TD-LTE网络ANR功能场景标签化算法研究

目前TD-LTE网络发展迅速,传统邻区配置较大程度上依赖人工操作,不能适应技术的发展,SON(自组织网络)成为研究的一个主流方向,其中ANR(自动邻区关系配置)功能已成为LTE网络标准的重要内容,要求实现邻区的自配置和自优化,有效降低网络维护优化的人力与资金投入。文章研究ANR功能场景标签化算法来提升自动邻区关系配置的准确性,具有重要的现实意义。     

基于Zigbee的远程电机控制系统

文章实现了对智能家居中电机转速和转动位置的远程控制,通过该系统控制能够将电机运用在智能窗帘、智能卷闸门等智能家居领域,实现电机正反转、速度控制和自动停止等功能,同时应用PID算法,强化了电机转速控制精度。     

多项式时间网络编码仿真系统的研究与开发

网络编码是通信领域的一项新技术,自提出以来引起了广泛关注。文章简述了线性网络编码的工作原理,分析了确定性网络编码算法,优化了有限域,提出了一种仿真实现的具体方案,开发了一套网络编码仿真系统软件。系统实现了多项式时间复杂度的网络码字指派算法,同时对拓扑构造、最大流计算、编码点计算、算法选择、有限域选择、正交补计算等方面都进行了具体实现。系统由C语言编写,具有友好的操作界面,对关键数据进行了计算统计,为网络编码的教学和研究提供了有力的工具。     

一种改进的基于K-means的信息聚类算法研究

聚类分析技术是数据挖掘中一个重要的分析手段,聚类结果要求数据组内的对象相似性较高,数据组对象之间的相似性较低。到目前为止,有各种各样的聚类算法,其中K-means算法最为广泛,它是采用误差平方和准则函数作为聚类准则函数。但是K-means算法也有不足之处,比如k值无法确定,时间开销很大等。针对这些缺点,文章提出了一种改进的基于K-means的信息聚类算法研究。     

LTE-A中基于CoMP的预编码算法

在LTE-A系统中引入了多点协作（CoMP）技术,它能够有效降低小区间干扰,提升系统吞吐量,它可以看做是一个协作的多用户MIMO系统,但是每个用户会同时接收到有用信息和来自其他用户的干扰。而采用预编码方案可以有效消除MIMO用户之间的干扰。本文重点研究了基于CoMP技术所使用的经典预编码算法,并在此基础上,提出了结合SLNR和SVD两种算法优势的改进算法,该算法可以同时消除用户间以及用户内的多天线干扰,使系统容量进一步提升。     

一种基于峭度和记忆梯度的变步长盲均衡算法

分析了军事通信中传统恒模盲均衡算法的基本原理,并针对恒模算法收敛速度慢、易陷入局部极小点、收敛速度与稳态剩余误差之间矛盾突出的缺点,提出一种基于峭度和记忆梯度的变步长算法。经过理论分析和实验仿真,证明改进后的算法较传统算法具有更好的均衡效果。     

基于A*OMP算法及其改进算法的宽带雷达信号稀疏分解

传统稀疏分解算法正交匹配追踪(OMP)算法里采用内积最大值来寻找最优原子,该方法容易陷入局部最优,为了弥补这一缺点,采用了新的算法:A*OMP算法,该算法使用A*搜索(即最佳优先搜索技术)寻找最优原子,该搜索方式寻找的最优原子具有全局最优性。实验表明相比传统OMP算法而言,该算法有效地提高了信号的重构精度。     

机动车驾驶人场地驾驶技能考试系统算法设计

目前机动车驾驶人场地驾驶技能考试都是采用车载工控机进行软件算法的实现,其成本高,要求量取较多的车辆尺寸,且需要对场地项目进行区域划分,算法效率低。针对以上问题,设计了基于RTK技术的差分双GPS定位方案的车身出线及车辆压线的高效评判算法,该算法主要采用线段相交式的计算方法,通过实际场地测试,得出该算法对车辆尺寸度量点数少、运算效率高,易于在微控制器中实现,成本低,且无需对场地项目进行GPS区域划分,可以缩短施工周期、提高施工效率。     

一种提高模式匹配速度的新方法

在分析了经典的BM算法以及一些重要的改进算法的基础上,根据首字符唯一的特点提出了一种新的模式匹配算法--BMX算法。该算法利用模式串首字符的唯一性,通过判断文本串后一位是否在模式串中出现以及下一位字符和模式串首字符的比较,能使最大位移量提升到,出现概率也显著提高。实验结果表明,BMX算法能够最大限度地跳过坏字符,大大减少了匹配次数和字符的比较个数,加快了匹配速度,效率优于BM、BMH、BMHS等算法。     

基于MIMO-OFDM系统的盲源分离算法研究

为了实现使用OFDM调制的MIMO系统的盲源分离问题,提出了在接收端使用Nyquist频率对接收到的信号进行采样的,从而将原始的MIMO-OFDM系统盲源分离问题转变为N组的独立分量分离的问题.通过将FastICA算法扩展到复数域,在频域中对每一组相同子载波上的信号进行独立分量分析,最终实现信号的盲分离.仿真实验获得的结果证实了该方案具有良好的恢复效果,且算法收敛的迭代次数只需要8～10次.