排序方式: 共有4条查询结果,搜索用时 0 毫秒
1
1.
本文利用最小均方误差准则,推导了异步多径条件下空时CDMA多用户检测算法,分析了多用户检测与单用户检测关系,提出空时CDMA多用户检测接收机结构。基于SAGE迭代算法进行空时多用户检测,并利用CDMA信号的有限字符特性和上行信道的导频信息对SAGE算法提出改进。仿真结果说明了本文提出的空时CDMA多用户检测算法性能。 相似文献
2.
目前针对矿井无线信号检测的研究大多只考虑了比较理想的加性高斯白噪声信道和瑞利衰落信道,且信号检测误码率高,网络结构复杂。针对上述问题,提出一种基于双路径网络(DPN)的矿井无线信号检测方法,采用双路网络接收机(DPNR)优化正交频分复用(OFDM)接收端的整体性能,解决常规接收机的误差累积问题。首先采用残差(Res)块的shortcut对浅层特征进行一次卷积,将经过一次卷积后的特征图与经过多次卷积后的特征图相加。然后将密集(Dense)块浅层重复利用,并进行Dense块的卷积计算,得到卷积计算后的特征图。最后将两者的特征图融合成新的特征图,在牺牲较少复杂度的情况下,提取更多的特征,从而提高检测性能。实验结果表明:(1)在OFDM系统中,DPNR的误码率比常规接收机低,在信噪比为13时,误码率为零;在信噪比大于7时,DPNR的误码率较矿井环境下的常规接收机降低1个数量级以上;在信噪比大于11时,DPNR的误码率较加性高斯白噪声下的常规接收机降低1个数量级以上。(2)在通信系统滤波器组多载波/偏置正交幅度调制中,DPNR的误码率较常规接收机的降低2个数量级以上,说明其具有较好的鲁棒性。(3... 相似文献
3.
4.
针对矿井复杂环境下无线信道的衰落动态变化时,离线模型的线上检测表现会遭遇性能下降的问题,该文研究了基于迁移学习的自适应信号检测网络(ADN)。ADN的主要改进是使用并行网络对动态信道离散化以提高网络泛化能力;对线上接收端信号采取域对抗训练神经网络(DANN)的无监督学习方式,从而将离线训练知识迁移到线上矿井复杂环境中并且实时调整网络参数以适应信道的变化,从而实现矿井复杂环境下的自适应信号检测。实验表明对正交相移键控(QPSK)和正交幅度调制(QAM)信号,在动态变化的矿井Nakagami-m衰落信道中,随着离散信道的增加,ADN获得信道间的分集效益,性能逐渐提高。在高信噪比(SNR)时,其性能接近卷积神经网络(CNN),低信噪比时显著提高深度检测网络的鲁棒性和线上检测效果。 相似文献
1