采用幅度相移键控调制的分层空间调制算法

针对空间调制(SM)算法频谱效率较低的缺陷,提出了一种基于幅度相移键控(APSK)调制的分层SM(LSM)算法。该算法首先对发射天线进行分层,然后分别对每层发射天线进行SM映射,最后根据每层SM映射得到总的天线激活索引号和调制符号。为了进一步降低系统的误比特率,以系统误比特率上界为目标函数给出了APSK内外环幅度比选择准则。此外,为了实现低复杂度的最大似然译码,接收端对激活天线索引号和调制符号进行独立检测。理论分析和仿真结果表明:LSM算法对于任意发射天线数目都适用,并且可以灵活地调节激活天线个数;与分层空移键控算法相比,当频谱效率为8b/(s·Hz)时,2种算法的性能基本相似,但天线数量节省了12根,从而节约了硬件资源;与广义空间调制算法相比,当发射天线为3、5和6时,频谱效率提高了1b/(s·Hz)。     

一种新的空间调制QPSK信号检测算法

空间调制(SM)是一种新颖的多天线传输方案,它将激活天线序号与传统的信号调制相结合,共同承载发送信息.由于SM系统的最大似然(ML)最优检测算法既需要检测出激活天线序号又需要检测出发送的信息符号,检测复杂度很高.为此,利用二进制二次规划的全局最优条件,针对空间调制QPSK信号,提出了一种新的最优的ML简化检测算法.新算法在保证了传统ML最优检测性能的前提下,明显降低了算法的复杂度,特别在大天线空间调制系统中具有更加明显的优势.最后通过计算机仿真,验证了新算法的ML最优性.     

低复杂度的正交空间调制检测算法

正交空间调制(quadrature spatial modulation,QSM)系统通过增加空间维来提高传统空间调制(spatial modulation,SM)的频谱利用率(频谱效率), 这在传统的多输入多输出 (multiple-input multiple-output,MIMO)技术中引起了极大的关注。虽然最大似然(maximum likelihood,ML)检测算法能够实现最优性能,但其穷尽搜索带来了极高的计算复杂度。而经典的线性检测算法最小均方误差(minimum mean square error,MMSE)和迫零(zero forcing,ZF) ,虽然在复杂度方面较最大似然ML最优检测低,但其误比特性能却比最大似然ML检测算法差很多。为了更好实现系统在计算复杂度和误比特性能之间的均衡,提出一种基于迫零的线性检测算法——增强型迫零(enhance zero forcing,EZF)。仿真结果表明,提出的检测算法不仅能够实现比传统检测算法(如迫零和最小均方误差)更好的性能,而且在复杂度方面较ML有明显的降低。     

一种自适应广义空间调制及其低复杂度算法

针对广义空间调制(GSM)算法不能充分地利用信道状态信息的缺陷,提出了一种适用于GSM系统的自适应调制算法(AGSM),该算法利用已知信道状态信息,通过最大化空间调制星座点的最小欧氏距离,实现天线组合和符号调制星座的联合优化。进一步提出了一种低复杂度AGSM算法(LA-GSM),通过减少可选符号调制星座数量,并在传统天线组合集合与剩余天线组合集合中分别自适应选择相同符号调制星座,实现较低复杂度的天线组合和符号调制星座的联合优化,同时兼顾系统空间分集增益。仿真结果表明:在相同系统频谱效率5b/(s·Hz)和6根发射天线条件下,所提的AGSM和LA-GSM算法以一定的算法复杂度为代价,均获得了相比于传统GSM算法更低的误码率性能,特别是在较高信噪比时AGSM算法和LA-GSM算法的误码率分别近似为GSM算法误码率的1/10和1/3;同时,LA-GSM算法获得了低误码率性能与低算法复杂度的较好折中。     

一种低复杂度的联合信号检测算法

空间调制(Spatial Modulation,SM)技术每一时刻只激活一根发送天线用于信息数据的传输,大大改善了传统多输入多输出(Multiple Input Multiple Output,MIMO)系统存在的问题.然而,SM系统的性能好坏多取决于接收端的信号检测算法.因此,为有效提高系统性能,在对现有的SM系统信号检测算法的优缺点进行分析的基础上,提出了一种联合信号检测算法.该算法将归一化最大比合并(Normalized Maximum Ratio Merging,NMRC)算法与拥有硬限判决条件的最大似然(Hard Limiting-Maximum Likelihood,HL-ML)算法相结合,取长补短,以达到既能保证系统最优检测性能又可以减小计算复杂度的目的.仿真结果表明,该联合算法的误比特率检测性能接近于最优检测算法,同时其计算复杂度被大大降低.     

正交空间调制系统的低复杂度检测算法

正交空间调制(quadrature spatial modulation,QSM)作为一种扩展的空间调制(spatial modulation,SM)传输方案,近年来受到业界的广泛关注.它通过在发送端将发送的复值符号的实部和虚部分开传输来提高频谱效率.由于正交空间调制系统的最大似然(maximum likelihood,ML)检测算法在整个搜索空间进行穷搜索,导致计算复杂度极高.针对QSM系统接收端检测算法复杂度较高的问题,利用QSM系统信号固有的稀疏特性,提出了一种QSM系统的压缩感知(compressed sensing,CS)检测算法.仿真结果表明,新的检测算法在误码性能上接近ML检测算法,复杂度约为ML的4.7％.     

BICM-ID系统中的一种自适应符号映射方案

比特交织编码调制迭代译码(bit-interleaved coded modulation with iterative decoding,BICM-ID)系统具有复杂度低,以及比特错误率性能好的特点,是下一代无线通信的核心技术.符号映射对BICM-ID获得较高的编码增益起着至关重要的作用.现有的大部分研究成果中,在所有信噪比区域内均使用同一种符号映射.然而,没有任何一种映射能够在所有信噪比区域内都获得最好的性能.交叉均衡8PSK准MSP(Cross Equalization-8PSK-Quasi-MSP,CE-8PSK)映射是一种优秀的符号映射,但同时它也存在性能缺陷区域.本文提出一种自适应的符号映射方法,在CE-8PSK的性能缺陷区域内用格雷或者混合映射来代替.仿真结果表明,利用本文提出的自适应符号映射方法,在CE-8PSK映射缺陷区内的性能可获得1dB的增益.     

基于深度学习的MIMO系统联合信号检测与信道译码

为进一步提高多输入多输出(multiple-input multiple-output,MIMO)系统性能,研究了深度学习方法来联合解决MIMO系统信号检测与信道译码问题.通过将深度神经网络、自动编码器神经网络与传统MIMO通信系统的物理层架构进行有机融合,构建了基于神经网络的MIMO系统模型,可获取系统发射端的信息比特或码字及信道状态信息,采用了端对端的训练方式,使不同神经网络模型可学习系统收发端的信息比特与码字的映射关系,联合实现了MIMO系统信号检测和信道译码,同时具有较低的复杂度.仿真结果表明,相比一些传统检测和译码算法,所提方法具有较优的检测和译码性能.     

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.     

采用Alamouti码构造的正交空间调制及低复杂度解码算法

针对空间调制(SM)频谱效率较低以及不能获取发射分集的缺陷,提出了一种基于Alamouti码的正交空间调制(AL-QSM)算法。首先将传统QSM算法中的单调制符号扩展至P个Alamouti调制符号矩阵,从而携带更多的调制信息;同时利用传统的二阶单位矩阵构造天线选择矩阵;然后通过激活两组天线选择矩阵分别对P个Alamouti编码的实部和虚部进行调制,相加后生成传输码字矩阵;最后,将携带信息的码字矩阵经由天线发射并在接收端进行解码。理论分析表明:AL-QSM算法在任何参数配置下均可获取二阶发射分集;同时得益于Alamouti矩阵的两列间正交特性,在接收端可以实现低复杂度解码。仿真实验结果表明:与现有的经典算法相比,所提AL-QSM算法拥有更好的误比特率性能;当频谱效率为4 b/(s·Hz)时,AL-QSM算法相比STBC-SM算法获得了约2 dB的性能增益;当频谱效率为8 b/(s·Hz)时,AL-QSM算法相比SM-OSTBC算法获得了约3 dB的性能增益。     

基于HNC词的聚类

针对文本分类和信息检索中的信息冗余和计算复杂等问题,在概念层次网络的基础上,提出了反义词、同义词、近义词的聚类算法.算法的基本思想是将词语的语义映射到HNC概念符号体系上,将所有的词语都变成一系列符号串,并在计算语义相似度和语义距离的基础上,在词语的HNC符号语料库上实现同义、近义、反义的聚类.     

基于增强蚁群优化算法与排序的 MIMO 检测算法

基于最大似然比的多输入多输出(multiple input multiple output,MIMO)检测算法的计算复杂度随着天线阵的规模呈指数级增加,提出一种计算复杂度较优的MIMO检测算法.采用基于对数似然比的排序QR分解技术将信道矩阵分解为正交矩阵与上三角矩阵,相应地修改信号的发射顺序,降低错误判断引起的错误传播效应;为传统人工蚁群优化算法的信息素更新策略引入负信息素概念,有效地控制系统的拥塞;根据优化路径的距离积累了信息素.该方法设计了基于负信息素的信息素更新策略,增加MIMO系统的拥塞控制能力,考虑信道的衰落本性,基于路径的距离积累信息素.为了测试该算法的性能,进行了多组对比实验,结果表明,误码率性能优于其他智能优化算法,且对于64×64等大规模天线阵,该算法的计算复杂度随天线规模增长较小.     

广义空间调制系统分层叠加编码的迭代检测

在广义空间调制(generalized spatial modulation, GSM)系统中,接收端信号检测方案的误比特率性能与复杂度是重要衡量指标。将发送端的星座调制与分层叠加编码(superposition coded modulation, SCM)方案结合,接收端分层检测时各层的码本搜索空间大小仅与该层的调制方式有关,有效降低算法的搜索次数。为获得更好误比特率性能,引入迭代的思想,即迭代分层检测(iterative layered detection, ILD),通过在解调第1层符号信息时选出ite个候选组合集,分别进行第2层到第L层的循环迭代,最后选取第L层调制符号与对应码本间欧式距离最小的迭代次数,作为最优检测符号。仿真结果表明,其误比特率性能接近最大似然(maximum likelihood, ML)检测,且计算复杂度降低了81.25%。     

基于STBC MIMO-OFDM系统特性的并行选择映射算法

正交频分复用(OFDM)技术是第四代移动通信系统的核心技术之一,但是高峰均功率比(PAPR)问题的存在一直是该技术实用化的主要障碍.针对该问题,证明了基于空时分组码的MIMO-OFDM系统中,共轭信号具有相同的峰均功率比特性,提出了基于相同峰均比特性的并行选择映射算法.所提算法不仅保持了已有并行选择映射算法的峰均比降低性能,同时有效地减少了算法复杂度,降低了边带信息的传输量,提高了系统的频带利用率.仿真实验结果证明了所提算法的有效性.     

MapInfo矢量符号库扩充方法研究

针对计算机制图软件自身符号库类型不够的问题,以MapInfo软件为研究对象,分析了其在矢量符号制作上存在的点符号和填充图案修改扩充困难问题,并提出了解决问题的优化方案:对于点符号,利用True Type字库实现点矢量符号存储;对于填充图案,则借助于AutoCAD软件,通过数据交换的方式来实现,并提供了一种可行的自动化方案,简化用户的操作.     

Stable initialization scheme for K -means clustering

Though K-means is very popular for general clustering, its performance which generally converges to numerous local minima depends highly on initial cluster centers. In this paper a novel initialization scheme to select initial cluster centers for K-means clustering is proposed. This algorithm is based on reverse nearest neighbor (RNN) search which retrieves all points in a given data set whose nearest neighbor is a given query point. The initial cluster centers computed using this methodology are found to be very close to the desired cluster centers for iterative clustering algorithms. This procedure is applicable to clustering algorithms for continuous data. The application of proposed algorithm to K-means clustering algorithm is demonstrated. Experiment is carried out on several popular datasets and the results show the advantages of the proposed method. Foundation item: Supported by the National Natural Science Foundation of China (60503020, 60503033, 60703086), the Natural Science Foundation of Jiangsu Province (BK2006094), the Opening Foundation of Jiangsu Key Laboratory of Computer Information Processing Technology in Soochow University (KJS0714) and the Research Foundation of Nanjing University of Posts and Telecommunications (NY207052, NY207082)     

基于MicroStation的地图要素符号化研究

地图符号是地图的语言,是空间信息的载体和传输工具。论述了地图点状符号、线状符号和面状符号的符号库建库方法,通过对MicroStation的二次开发,实现了测量数据的快速符号化成图,大大提高了成图质量和作业效率。     

Classification by ALH-Fast Algorithm

The adaptive local hyperplane (ALH) algorithm is a very recently proposed classifier, which has been shown to perform better than many other benchmarking classifiers including support vector machine (SVM), K-nearest neighbor (KNN), linear discriminant analysis (LDA), and K-local hyperplane distance nearest neighbor (HKNN) algorithms. Although the ALH algorithm is well formulated and despite the fact that it performs well in practice, its scalability over a very large data set is limited due to the online distance computations associated with all training instances. In this paper, a novel algorithm, called ALH-Fast and obtained by combining the classification tree algorithm and the ALH, is proposed to reduce the computational load of the ALH algorithm. The experiment results on two large data sets show that the ALH-Fast algorithm is both much faster and more accurate than the ALH algorithm.     

码复用差分混沌键控性能分析与同步算法

码复用差分混沌键控(code-shifted differential chaos shift keying,CS-DCSK)是一种具有优良抗多径衰落能力的非相干混沌调制技术,虽然非相干混沌调制技术不需要在接收端恢复混沌载波,但准确的符号同步是保证系统性能的前提.介绍了CS-DCSK系统的结构模型,包括发射机和接收机原理以及CS-DCSK独特的信号帧结构,然后采用高斯近似法(Gaussian approximation,GA)分析了高斯信道和Nakagami-m衰落信道下符号同步误差对CS-DC-SK误码性能的影响,最后提出一种符号同步算法,该算法通过发送训练序列首先完成帧间的粗同步,在粗同步的基础上完成帧内的细同步.仿真结果表明,在高斯信道和Nakagami-m衰落信道下,仿真结果与理论分析基本一致.通过与理想同步情况下的误码率性能比较,提出的同步算法存在2 dB左右的性能损失.     

An improved algorithm for blind carrier frequency estimation with burst MPSK transmissions

This paper presents an improved non-data-aided algo-rithm for carrier frequency estimation for burst M-ary PSK signals when modulation order M and training symbols are unknown. Unlike data-aided estimation, a phase clustering algorithm is used first to estimate M and modulated information is removed by a vari-able interval linear phase unwrapping. Then, a high-order correlation algorithm with proper correction is present, which reduces the probability of phase ambiguity and promotes anti-noise capability of the estimation. Simulations are given to analyze the unbiased esti-mation range, and the asymptotic performance and symbol number are needed to compare with the former algorithms. The new algo-rithm has a large estimation range close to the theoretical maximum value for non-data-aided estimation and has a better performance than earlier non-data-aided techniques for large frequency offset, low signal-to-noise ratio, and limited symbol numbers.