排序方式: 共有2条查询结果,搜索用时 78 毫秒
1
1.
K-best算法(即M算法)不但具有较低复杂度,而且还具有固定的复杂度和时延,因而被应用于解决多符号差分检测(MSDD)高计算复杂度的问题。然而,当前K-best算法在MSDD中的应用大多仅通过减少节点的分支数来降低复杂度,而对每层排序方法的研究几乎是空白。鉴于此研究了基于动态K-best算法下的Batcher合并排序和K cycles排序。仿真得出Batcher合并排序方法比传统的冒泡排序在比较交换次数上可以减少70%,而性能在高信噪比时仅相差0.25 dB;K cycles排序在复杂度上比Batcher减少将近85%,比冒泡减少90%左右,而其性能在高信噪比时是最优的。 相似文献
2.
在多符号差分检测系统中,深度优先的球形译码是一种典型的次优的检测算法。然而从复杂度角度来说,它仍有较高的计算复杂度,且存在流水线和并行操作困难等缺点。针对这些问题,目前主要从两个方面对该算法进行改进:一是通过选择合适的约束半径来降低复杂度;二是与K-Best(M)算法结合来解决并行操作问题。主要研究前者,并在现有的理论基础上,提出了两种半径选择方法,即线性半径和非线性半径。仿真结果表明,两种半径约束下的球形译码在复杂度上低于最大似然检测却同时能保证它们的性能损失小于0.5 dB。 相似文献
1