基于子空间跟踪的自适应多用户检测方法

提出了一种新的基于子空间跟踪 (SP) 的自适应多用户检测算法,不需计算初始矩阵,并且检测性能接近高复杂度的经典算法.利用SP算法跟踪的信号子空间求得解调向量,修正了MMSE检测器.将其与SVD MUD、PASTd MUD两种算法进行了分析和比较,结果显示SP算法收敛速度快,稳态效果较好,计算复杂度低,具有一定的实用价值.     

信息工程类大学生实践与创新能力的培养研究

本文从构建科学合理的实践教学体系,设计更新实验内容、改进实验教学方法,做好实验教学队伍的建设等几个方面来分析探讨学生的实践能力和创新精神培养的问题。在实践教学中引入新概念、新技术、新手段,对信息技术的实践教学环节进行改革和创新,是培养具有实践能力和创新精神的高级专业人才的有效途径。     

平行算子及其在图像平行结构检测中的应用

平行直线以及具有平行结构的多边形在图像中的体现非常丰富,以往的研究一般通过直线斜率相等判断两直线平行,对具有平行结构的多边形的检测需要预先给定信息或者适用范围狭窄,针对一般平行结构检测的研究一直较少。作者在充分研究平行结构特性的基础上,基于距离信息提出了平行算子的概念,实现了图像中平行结构的检测。首先,利用点线距离及点间距离的关系给出平行算子的定义;然后,获取图像中的有效像素,并基于平行算子得到所有平行点组;随后,根据方向信息合并平行点组,利用Hough变换实现图像中平行线的检测;最后,验证直线交点之间线段的存在性,根据存在线段的端点位置实现多边形检测。实验结果表明：本文定义的平行算子能够很好地检测到实际图像中的平行点组,在平行精度要求不高的条件下可以抵抗较大的噪声;基于平行算子的图像平行结构检测算法可以准确检测出图像中的平行直线及具有平行结构的多边形。本文提出的算法可准确检测出图像中的平行结构,具有普遍性。     

基于基元表示的多边形检测方法

特征检测是图像处理的经典问题,但多边形检测一直研究较少,针对这一现况,提出了一种简单有效的多边形检测方法——基于基元表示的多边形检测方法. 该方法的主要思想是:首先,检测图像关键点并计算关键点附近的边缘方向,利用关键点位置与边缘方向信息定义点基元(一维基元);其次,将满足组合条件的点基元进行组合, 获得线基元(二维基元);然后,将满足组合条件的线基元与点基元进行组合,获得三维基元或者三角形,实现三角形检测;同样,可将满足组合条件的n(n≥2)维基元与点基元进行组合,获得n+1维基元或者n+1边形,实现多边形检测. 实验结果表明,本文提出的基于基元表示的多边形检测方法可准确有效地检测出图像中包含的各种多边形. 此外,本文提出的基元表示方法也为其他由线条组成的复杂图形的检测提供了一种新的思路.     

相关信道下多模式天线选择算法的研究

分析了相关信道情况下,角度扩散对信道增益及有效自由度的影响,提出了基于有效自由度的多模式天线选择算法,该算法不仅可以根据信道相关情况动态选择天线数目,而且可以基于信道条件数动态确定天线子阵.仿真实验表明,采用该天线选择算法后香农信道容量与使用全部天线时的信道容量相比,损失很小,而系统复杂度降低.     

基于子空间跟踪的修正MMSE多用户检测算法

在研究基于子空间跟踪的最小均方误差（MMSE）多用户检测器（MUD）的基础上，为解决原算法因引入特征值估计误差而导致检测性能下降的问题，设计了一种改进的算法——修正的MMSE多用户检测器．采用正交性能优良的OPAST算法跟踪子空间，提出一种基于OPAST的修正MMSE多用户检测算法．仿真结果显示,与基于OPAST的MMSE MUD相比，基于OPAST的修正MMSE MUD算法收敛速度快，输出信干比和误码率性能逼近SVD MUD算法，并且计算复杂度较低．