TD-SCDMA中联合检测的块傅立叶算法

TD-SCDMA已被ITU和3GPP批准为第三代移动通信国际标准之一,而联合检测是TD-SCDMA 中的一项关键技术,它可以等效为一个求最小二乘解的问题,由于其中涉及的数据繁多,使得计算量十分 巨大。目前的一些算法(如Cholesky算法、Schur算法及Levinson算法等)充分利用了其系统矩阵的块 Sylvester结构来减少计算量5研究了一种能更显著减少联合检测计算量的方法——块傅立叶算法的算法 复杂度,并在算法复杂度方面与其他几种算法进行比较,展示其有效性。     

基于MMSE-BDFE的联合检测技术

为了消除多址干扰和符号间干扰,引入联合检测技术,在保证最小均方误差线性块均衡（MMSE-BLE）算法性能的情况下,尽可能减少MMSE-BLE算法的计算量.基于此提出一种利用FFT进行矩阵分解的最小均方误差块判决反馈的联合检测算法（MMSE-BDFE）.仿真结果表明,该联合检测算法（MMSE-BDFE）与MMSE-BLE算法性能基本相同的情况下复杂度低于MMSEDLE算法,与ZF-BLE算法相比,在复杂度降低的同时,性能又有所提高,从而验证该算法满足实际通信的需要.     

一种TD-SCDMA系统线性多用户检测的算法

依据"时分同步码分多址(TD-SCDMA)"协议标准文本,针对TD-SCDMA系统在多径瑞利衰落信道下的多用户检测问题,提出了一种基于最小均方误差准则的次优线性多用户检测问题数学模型,并基于该模型利用组合数学中的最速梯度下降法,设计实现了一种适用于TD-SCDMA系统的LMMSE MUD算法,同时结合仿真实验结果得出影响该算法收敛性能的关键因素,该算法复杂度分析.结果表明,此算法BER性能优于SUMF和ZF-BLE,而其算法复杂度与ZF-BLE法相当.     

MIMO系统中基于条件数阈值的格基约减信号检测算法

在多输入多输出系统中,最大似然(maximum likelihood,ML)检测算法性能最优但复杂度很高,最小均方误差(minimum mean-square error,MMSE)检测算法复杂度低但其性能较差.较高的信道矩阵条件数会给信号检测算法的误码率性能带来不利影响.针对这些问题,提出一种基于信道矩阵条件数阈值的信号检测算法来提升高条件数下传统检测算法的性能.该算法通过比较信道矩阵的条件数与预先设定的条件数阈值,选取相应的检测算法:当条件数低于阈值时,采用复杂度较低的LLL(lenstra-lenstra-lovasz)约减的MMSE(LLL-MMSE)算法来减少计算量;当条件数高于阈值时,采用基于排序分组的ML与LLL-MMSE联合的检测算法,通过增加一定的计算量来保证检测性能.对不同阂值下的误码率性能进行了仿真,结果表明算法的性能明显优于传统的LLL-MMSE检测算法,并且通过预先设定条件数阈值可以使得算法在性能和复杂度之间获得较好的平衡,最终达到优化检测算法性能的目的.     

基于统计特性的H.264/AVC帧间快速模式判决算法

鉴于H.264宏块的可变尺寸划分模式虽提高了编码效率,但也加大了计算复杂度.针对降低编码复杂度的问题,提出了一种基于统计特性的帧间模式选择快速算法.该算法利用最佳模式分布规律和率失真值的统计特性,通过比较适当的阈值提前中止策略以减少不必要的计算量.通过实验表明:该算法平均减少总编码时间30%左右,而且性能损失控制在可以忽略的范围之内.     

基于快速稀疏编码与惊奇计算的视频异常检测方法

提出一种可用于视频中群体异常和个体异常检测的方法,即先用快速稀疏编码算法生成字典,再用字典表示测试特征样本,并以重构误差作为目标函数进行异常判别;对于群体异常,用块匹配运动估计代替耗时的整帧光流计算,生成多尺度运动直方图,有效地减少了计算复杂度;对于个体异常,提取HNF特征,若稀疏表达的重构误差超过阈值,则用惊奇计算进行二次检测,判断其是否为噪声导致的虚警,计算字典中已包含和未包含的不同特征描述子之间的差别,若判别出虚警,则更新字典减少后续检测中噪声干扰的虚警数.实验表明,算法有效地提高了检测率,降低了计算复杂度,且易于实现.     

MIMO信道的PDA-EM迭代信道估计算法

将随机数据联合检测算法(PDA)嵌入到EM算法中,提出了一种低复杂度的迭代信道估计算法.其计算复杂度较MAP-EM迭代信道估计算法显著降低,并且仿真结果显示,可取得与MAP-EM算法相近的系统性能.     

一种TD-SCDMA系统线性多用户检测算法的仿真实现

基于笔者提出的一种适用于TD-SCDMA系统的最小均方误差准则次优线性多用户检测算法,本文结合TD-SCDMA系统特性设计实现了该算法的仿真实验,并利用自行开发的TD-SCDMA协议仿真实验工具软件进行了大量仿真实验,从仿真实验中获得了影响算法收敛复杂性的几个关键因素。仿真结果亦表明该算法在性能、复杂度方面均具有优势。     

关联规则的高效向量法数据挖掘

对经典的向量挖掘算法和Apriori算法的思想及其复杂度进行分析后,提出了一种新的高效向量数据挖掘算法。新算法通过避免不必要的计算以达到提高算法的计算效率,通过避免不必要的存贮以达到减少算法的空间复杂度,与经典的向量挖掘算法相比有如下优点：(1)空间复杂度为o(n|L1|),比经典的挖掘算法的空间复杂度要小得多;(2)计算量比经典的挖掘算法要小。     

一种H.264的帧间宏块模式选择算法

H.264视频编码标准采用多种块模式运动估计,可以有效减少块匹配预测误差;但随着模式选择的增多,算法计算量成倍增加。对H.264的帧间宏块编码模式的选择进行了统计分析,在此基础上,提出了一种根据前一帧搜索结果判断小块模式搜索中途停止(Halfway-Stop)算法。实验表明,本算法能在获得与全搜索算法相当的图像质量、信噪比和比特率的情况下,大大降低多种块模式运动估计算法的复杂度。     

一种TD-SCDMA下行链路信道估计的快速算法

以信道估计为基础的联合检测是TD＿SCDMA系统采用的关键技术之一,它能有效地消除多址干扰(MAI)和符号间干扰(ISI)从而提高系统容量.本文在分析TD＿SCDMA系统下行链路基带离散时间传输模型的基础上,提出了一种下行链路信道估计的快速算法,并结合终端联合检测算法进行了计算机仿真.结果表明该算法在提供同样信道估计性能的同时,计算量降低了近3阶.     

算法时间复杂性分析综述

算法分析一方面可比较几种算法的优劣,另一方面可准确地确定编码的瓶颈。文章系统地介绍了算法时间复杂度的概念和计算方法,并对算法时间复杂度的数量级进行了分析和评价。     

压缩感知中基于梯度的贪婪重构算法综述

正交匹配追踪（OMP）算法是贪婪类算法中最经典的算法之一,但是对于大规模数据的重构问题却有着计算复杂度高、存储量大的缺点,而如果将最优化方法中的梯度与贪婪算法相结合,就会大大减少计算复杂度和存储需求.文中详述了梯度追踪算法,从理论上分析了这些算法的计算复杂度、存储需求和优缺点,并用这些算法分别重构一维信号和二维信号,分析重构效果.实验结果表明,梯度追踪算法的重构效果均比OMP好.尤其是基于变尺度法的梯度追踪算法,无论是重构时间还是重构效果,均优于OMP算法.     

一种低复杂度球译码算法在STBC-OFDM中的应用

STBC-OFDM系统能够提供分集增益和编码增益,但采用ML(最大似然)译码时计算量很大,满足不了高速实时通信系统的要求。本文提出了一种在球半径范围内搜索向量的方法,即球译码方法,并在复域内提出一种基于重新排序的更好的搜索算法。该算法通过优化球半径迭代,加快了信号矢量搜索速度。仿真结果显示:与其他方法比较,该算法在计算量方面具有更大优势,平均浮点运算降低了大约75%,大大提高了运算效率。     

空间调制信号的改进M-ML检测算法

空间调制(SM)系统的最大似然(ML)最优检测算法的计算复杂度很高,具有较低计算复杂度的M-ML检测算法受到了人们的关注.M-ML算法按照接收天线序号由小到大的顺序进行检测,从误比特率性能角度考虑并不是最佳的.通过研究不同检测顺序对算法性能的影响,提出了两个改进的M-ML算法,仿真结果表明改进的M-ML算法在误比特率性能上优于M-ML算法.由于M-ML算法在不同的信噪比下每层保留固定的节点数M,尤其在高信噪比时会造成计算资源的浪费,因此提出一种动态M-ML算法,即通过门限值自适应选择每层保留的节点数.仿真结果表明动态M-ML算法降低了M-ML算法的计算复杂度,同时性能逼近M-ML算法.     

用于回声消除系统的自适应延时估计算法研究

为避免回声消除系统中滤波器过长导致的各种缺陷,提出一种单滤波器结构的自适应延时估计(delay estimation,DE)算法,并与现有的两种双滤波器延时估计算法S-DE、PHT-DE进行对比研究。先阐述自适应延时估计算法的原理,并对三种算法进行理论研究,然后采用高斯白噪声作为输入信号,以稀疏回声路径为实验条件,对算法进行计算机仿真。仿真结果表明,与PHT-DE相比,S-DE算法计算复杂度较低而稳定性较弱,但两种算法均为双滤波器结构,因此存在信息冗余而导致计算复杂度浪费。新算法为单滤波器结构,可有效避免双滤波器结构的信息冗余,其性能与计算复杂度均优于S-DE、PHTDE,是各种DE算法里实用性最强的算法。最后指出该算法的改进方向是进行统计学建模,为参数设置提供理论指导公式。     

大转角下高质量图像旋转快速算法

针对大旋转角情况下三步旋转算法的复杂性和灰度误差随着旋转角度的增加而迅速增加问题,提出了一种修正的三步平移旋转算法,它在大旋转角度时仍具有较小的复杂性和较高的图像质量．实验结果表明了该算法的正确性和有效性．     

KNN分类算法研究

KNN算法是应用最广泛的分类技术之一。文章简要介绍了KNN算法的基本原理,重点论述了研究人员针对KNN算法的不足所做的各种改进。主要从距离计算的改进、降低计算复杂度、K值的选择、与其它方法集成几个方面进行分析研究。     

Ways to Sparse Representation: A Comparative Study

Many algorithms have been proposed to achieve sparse representation over redundant dictionaries or transforms. A comprehensive understanding of these algorithms is needed when choosing and designing algorithms for particular applications. This research studies a representative algorithm for each category, matching pursuit (MP), basis pursuit (BP), and noise shaping (NS), in terms of their sparsifying capability and computational complexity. Experiments show that NS has the best performance in terms of sparsifying capability with the least computational complexity. BP has good sparsifying capability, but is computationally expensive. MP has relatively poor sparsifying capability and the computations are heavily dependent on the problem scale and signal complexity. Their performance differences are also evaluated for three typical applications of time-frequency analyses, signal denoising, and image coding. NS has good performance for time-frequency analyses and image coding with far fewer computations. However, NS does not perform well for signal denoising. This study provides guidelines for choosing an algorithm for a given problem and for designing or improving algorithms for sparse representation.     

受ELSE规则支配的模糊LMS算法

针对FSS-LMS算法推理机制不全和算法运算量大的问题,提出了一种新的受ELSE规则支配的模糊LMS算法.ELSE规则的存在使得在任何输入数据条件下都能成功执行推理机制,而且运算量大为减少.与其它模糊LMS算法相比,该算法所建立的模糊规则更加简单和可靠.实验结果表明,该算法不仅具有更少的计算量,而且比其它的模糊LMS算法以及其它传统的LMS算法具有更好的性能.