稳定,并且不受限于初始参数的选择;分离信号的相异度指标和巴克谱失真测度分别改善达到4.35 dB和0.22。     

相关信道下MIMO-OFDM系统的各态历经容量公式

通过将离散频域表示的信道冲击响应矩阵等效为由多径闻相关和收发两端空城相关三者所确定的“Kroneeker”相关信道模型．推导出频率选择性瑞利衰落信道中MIMO-OFDM系统在同时具有这3种相关性条件下的各态历经容量公式．该公式为评估各种相关性对于MIMO-OFDM系统容量的影响提供了一个简单而有效的工具．在多径间相互独立时．各态历经容量的表达式比较简单；当多径间相关时．各态历经容量可进一步表示为一个积分形式．并由MonteCarlo仿真给出了3种相关性、多径时延扩展和子载波数目对各态历经容量的影响．     

MIMO相关信道估计中训练序列的最优结构和最佳长度

针对存在空域相关性的多输入多输出（Multiple—Input Multiple—Output，MIMO）信道，首先设计了适用于任何给定长度的最优训练序列，该序列能够充分利用已知的信道相关信息，且具有估计均方误差最小化的特性．在此基础上，分析了相关信道下采用训练估计的数据传输机制所能达到的容量下界，得出了满足估计准确性和数据速率最优折中的最佳训练序列长度．最后，通过仿真验证了本文给出的训练序列的性能和最佳长度取值的有效性。