MIMO-OFDM系统中改进的QRD-M检测算法

在MIMO-OFDM系统的信号检测中传统的QRD-M算法以较低的复杂度逼近了ML检测的性能,具有很好的应用前景。但是该算法M值必须足够大且计算复杂度较高。针对此缺点,在QRD-M算法的基础上,首先对QR分解采用改进的修正GramSchmidt正交化算法,使得接收端能够最先检测信噪比较大的层,从而减少错过ML解的可能性;其次在树搜索过程中与DFE(Decision Feedback Equalization)算法相结合,引入新的参数T。改进算法的前T层用M分支搜索算法检测,剩余的其他层用DFE算法检测。这种方法降低了传统算法复杂度,同时增加了接收端检测的灵活性。仿真结果显示,改进的算法以更低的复杂度获得更接近最大似然检测的性能。     

舒适噪声生成算法研究

舒适噪声生成技术的研究目的在于能够更为接近的还原实际的背景噪声.具体的实现方法是利用线性预测算法在接收端对背景噪声进行还原,即利用背景噪声的有效载荷包括噪声级别的描述以及反射系数形式谱信息,在接收端生成舒适噪声.而系统模型的阶数则不必传输,因为这个数值是可以从有效载荷的长度中获得,从而能够较好的还原出语音通信中的背景噪声.舒适噪声生成算法的评估是通过引入舒适噪声有效载荷完成的,通过比较原始语音信号以及经过静音检测、CNG算法还原出的语音信号,结果表明在无噪声背景以及有低频噪声背景的情况F,对原始语音信号经过静音检测后插人生成的舒适噪声,能较好地恢复出原始的语音信号.     

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。     

LTE系统基于传输分集的信号检测的DSP实现

信号检测是长期演进( LTE)系统接收端的一项重要技术,对系统的性能有着较大的影响。在LTE系统中,接收端的天线同时接收来自发送端的多个天线端口的数据,因此接收端必须采用信号检测算法还原发送端的数据。分析与研究了基于传输分集的信号检测算法,并着重讨论了空频编码法,提出了一种简单的DSP实现方案。该方案已成功应用于TD-LTE TTCN扩展测试集仪表开发项目中。     

关于802.11g上行链路信号解析过程的研究

本文以802.11g下行发射信号为数据源,在接收端对经编码、交织、调制、OFDM等处理的下行发射信号进行接收处理。应用延时相关算法确定接收信号的帧起始位置;计算短前导的相位信息对长前导序列进行相位补偿;继而根据导频信号和信道估计算法估计信道的频率响应和相位响应。自此,不但可以确定数据域信号的起始位置,还可以根据信道特性解析数据域信号,实现数据发射端信号的可靠接收。     

基于m序列的音频水印隐藏算法

该文提出基于m序列的音频信息隐藏算法,将需要隐藏的水印信息进行m序列的扩展;对数字音频信号进行分段离散小波变换,最后将经过调制的水印信号嵌入到二层小波变换的中频系数中。在接收端,利用盲检测可以精确地提取水印信号。实验仿真结果表明:算法对原始载体音频信号的影响极小,具有较好的鲁棒性和透明性。     

MIMO-OFDM系统基于QR分解的信号检测算法

论文研究了MIMO-OFDM系统基于QR分解的几种信号检测算法,分析了各种算法的优缺点;指出信号检测顺序是降低误差传播概率的关键。针对VBLAST算法计算量大的缺点,提出采用SQRD算法,该算法利用迭代运算代替矩阵求逆运算,降低了VBLAST算法的计算量,并采用MMSE准则对该算法进行进一步推广。仿真结果表明采用MMSE-SQRD算法优于除ML算法以外的检测算法;在NT=NR=4时,结果表明在SER为10-3时MMSE-SQRD算法优于MMSE-BLAST算法2dB。     

WLAN802.11b基带发射信号解调过程的研究

本文以WLAN802.11b协议为标准,针对802.11b基带发射信号,在接收端对经过加扰、扩频调制等处理后的802.11b信号进行解调处理。通过同步算法确定接收信号子帧准确的起始位置,然后对同步后的数据进行频偏估计,并去除频偏和相偏。之后就可以根据数据信号的调制方式对数据信号进行相应的解调,实现数据发射端信号的可靠接收。     

无人机OFDM数据链路中信道估计算法研究

针对无人机信道的特点,以及采用正交频分复用技术进行无人机数据链路传输的优点.在对OFDM关键技术信道估计进行研究时,要确保接收端能够准确的检测出由于无线信道变化造成的码间干扰,准确的解调出原信号.根据系统需要设计了梳状导频和块状导频联合的导频插入方式,该方式可以在数据传输和信道估计性能上做到折中,并对常用的信道估计算法进行分析研究提出了改进的最小均方误差信道估计算法,最后建立频率选择性信道模型对不同的信道估计算法进行仿真,分析仿真结果可以看出该导频插入方式和信道估计算法具有较低的复杂度,而且又具有良好的信道估计性能,适合在实际系统中应用.     

低复杂度的空间调制信号检测

空间调制(SM)算法在接收端常用最大释然(ML)信号检测获得发送天线编号以及调制符号,恢复发射信息比特,但是ML算法复杂度随着天线数和调制阶数的增加呈指数增长,不具有实用性。针对该难题,提出一种新的低复杂度次最优检测算法。通过设置合理的判决门限将信号矢量检测(SVD)和硬限最大似然(HL-ML)算法进行联合。蒙特卡洛仿真结果表明,该算法的误比特率检测性能比SVD算法更接近ML算法,且复杂度与ML算法相比降低了85%。     

基于Grover算法的通信系统信号检测

设计一种基于Grover算法的MIMO-OFDM系统信号检测方案,将Grover算法应用于寻找最小判决值以判决发送序列。通过Matlab仿真分析比较Grover及其改进算法与传统检测算法的复杂度和性能。测试结果表明,Grover改进算法可以在有效降低复杂度的同时,达到与经典最佳接收算法基本相同的性能。     

一种基于LTE的改进型信号检测算法

为了提升信号检测算法的性能,提出了一种改进型V-BLAST算法,在最先检测层保留了K个与判决统计量欧氏距离最近的星座点,其他各层依旧采用V-BLAST算法,从而降低了误码传播的可能性。通过仿真,设定了K的取值,并得到结论:K取值适当时,该改进型算法比传统的V-BLAST在性能上有了明显提升。     

捕获算法对比研究

弱信号捕获是信号同步的关键技术,随着卫星导航应用范围越来越广,低信噪比下的信号捕获算法已经逐渐成为了捕获技术研究的热点。文中对低信噪比下的弱信号捕获算法进行了模型描述和性能定量分析,主要对相干积分算法、非相干积分算法和差分相干积分算法的处理增益及其对应的检测性能进行了理论分析和仿真比对。仿真结果表明,差分相干积分算法具有良好的处理增益性能,且对数据位跳变不敏感,适用于低信噪比下的信号捕获。     

基于灰度最值和方向纹理的概率滤波算法

为了更高效地检测和滤除噪声,基于灰度最值和方向纹理的概率滤波算法根据灰度最值进行噪声检测,对检测出来的可疑噪声,根据四个方向纹理的平滑过渡性进行第二次噪声检测。运用滤波窗口中出现频次最高的信号像素取代噪声。如果窗口中不存在信号像素,增大滤波窗口,以使窗口包含信号像素。当滤波窗口增大到允许的最大尺寸时,窗口中依然没有信号像素,则用窗口中已处理的、出现频次最高的像素取代噪声。将算法与当前滤波性能最好的中值滤波算法用于图像滤波实验。从滤波结果的主观视觉效果和客观数据两方面进行的比较分析证明,相对于当前的中值滤波算法,基于灰度最值和方向纹理的概率滤波算法具有更加良好的滤波性能,在滤除噪声的同时,很好地保持图像的边缘和细节。     

基于遗传算法的多用户检测技术分析

CDMA移动通信系统中的最优多用户检测问题是一个NP完备组合优化问题,遗传算法是求解这类问题的有效方法。通过分析CDMA系统多用户检测模型,对几种基于不同遗传算法的多用户检测方法的检测性能进行了实验仿真。仿真结果表明：基于多种群并行进化的分布式遗传算法更适合于多用户检测技术,具有较低的误码率和较强的抗远近效应能力。     

基于ICA算法的智能电子鼻在混合气体特征提取中的应用

电子鼻传感器在对环境污染的混合气体浓度监测及对工业废气检测中具有重要的作用,但由于现有算法的辨识能力和抗干扰能力差,影响提取原始信息信号的准确度;独立分量分析(ICA)方法是一种高效自信号分离方法;它将独立的源信号从混合信号中分离出来;文中经过电子鼻传感器检测出混合气体信号,通过ICA算法对混合气体进行分解,对外界干扰噪声进行消除,从而使气体成分辨别达到很好的效果;最后经过MATLAB仿真验证,对辨识出来的原始气体成分具有高精度,强抗干扰能力.     

基于信号衰减和孤立点检测的移动定位算法

提出一种基于信号衰减的GSM移动定位算法,该算法从移动台上行信令中提取相关网络信号衰减参数,通过改进的无线信道数学模型计算出移动台与附近基站的距离,通过孤立点检测算法降低偶然误差,给出移动台的估计位置。实验表明,该算法有效提高定位精度,且对现有网络和移动台无任何要求,实用性强。     

基于改进MUSIC算法的宽带信号DOA估计

现有的波达方向（DOA）估计算法在估计被动探测系统中的宽带信号方位时,存在DOA估计结果偏差大、运算复杂度高等问题,难以满足信号实时处理的要求。为提高多源信号DOA估计的空间分辨率,提出一种基于S变换且不需要预估信号源个数的多重信号分类改进算法。根据宽带信号的频域特征,利用S变换处理阵列接收信号,得到多分辨的时频谱矩阵,同时构建时频域的阵列信号数据模型,结合信号功率谱矩阵呈联合对角化结构的特点,设计基于S变换的子空间谱估计公式。在此基础上,通过谱峰搜索进行DOA估计,实现多源宽带信号的声源定位。仿真结果表明,在信噪比范围为-15~10 dB的条件下,该算法的估计成功率始终保持在90%以上,相比TCT、CS_TCT、CWT_MUSIC算法,其具有较优的估计性能,并且无需预估信号源数。     

面向航天信号数据的柔性分析平台设计与实现

航天信号数据是反映产品功能性能变化的重要载体,基于数据的分析对于故障预测、运维使用乃至产品优化迭代具有重要作用。信号数据分析算法众多,但存在组织应用层面中存在不能共享、不可灵活配置的瓶颈。该文在分析信号数据分析所面临的数据规范、数据存储和算法配置所面临问题的基础上,提出并建立了一种.NET框架技术设计的柔性的信号数据分析平台。在设计数据处理规范的基础上,使用大对象技术实现了高效数据吞吐,使用软驱动技术实现算法引擎从而实现对各种算法的调用和柔性算法配置,从而使组织层面能够共享数据并形成算法生态。实现的信号数据分析平台得到了良好的应用,内置的算法能够有效实现产品试验与在轨过程的异常监测。     

基于深度学习的目标检测技术综述

目标检测是计算机视觉领域中的研究热点.近年来,目标检测的深度学习算法有突飞猛进的发展.基于深度学习的目标检测算法大致可分为基于候选区域和基于回归两大类.基于候选区域的目标检测算法精度高,但是结构复杂,检测速度较慢.而基于回归的目标检测算法结构简单、检测速度快,在实时目标检测领域有较高的应用价值,然而检测精度相对略低.本文总结了基于深度学习的目标检测主流算法,并分析了相关算法的优缺点和应用场景.最后根据深度学习的目标检测算法中存在的困难和挑战,对未来的发展趋势做了思考和展望.