MIMO-OFDM系统中一种局域化最大似然检测算法

本文提出了MIMO-OFDM系统中一种低复杂度的局域化的最大似然检测算法,该方法通过对每个发送天线的导频训练序列进行信道估计,调整信号有效搜索域,获得低复杂度的系统误码率。实验表明,该信号检测算法明显降低了高阶QAM调制的计算复杂度,在QPSK和16QAM调制时,系统误码率接近已知信道频响情况。     

离散多载波调制中信道的非均匀分割

离散多载波调制中需要整个信道分成若干子信道。根据信道幅频特性的变化在不同频段有很大差异，提出了一种非均匀信道分割的方法，能使子信道数减少，子信道间能量的泄漏减少，子信道间的干扰相应减少，同时降低了调制时的计算复杂度。实验证明即使在比较少的子信道情况下，不影响系统的传输速率。     

双向协作系统的中继选择和功率分配策略

针对瑞利衰落信道下双向多中继协作通信系统,为了降低中断概率,提出了一种基于最小化中断概率的中继选择策略和功率分配方案。首先联合考虑两条链路的中继节点处信噪比和信道增益实现双链路中继选择,然后推导出一种新的最优中继下双向放大转发协作中断概率的近似表达式上界,并利用凸优化求解得到使中断概率最小的最优功率分配解。仿真结果表明,与现有策略相比,提出的策略能够明显降低系统中断概率和误码率,显著提高系统性能。     

MIMO-OFDM系统信道估计技术的分析

介绍了MIMO—OFDM系统的信道估计技术，根据是否使用训练序列信息，信道估计可以分为导频辅助信道估计和盲信道估计，本文首先较全面地介绍了导频辅助信道估计技术，然后介绍了一种运用较多的基于子空间的盲信道估计技术，最后计算机仿真分析比较它们的性能。     

基于改进深度学习的风机油污识别

针对风机设备油液渗漏影响风机正常运行亟需解决的对风机设备油污的识别问题,提出了一种基于改进深度学习的风机油污检测方法。基于深度学习在目标检测中的应用特点,对目标检测网络YOLOv5n（You Only Look Once v5n）进行改进,将原网络中的非极大抑制（Non Maximum Suppression,NMS）替换为Soft-NMS,降低了网络的误检率,添加CA (Coordinate Attention)注意力机制,增强了模型对目标的定位能力,改进原网络损失函数为α-IoU（Alpha- Intersection over Union）损失函数,提高了边界框检测的准确度。实验结果表明:模型平均精度提升了8.1%,查全率提高了19.1%,网络推理速度提高了28.6%。改进后的模型能准确检测风机油污,有效解决了风机实际运行中油液渗漏所带来的问题。     

基于深度学习的安全帽佩戴检测与跟踪

为了解决传统施工现场安全管理的弊端,减少因施工人员未佩戴安全帽造成的人员伤亡,本文提出一种基于深度学习的安全帽佩戴检测与跟踪方法。首先通过深度学习YOLOv3目标检测网络实现安全帽佩戴检测,进一步运用卡尔曼滤波器和KM算法实现多目标跟踪与计数。复杂施工现场的测试结果表明：网络模型的检测速度可达45 fps,平均精确度为93%,且未佩戴安全帽的查准率和查全率分别为97%和95%,基本能够实现安全帽佩戴情况的实时检测。     

电缆网上的交互业务

文章介绍了电缆网的组成、特点 ,可以支持的交互业务 ,以及有关电缆网传输的欧洲DVB/DAVIC标准和北美MCNS/DOCSIS标准     

基于高斯过程的多分类器

为改善一对多高斯过程分类器(one against all Gaussian process classifier,OAA-GPC)存在的不足,提出基于一对一方法的高斯过程多分类器(one against one Gaussian process classifier,OAO-GPC),以及在其基础上改进的基于有向无环图方法的高斯过程多分类器(directed acyclic graph Gaussian process classifier,DAG-GPC),这两种分类器在训练二分类器时仅需将其对应的两类训练样本作为输入,在不降低识别率的基础上减少算法的运行时间。在Oil、Segment、USPS这3个数据集上的实验结果表明,OAO-GPC和DAG-GPC的运行时间远低于OAA-GPC,且识别率与OAA-GPC近似相等,可迅速有效地解决样本的多分类问题。     

多用户MIMO系统的最佳功率分配策略

近来,MIMO无线系统以其在容量和性能上的巨大潜能吸引了广大研究人员的关注。本文对MIMO无线系统的功率分配问题进行概述。首先介绍了MIMO产生的背景,原理,从多个角度对一些MIMO系统的功率分配算法作了简要概托和分析。然后从信息论出发,作了一番总结,并对未来的研究作了展望。     

OFDM系统中基于预编码的时变信道半盲估计方法

讨论了一种适用于时变信道的OFDM系统半盲信道估计方法。该算法以一种基于线性预编码的信道估计技术为基础,利用接收信号的自相关矩阵所包含的信道信息进行信道估计。引入了一个具有单一参数的遗忘多项式,在时变信道下快速获得接收信号的自相关矩阵,使得该算法具有很强的信道跟踪能力。仿真结果表明,在时变多径瑞利衰落信道中,当信道仅在一个OFDM符号时间内保持不变时,该方法仍能够获得较高的信道估计精度和系统误比特率性能。