共查询到19条相似文献,搜索用时 359 毫秒
1.
提出了一种改进的V-BLAST译码算法。接收机首先根据特定的准则在整个信号空间中进行搜索并得到一个子集,然后根据最大似然准则从该子集中选取合适的信号矢量作为译码结果。该算法可以取得和最大似然译码算法相近的译码性能,并且具有很低的计算复杂度。 相似文献
2.
3.
为了降低分集信号合成时输入信号的信噪比要求,提出了一种分集信号的中频合成方法
。该方法利用最大似然估计和迭代算法,通过计算输出合成信号和输入分集信号的相关值获
得合成权值,在中频实现信号合成。仿真和实验结果表明,该方法放宽了输入信号信噪比要
高于解调捕获门限这一要求,能自动实现最大合成增益。 相似文献
4.
5.
为了在MIMO-OFDM系统中更好地获得空间、时间和频率三维分集增益及较高编码增益,设计了一种最大码元速率为1的改进空时频编码技术。编码过程中,首先对两组发射数据向量进行旋转,然后以两天线为一组对旋转后的数据流在连续的两个OFDM符号之间进行正交设计,并按一定的准则分配到不同的子载波上,从而获得满分集增益和最优化编码增益。译码时,先将接收信号进行线性合并和白化处理,然后利用复杂度较低的球形译码器实现最大似然译码。分别对两发两收和四发一收系统进行仿真,结果表明,改进的编码技术与同样可获得满分集增益的空频码相比,具有0.5~0.6 dB的性能增益,因此具有更高的应用价值。 相似文献
6.
通用滤波多载波(UFMC)是5G通信系统中的关键技术,能够降低带外泄露。但是在多径衰落信道下UFMC系统会受到符号间干扰(ISI)和多普勒效应产生的载波频率偏差的影响,从而使系统的性能下降。为了消除系统中的干扰,提出了一种迭代最大似然算法。该方法主要通过迭代最大似然算法(ML)计算出载波频率偏差,把估计出的结果作为初始值并运用迭代的方法得到最终的载波频率偏差,当达到收敛区间时,迭代结束;最后利用相位旋转的概念补偿载波频率偏差并运用最小二乘算法更新信道响应信息,减少该系统干扰。仿真结果表明,在信噪比大于10 dB时,随着信噪比的增大,算法能够有效地抑制系统中的干扰,提高UFMC系统的性能。 相似文献
7.
8.
针对瑞利信道中存在的严重的多径衰落,本文实现了Turbo-TCM方案与时空分组码的级联系统,以期利用空间分集改善系统的误码率性能。针对级联系统的译码,本文给出了一种具有低译码时延的次优译码算法,该算法的特点是各模块独立译码,先算比特对数似然比再进行二进制Turbo码译码。最后通过计算机仿真给出了使用该次优译码算法的Turbo-TCM方案与时空分组码的级联系统的译码性能。仿真结果说明,当发射天线数目一定时,随着接收天线数目的增加,译码性能的增益随之增加而帧长对译码性能的影响则随之减小。 相似文献
9.
10.
结合短波差分跳频(DFH)信号的特点,分析了短波信道的多径、时延和多普勒效应对高速跳
频信号的影响,构建了基于Turbo码的G函数模型,并提出采用短时傅里叶变换(STFT)算法和
最大后验概率(MA
P)译码算法相结合的跳检测方法,进行跳频信号的跳检测。仿真结果表明:综合考虑短波
信道影响,采用该方法进行跳频信号检测,信噪比为6.8 dB时,误码率达到10-5,
可实现DFH信号的有效检测。 相似文献
11.
12.
13.
14.
相比于传统多输入多输出(MIMO)系统,大规模MIMO的天线数量大幅增加,使得系统的容量提升、误比特率下降,但也造成预编码矩阵维度升高,算法复杂度、系统成本及实现难度增大。将大规模MIMO系统主要采用的预编码技术分为线性和非线性两个部分,对两者进行了归纳和对比,并着重介绍了几种经过简化的线性预编码算法和几种比较典型的非线性预编码算法,指出因为非线性算法的复杂度很高,故未来大规模MIMO系统的预编码应当以线性算法为主。 相似文献
15.
与传统系统相比,大规模多入多出(MIMO)系统能更加有效地提高频谱效率。利用传统的最小均方误差(MMSE)信号检测算法求解大规模MIMO系统,虽然检测结果接近最优,但是矩阵的求逆运算导致计算的复杂度非常高。提出了一种自适应排序干扰消除(SIC)检测算法,在逐次超松弛(SOR)迭代运算的基础上,通过干扰消除降低待检测矩阵的维度。通过仿真分析,得出所提算法的复杂度低于Jacobi、SOR检测算法,且在迭代次数较少的情况下,算法的误码率(BER)性能明显优于SOR检测算法。 相似文献
16.
17.
18.
19.
针对置信传播(Belief Propagation,BP)译码算法在迭代次数较多时吞吐量和译码时延性能提升受限的问题,提出了一种低迭代次数的极化码BP译码算法,通过采用比特翻转和子信道冻结的方式,降低译码过程中的迭代次数。仿真结果表明,相对于传统极化码BP译码算法(设置最大迭代次数为40次),所提算法在信噪比为3 dB时可将平均迭代次数减少约53%,处理单元平均计算次数减少约68%。该算法所带来的低时延和低功耗效益可运用在对功耗要求较高的大规模机器类型通信,以及对时延要求较高的超可靠低延迟通信等5G场景下的极化码译码中。 相似文献