大规模MIMO系统的改进RTS信号检测算法

大规模多输入多输出（MIMO）技术通过基站端天线数量的增加有效提高频谱效率,降低传输功率,使其成为5G移动通信系统的一项关键技术。可是随着天线数量的增加,上行链路信号检测算法的复杂度大幅增加,原有检测算法无法实现。基于机器学习和人工智能的主动禁忌搜索算法（RTS）凭借着复杂度低的优势脱颖而出,成为业内的研究热点。针对RTS算法初始值计算复杂度过高这一问题,提出基于BC-GS（Block Constellations-Gauss Seidel）迭代算法求解初始值的RTS信号检测算法,使其在达到原有算法误码率性能的前提下,从而进一步降低算法复杂度。     

一种快衰落下正交空时分组码的译码

准静态衰落信道下正交空时分组码MIMO系统的一种简单最大似然检测算法性能接近于最大似然检测算法．但在实际时变信道干扰下，性能表现较差。本文分析提出了在多个发送和接收天线下能有效消除时变信道对简单最大似然检测算法产生干扰的算法改进。计算机仿真表明，针对时变信道下的正交空时分组码MIMO系统，该译码算法性能实现简单、计算复杂度低，性能接近最大似然检测算法。     

MIMO-GFDM系统中低复杂度动态禁忌搜索检测算法的改进

针对多输入多输出的广义频分复用（MIMO-GFDM）系统的等效信道矩阵维度极大，传统的MIMO检测算法复杂度高且性能不佳的问题，将大规模MIMO系统中的动态禁忌搜索（RTS）检测算法运用到MIMO-GFDM系统中，并解决了RTS算法初始值的求解复杂度高的问题。首先利用最小均方误差（MMSE）检测算法所用到矩阵的正定对称性将矩阵Cholesky分解，并结合Sherman-Morrison公式迭代计算初始值，降低了初始值求逆的高复杂度；然后以改进的MMSE检测结果作为RTS算法的初始值，从初始值逐步全局搜索最优解；最后通过仿真，对不同算法的迭代次数和误码率（BER）性能进行了研究。理论分析与仿真结果表明：在MIMO-GFDM中，所提改进RTS信号检测算法误码率远低于传统信号检测算法。在4QAM时，RTS算法大约有低于MMSE检测6 dB的信噪比性能增益（误码率在10^-3时）；在16QAM时，RTS算法大约有低于MMSE检测4 dB的信噪比性能增益（误码率在10^-2时）。与传统RTS算法性相比，所提改进算法在不影响误码率性能的同时降低了算法复杂度。     

应用于空间调制系统的低复杂度检测算法

应用于大规模多输入多输出系统的空间调制系统是一种新颖的5G传输方案。针对空间调制提出了一种复杂度较低的检测算法,提出的算法通过将接收天线重排序来减少总复杂度。算法结合已有的A-Star算法对接收天线分层并排序,改变树搜索结构并排除错的节点,使所选分支尽可能包括最优路径,极大缩小了所需访问节点数。该算法具有近似最优的误比特性能和更低的计算复杂度,与最大似然检测算法相比复杂度减少了80%左右。     

一种广义空间调制系统的低复杂度检测算法

针对广义空间调制(GSM)系统中信号检测复杂度过高的问题,提出一种采用分组检测方式的低复杂度检测算法。首先发送端根据激活天线数对发射天线进行分组,每组激活一根天线用于传输调制符号,然后提出算法基于这种发射天线组合方式,在接收端做相应的分组串行检测。分析和仿真结果表明,该检测算法能以极低的检测复杂度获得与最大似然检测算法(MLD)相近的误比特率(BER)性能。     

基于压缩感知的低复杂度广义空移键控信号检测算法

广义空移键控（GSSK）作为空间调制（SM）的一种简化形式，被广泛应用于大规模多输入多输出（MIMO）系统，以更好地解决传统MIMO技术中的信道间干扰（ICI）、天线间同步（IAS）和多射频（RF）链路等问题。针对GSSK系统最大似然（ML）检测算法计算复杂度高的问题，结合压缩感知（CS）中的子空间追踪（SP）算法和ML检测算法，并结合阈值的设置，提出一种基于CS理论的低复杂度GSSK信号检测算法。首先，用改进的SP算法获得部分发送天线组合（TAC）；其次，删除部分天线组合，缩小搜索天线组合的集合；最后，利用ML算法和预设的门限估计发送天线组合。仿真实验结果表明，所提算法的计算复杂度明显低于ML检测算法，同时误比特率（BER）性能逼近ML检测算法，验证了所提算法的有效性。     

基于量子Grover算法的MIMO检测技术

最大似然译码（MLD）是MIMO系统中最佳接收算法，但是其运算计算量随发射天线数呈指数增长，这是一个NP问题如果利用量子并行处理的优势，将量子搜索算法应用于MIMO系统的检测中去，会有效地解决以上问题，提高系统的性能．提出了基于量子Grover算法的MIMO检测方案，并分析了该方案的性能和特点？     

一种NLOS环境下TOA定位算法和算法比较

本文提出了当基站在空间随意分布时考虑非视线（NLOS）传播影响的TOA算法。其主要思想把权值最大的基站即存在NLOS误差的基站的非视距误差当作未知量,把非线性问题转化为最大似然（ML）线性估计。此算法结构简单,计算结果有较高的精度。并把该算法与其他算法做了详细的比较。     

基于估计误差逆序的VBLAST检测算法研究

为了取得VBLAST系统复杂度与性能的折中,在串行干扰消除检测算法的基础上提出一种按估计误差从大到小排序并与最大似然检测算法相结合的检测算法.该算法的排序方式能够保证后面检测层的可靠度逐渐增加,对首层进行最大似然检测能提高首层的性能从而遏制误码传播问题;或者对首层进行假设,检测出所有信号后择优选取作为最后的检测输出来提高系统整体性能.仿真结果表明,不管是快衰落瑞利信道还是空间相关信道,新算法复杂度与传统排序串行干扰消除算法复杂度相当或略有增加,而误码率更低,性能明显改善,更适合于VBLAST系统的信号检测.     

大规模MIMO中基于GSSK系统的稀疏检测算法

广义空移键控(GSSK)的特点是在每一时隙只激活部分发射天线,利用激活天线的索引号来传递信息。基于最大似然(ML)准则的GSSK检测器有最优的检测性能,但计算复杂度太高。为了在性能和复杂度之间取得更好的折中,改进了一种基于压缩感知(CS)的GSSK检测算法。仿真结果表明,该算法的检测性能接近于ML算法,且复杂度约为ML算法的2%。     

一种降低ACELP码书搜索复杂度的高效算法

为了降低代数码激励线性预测(algebraic code-excited linear prediction, ACELP)语音编码算法的复杂度, 以便更好地实时实现, 提出了一种有效的改进算法。在自适应码书搜索上提出了不连续的开环基音搜索算法, 利用时间抽取因子对不同时延段语音样点进行不连续抽取; 在代数码书的搜索上提出了一致脉冲替换法, 采用脉冲位置预选和循环判断机制控制码书搜索的次数。以G. 729A为实验平台进行仿真, 仿真结果表明, 改进的算法在保证语音质量的情况下, 有效降低了ACELP码书搜索的复杂度。     

一种多用户MIMO系统中有限反馈预编码算法及性能分析

多用户多输入多输出(MIMO)系统中,用户可以通过反馈的方式把信道状态信息(CSI)传递给基站,基站利用该CSI进行预编码或者用户调度,可以有效地提取复用增益。但是传统的反馈方式,反馈量太大,占用过多上行资源。针对收发都是多天线条件的多用户MIMO系统,提出一种基于Grassmannian码本的有限反馈预编码方法,通过对用户信道矩阵进行量化,每个用户仅仅需要反馈一个序号而不是信道矩阵,从而大大减少了反馈量。通过对系统误码率(BER)和吞吐率的仿真,表明了该方法能保证系统性能。同时,由于信道估计存在误差,量化过程存在误差,所以,分析了信道矩阵误差对于新方法性能的影响,得到了系统吞吐率同信道矩阵误差的方差,以及基站发射功率三者的关系,并通过仿真进行验证,从而为评估信道估计和量化过程的优劣提供了理论依据。     

基于RFID技术的煤矿井下人员跟踪定位系统防碰撞算法研究

为了防止井下人员跟踪定位系统中多个射频标签同时向基站发送识别信息时产生的碰撞问题,提出了一种基于搜索矩阵的自适应防碰撞算法.该算法有效利用碰撞信息,通过构造搜索矩阵进行读取,通过引入碰撞栈,并根据时隙状态自适应调整搜索路径的方法,使碰撞概率大大降低.理论和仿真实验证明,该算法能够有效解决多目标识别的防碰撞问题.     

基数约束投资组合问题的一种混合元启发式算法求解

针对资产数目和投资资金比例受约束的投资组合选择这一NP难问题,基于混沌搜索、粒子群优化和引力搜索算法提出了一种新的混合元启发式搜索算法。该算法能很好地平衡开发能力和勘探能力,有效抑制了算法早熟收敛现象。标准测试函数的测试结果表明混合算法与标准的粒子群优化和引力搜索算法相比具有更好的寻优效率;实证分析进一步对混合算法与遗传算法及粒子群优化算法在求解这类投资组合选择问题的性能进行了比较。数值结果表明,混合算法在搜索具有高预期回报的非支配投资组合方面表现更好,取得了更为满意的结果。     

基于混合蚁群优化的卫星地面站系统任务调度方法

卫星地面站系统任务调度是一个典型的组合优化问题, 优化过程极其复杂. 鉴于此, 提出了一种有效求解该问题的基于蚁群优化算法和导向局部搜索方法的混合优化方法. 该方法将蚁群优化和导向局部搜索有效地结合在一起, 极大地提高了优化绩效. 实例计算结果表明, 该混合方法能有效地求解卫星地面站系统任务调度问题.     

基于后退式搜索的自适应多叉树防碰撞算法

针对无线射频识别(RFID)系统中常见的标签防碰撞问题,在后退式搜索算法的基础上提出了一种改进的多叉树防碰撞算法。根据标签碰撞的特点,采用休眠计数的方法,以及遇到连续碰撞位时进行四叉树分裂的策略,使得在搜索过程中能够动态选择分叉数量,缩短了标签识别时间,有效地提高了算法的搜索效率。性能分析表明,该算法的系统识别效率达76.5%,且随着标签数目的增多,优越性更加明显。     

GA-based learning bias selection mechanism for real-time scheduling systems

The use of machine learning technologies in order to develop knowledge bases (KBs) for real-time scheduling (RTS) problems has produced encouraging results in recent researches. However, few researches focus on the manner of selecting proper learning biases in the early developing stage of the RTS system to enhance the generalization ability of the resulting KBs. The selected learning bias usually assumes a set of proper system features that are known in advance. Moreover, the machine learning algorithm for developing scheduling KBs is predetermined. The purpose of this study is to develop a genetic algorithm (GA)-based learning bias selection mechanism to determine an appropriate learning bias that includes the machine learning algorithm, feature subset, and learning parameters. Three machine learning algorithms are considered: the back propagation neural network (BPNN), C4.5 decision tree (DT) learning, and support vector machines (SVMs). The proposed GA-based learning bias selection mechanism can search the best machine learning algorithm and simultaneously determine the optimal subset of features and the learning parameters used to build the RTS system KBs. In terms of the accuracy of prediction of unseen data under various performance criteria, it also offers better generalization ability as compared to the case where the learning bias selection mechanism is not used. Furthermore, the proposed approach to build RTS system KBs can improve the system performance as compared to other classifier KBs under various performance criteria over a long period.     

改进飞鼠搜索算法的自适应图像增强

为了实现灰度图像增强最佳参数的自动寻优,提出一种改进飞鼠搜索算法的自适应图像增强方法.在普通树上的飞鼠位置更新中引入双向搜索策略,提高获得最好解的可能性;利用螺旋觅食策略更新位于橡子树上的飞鼠位置,提升算法的收敛速度和搜索精度.在CEC 2017测试集上,将所提算法BCSSA与蝙蝠算法、鲸鱼优化算法、基本的SSA和2种改进的SSA进行对比分析,结果表明, BCSSA具有更高的稳定性和更快的收敛速度.最后,将所提出的BCSSA应用于灰度图像增强,与经典的直方图均衡化方法和SSA进行了4种评价指标的性能比较,证明了BCSSA的优越性.     

Self Controlling Tabu Search algorithm for the Quadratic Assignment Problem

This paper addresses the application of the principles of feedback and self-controlling software to the tabu search algorithm. We introduce two new reaction strategies for the tabu search algorithm. The first strategy treats the tabu search algorithm as a target system to be controlled and uses a control-theoretic approach to adjust the algorithm parameters that affect search intensification. The second strategy is a flexible diversification strategy which can adjust the algorithm’s parameters based on the search history. These two strategies, combined with tabu search, form the Self Controlling Tabu Search (SC-Tabu) algorithm. The algorithm is implemented and tested on the Quadratic Assignment Problem (QAP). The results show that the self-controlling features of the algorithm make it possible to achieve good performance on different types of QAP instances.