大规模MIMO系统基于多分辨率深度学习网络的CSI反馈研究

快变信道环境下,采用频分双工模式下的大规模MIMO系统,用户通过反馈链路将信道状态信息(Channel State Information,CSI)发送给基站,为适应信道快速变化保证系统性能,要求降低反馈时延及减少反馈开销.提出一种基于深度学习的多分辨率信道状态信息网络(Multi-resolution Channel State Information Network,MCSINet),对反馈的信道状态信息进行压缩及预测,能够显著减少信道状态信息捕获与反馈开销,及降低时延.MCSINet模拟信道状态信息编解码系统,采用残差网络从信道样本中学习并完成信道预测,并通过多分辨率的卷积操作以及针对不同压缩率改变网络结构,从而更好预测信道状态.实验结果表明:与LASSO,TVAL3,CSINet等方法相比,MCSINet可以显著提高恢复信道状态信息,并且具有更低的误码率,复杂度和时延.     

T_3晶格中无质量Dirac粒子的磁电约束和波导

从理论上研究了T3晶格中的载流子在非均匀磁场和电场构成的磁电势阱中的约束.利用磁电组合势阱中电势可调的特点,靠增加电势阱深度从而增加粒子的束缚态数,或者增加势阱区域的宽度来改变束缚态数.利用磁电势阱构成电子波导或者量子线,计算了波导的本征模和概率流密度,指出了T3晶格的磁电波导可成为有希望的纳米电子器件.     

衬底温度对铝掺杂氧化锌薄膜生长及其微结构性能的影响

以铝掺杂氧化锌(Zn O:Al)陶瓷靶作为溅射材料,采用RF磁控溅射技术,在玻璃衬底上制备了Zn O:Al半导体薄膜,通过X射线衍射(XRD)测试研究了衬底温度对Zn O:Al薄膜生长特性及其微结构性能的影响.研究表明:衬底温度对薄膜生长和微结构均具有明显的影响;随着衬底温度的升高,薄膜(002)晶面取向度和平均晶粒尺寸表现为先增大后减小的变化趋势,而半高宽、微应变和位错密度则呈现出先减小后增大的变化趋势.当衬底温度为650 K时,Zn O:Al薄膜具有最高的(002)晶面取向度、最大的晶粒尺寸、最窄的半高宽、最低的微应变、最小的位错密度,其结晶性能和微结构性能最佳.     

基于GPU的PCA人脸识别系统设计

针对实际人脸识别系统需要满足实时性的应用需要,探讨了在图形处理器(GPU)硬件架构基础上的基于主成分分析(PCA)人脸识别系统设计与实现.结合统一计算设备架构(CUDA)的计算平台,通过将算法中耗时长、适合并行的部分过程映射到GPU上并行执行改进系统的加速实现.实验结果表明:相对于基于CPU平台的串行实现,基于GPU的实现在整体上能够获得约5倍的加速,而两个执行并行的模块能分别获得最大20倍和30倍的加速.     

基于CSI离散指纹的轨迹跟踪方法

针对从Wi-Fi设备中获取的接收信号强度(RSSI)在定位过程中误差较大的问题，设计了一种基于信道状 态信息(CSI) 离散指纹的轨迹跟踪方法．首先经过汉佩尔滤波，巴特沃斯低通滤波去除了CSI异常值和噪声的影响， 然后利用线性回归算法去除相位的频移误差，继而采用协方差矩阵特征值法进行特征提取，最后通过基于CSI子 载波权重的主成分分析法进行了无源定位和轨迹跟踪．实验结果表明: 离散指纹点定位的平均正确率在 90%以上， 所设计的算法能有效实现对室内人员的定位和轨迹跟踪．     

多层异构蜂窝网络中一种快速最优资源分配算法

利用最大化系统下行链路总容量问题模型中隐含的单调结构,将由于干扰存在使得构建的最优资源分配为非线性非凸的问题转换为单调优化问题,提出了一种改进的Polyblock外逼近法对其进行求解.该算法针对Polyblock外逼近法在求解过程中顶点值的个数呈指数倍增长,导致计算量较大、收敛速度较慢等缺陷,改用分枝定界法划分可行域区域,并以最大利益优先的方式进行节点扩展和搜索,边分枝边剪除不符合条件的枝,使可行域范围越来越小,最终逼近最优解.实验结果表明:改进算法提高了收敛速度和逼近最优解的效果.     

基于随机几何理论的多层异构蜂窝网络性能分析

为分析多层节点覆盖的异构蜂窝网络性能,采用独立的齐次泊松点过程分别对异构网络中的各层基站分布进行了建模,选择最强信号干扰噪声比(SINR)基站的接入方案,推导出多层异构蜂窝网络的覆盖概率,并且通过仿真实验分析了影响整体网络覆盖概率的因素.实验结果表明:多层异构网络在小基站密度和发射功率处于适当值时有较好的覆盖率性能.     

k-means聚类算法的MapReduce并行化实现

针对k-means聚类算法特点,给出了MapReduce编程模型实现k-means聚类算法的方法,Map函数完成每个记录到聚类中心距离的计算并重新标记其属于的新聚类类别,Reduce函数根据Map函数得到的中间结果计算出新的聚类中心,供下一轮MapReduce Job使用.实验结果表明:k-means算法MapReduce并行化后部署在Hadoop集群上运行,具有较好的加速比和良好的扩展性.     

基于区域标注的车牌提取算法研究

提出了一种基于区域标注的方法来实现静态图像中的车牌提取。车牌提取的主要步骤由以下几步构成:原始图像灰度化、数学形态学处理(前景图像处理)、图像二值化(阈值法)、图像滤波处理、特征区域标注,车牌特征提取、采用matlab进行实验仿真。在实验中,通过对各种场景下采集到1 000幅图像做测试,车牌定位率为98%。实验结果表明基于区域标注的车牌提取算法运算快,对背景较为复杂的图像中车牌的提取有良好的效果。