基于负载分布的路由算法(LPR)

给出基于路由分布的路由算法,将有效带宽分散于候选路由集中,以匹配到达的虚电路请求服务质量的分布特点。这一方案与传统的负载均衡化和负载打包相比,具有高效的负载公布,较好地支持了应用的实时服务质量。     

Novel algorithm for pose-invariant face recognition

By combining the AdaBoost modular locality preserving projection(AMLPP) algorithm and the locally linear regression(LLR) algorithm,a novel pose-invariant algorithm is proposed to realize high-accuracy face recognition under different poses.In the training stage of this algorithm,the AMLPP is employed to select the crucial frontal blocks and construct effective strong classifier.According to the selected frontal blocks and the corresponding non-frontal blocks,LLR is then applied to learn the linear mappings which will be used to convert the non-frontal blocks to visual frontal blocks.During the testing of the learned linear mappings,when a non-frontal face image is inputted,the non-frontal blocks corresponding to the selected frontal blocks are extracted and converted to the visual frontal blocks.The generated virtual frontal blocks are finally fed into the strong classifier constructed by AMLPP to realize accurate and efficient face recognition.Our algorithm is experimentally compared with other pose-invariant face recognition algorithms based on the Bosphorus database.The results show a significant improvement with our proposed algorithm.     

Simple Detection Based on Soft‐Limiting for Binary Transmission in a Mixture of Generalized Normal‐Laplace Distributed Noise and Gaussian Noise

In this letter, a simplified suboptimum receiver based on soft‐limiting for the detection of binary antipodal signals in non‐Gaussian noise modeled as a generalized normal‐Laplace (GNL) distribution combined with Gaussian noise is presented. The suboptimum receiver has low computational complexity. Furthermore, when the number of diversity branches is small, its performance is very close to that of the Neyman‐Pearson optimum receiver based on the probability density function obtained by the Fourier inversion of the characteristic function of the GNL‐plus‐Gaussian distribution.     

未知噪声信息多径衰落信道的软判决度量生成

信道解码中的软判决技术需要利用信道噪声方差信息来产生软判决度量,而通常情况下,这一信息是未知和时变的。本文首先简要分析了信道噪声方差对软判决度量的影响,进而提出一种新的在多径衰落信道中估计时变噪声方差的方法,并利用该方法的估计结果为信道解码器生成软判决度量。将该算法应用于中国地面数字电视广播传输系统外接收机的仿真结果表明：与已有的信道噪声方差估计算法相比,本文算法具有收敛速度快、估计结果准确的优点,生成的软判决度量逼近于多径衰落信道的最优软判决度量。     

CDMA 2000 1xEV-DO前向链路调制与编码技术

1xEV-DO是CDMA 2000针对数据业务的增强系统.为提高数据传输速率,1xEV-DO前向链路引入了8PSK和16QAM这样的高阶调制以及Turbo码.本文在简要介绍CDMA 2000 1xEV-DO系统前向链路的基础上,着重研究了相应的调制与编码技术.文中以16QAM为例推导了MAP,Log-MAP及Max-Log-MAP软解调算法,另外还说明了Turbo解码器如何针对软信息输入做必要的修改,最后通过在不同信道下1xEV-DO系统前向链路仿真分析了解调和解码算法的性能.     

基于FPGA的8PSK软解调的研究与实现

首先分析了8PSK的软解调原理,针对最优的对数似然比（LLR）运算复杂度较高的特点,选用了相对简化的最大值（MAX）算法作为可编程逻辑门阵列（FGPA）硬件平台实现方案。随后,通过QUARTUS II仿真平台对8PSK软解调器进行了硬件描述语言（VHDL）的设计实现和功能仿真,并通过与LDPC译码模块级联在Altera公司的Stratix II系列FPGA芯片上完成最终测试。通过与MATLAB仿真结果进行比较,验证上述简化8PSK软解调器设计的正确性和可行性。     

一种基于LLR软判决的LTE解映射简化算法

针对目前LTE解映射算法复杂度高的缺陷,提出了一种基于LLR软判决的LTE解映射简化算法SLLR。该算法旨在通过使用对数似然比进行软判决,以简化指数计算与对数计算为主,降低LTE解映射过程中计算的复杂度。通过对标准算法与简化算法的QAM调制方式产生的误码率、误块率进行仿真和比较,结果表明该SLLR简化算法性能良好,适用于LTE通信系统。     

LDPC码译码算法及性能分析

为了进一步降低低密度奇偶校验(LDPC)码译码算法的复杂度,基于经典置信传播(BP)译码算法,给出了对数域迭代后验概率对数似然比(APP LLR)算法。通过概率域的和积算法(SPA)和对数域的迭代APP LLR算法的性能仿真及分析可见,迭代APP LLR算法能以较小的性能损失换取复杂度的大幅降低。进一步选用迭代APP LLR算法,结合不同地形条件下的VHF频段信道模型,仿真了LDPC码编译码系统的性能。理论分析及仿真结果均表明,基于迭代APP LLR算法的LDPC码,实现简单,性能优异,具有良好的工程应用前景。     

Turbo-MIMO系统中一种基于部分后验概率的软检测算法

迭代树搜索(ITS)是一种有效的基于M-算法的软MIMO检测方案。然而ITS会遇到某些比特的对数似然比(LLR)无法确定的情况,虽可采用赋常数值方法(称为clipping)解决,但这会影响系统性能。为此,该文提出一种新的基于M-算法的软检测方案。该方案在树的每一级递推计算部分符号序列的后验概率,并基于此近似计算从第1级到该级的所有比特LLR,再采用M-算法保留部分符号序列延伸至下一级。该算法可确保每比特都可计算LLR,且能得到可靠性高的LLR值。考虑到某些比特LLR会多次计算,文中给出了算法的低复杂度实现。另外,该文还给出了一种计算符号序列后验概率的简单方法。最后,仿真结果表明所提算法相比ITS具有更好的性能,并使性能与复杂度达到较好的折中。     

结合对数似然比的领域本体概念和关系的提取

本体学习已成为计算机领域的一个研究热点,目前本体学习的研究重点在于概念及关系的提取。针对现有学习方法准确率不高,提出一种结合对数似然比（Log-Likelihood Ratio,LLR）的本体学习方法,采用对数似然比计算概念与领域及概念与概念之间的相关性,将其应用到概念与关系提取中。实验结果表明,结合对数似然比的学习方法能够有效改进概念和关系提取的准确度。