多用户正交多级差分混沌键控通信系统

针对传统差分混沌键控(differential chaos shift keying, DCSK)采用多电平方式传输多进制信息导致误比特率(bit error rate, BER)高的缺点,提出一种多用户正交多级DCSK(multi-user orthogonal multi-level DCSK, MOM-DCSK)通信系统。该系统将传输的多进制信息映射为不同的传输系数,多个传输系数分别乘以对应的Walsh码后调制在信息承载信号上,并且通过不同的延时传输多用户信息。在加性高斯白噪声(additive white Gaussian noise, AWGN)信道和多径Rayleigh衰落信道中推导了系统的理论BER公式并进行了仿真分析。结果显示，该系统在传输多进制信息时拥有较好的误码性能,并且在多用户传输领域中有较好的实际应用价值。     

高速降噪差分混沌键控系统

差分混沌键控(differential chaos shift keying, DCSK)系统的最大缺点是参考信号和数据信号消耗了相同比例的能量和数据传输速率。为了克服这一缺点,提出了一种高速降噪的差分混沌键控(high rate noise reduction differential chaos shift keying, HRNR-DCSK)系统。该系统将数据信号扩展为多个时隙,每个时隙传输不同的数据比特,并且参考时隙的长度随着传输比特数量的增加而缩短,最后在接收端通过降低接收信号噪声的方差来提高系统的误码率(bit error rate,BER)性能。该方式提高了数据传输速率,降低了比特能量。采用高斯近似法(Gaussian approximation, GA)推导出加性高斯白噪声(additive white Gaussian noise,AWGN)信道以及瑞利信道中的比特BER公式并进行仿真。理论分析和仿真表明:在两种信道中理论推导和仿真曲线有较好的吻合,同时HRNR-DCSK系统能有效改善系统的传输速率,在混沌通信领域具有一定的应用前景。     

LLN中基于环路避免的高效路由修复算法

针对低功耗有损网络(low power and lossy networks, LLN)中现有路由修复算法存在控制开销冗余、修复时延较大和路由环路等问题,提出一种LLN中基于环路避免的高效路由修复算法(highly-efficient loop-free based repair routing protocol for LLN,HLR-RPL)。该算法提出了3个优化思路:首先,采用一种修正后的面向目的地的有向无循环图(destination oriented directed acyclic graph, DODAG)信息请求消息(DODAG information solicitation amend, DIS-A),使得链路中断通告过程和寻路过程同时进行;其次,提出一种减少控制消息回复机制,避免所有接收到DIS-A消息的节点均回复DODAG信息对象消息;最后,提出一种链路中断节点的子节点切换机制,从而优化了网络拓扑。仿真结果表明,HLR-RPL算法在控制开销和路由修复时延等性能方面优于现有的路由修复算法,且能够彻底避免路由环路的产生。     

基于散射区模型与参数聚类的室外NLOS单站定位算法

室外非视距(non line of sight， NLOS)环境中障碍物会阻碍终端电磁波信号直接传播到基站，而且该条件下单基站收集的定位信息不足，导致定位精度不高。针对上述问题，提出一种基于空间布局的散射区模型和基于参数聚类的定位算法。根据固定基站附近的空间布局确定散射区并构建散射区模型，该算法基于该模型收集多径信号的测量参数，将k-means聚类(k-means clustering)和均值漂移聚类(means shift clustering)算法有效结合对参数聚类处理，再根据聚类结果和单站定位系统的几何结构建立方程组，将方程组的求解问题转化为非线性优化问题并利用列文伯格-马夸尔特(Levenberg-Marquardt， LM)算法求解优化问题估计目标位置。仿真结果表明，在室外NLOS环境中，且仅提供单个基站的条件下，该算法可以有效提高定位结果的精度。     

一种基于链路质量的蚁群优化VANET路由算法

针对城市环境下车载自组织网络(vehicular ad hoc network， VANET)中车辆信息传输性能不稳定的问题，提出了一种基于链路质量的蚁群路由算法实现信息可靠稳定的传输。通过道路中的车辆密度，通信半径，数据包大小分析当前道路的连通概率、传输时延以及分组投递率，并建立数学模型，评价当前传输道路的链路质量；引入局部链路质量(local link quality， LQ)和全局链路质量(global link quality， GQ)改进蚁群算法的路段选择公式，得到最优的信息传输路径。仿真结果表明，该算法在收敛速度、数据包传输时延和分组投递率方面优于其他算法。该算法的提出能够实现城市场景下车辆信息可靠、稳定、高效地传输。     

LDPC码的一种低复杂度归一化最小和译码算法

为了满足5G新无线对标准低密度奇偶校验(low-density parity-check,LDPC)码纠错译码器的要求，提出一种基于归一化最小和算法的单最小值算法。利用一次绝对最小值计算和近似第二最小值代替两次最小值计算，减少译码器的运算复杂度。通过密度进化理论计算归一化因子α，利用加权平均修正出最优的α值提前存储，可以在不消耗额外计算资源的前提下改善由于使用单最小值而损失的性能。提出一种分层译码器结构，利用值重用技术实现减少内存和计算资源消耗。仿真结果证明，在比特错误率(bit error ratio,BER)为10-5时，所提算法比现有的单最小值算法有大约0.2dB的增益，也比传统归一化最小和算法拥有更好的译码性能和收敛速度。     

我看人工智能

人工智能是人类社会的伟大发明，随着信息技术的不断进步和发展，它引起了广泛关注并成为当前科学界研究的热点。从人工智能的概念出发，介绍了人工智能发展历程中的三起两落，指出了人工智能目前正处于发展时期，有很多亟待解决的科学问题；接着阐述了人工智能1.0和2.0 2个时代的特征，并指出2个时代的独立性与互补性，只有将2个时代的技术进行有效融合，才能高效、准确地解决实际问题；阐述了人工智能能做什么以及如何做的问题，指出了人工智能的主体作用是助力传统产业发展和促进工业经济快速转型；从人工智能的角度分析了数学教育，着重强调了数学是人工智能的灵魂，同时人工智能的发展有望促进数学教育。但目前还未真正将效果体现出来，人工智能作为新的技术在教育上的应用还需深入到学科中去，积极而慎重地进行实验和探索。     

一种基于稀疏重构的NB-IoT时延估计算法

针对传统的时延估计算法无法解决窄带物联网(narrowband internet of things， NB-IoT)低速率低功耗引起的估计精度低、计算复杂度高等问题，提出一种加入代价函数模型的基于稀疏重构的时延估计算法。利用窄带定位参考信号(narrowband positioning reference signal， NPRS)与传统的正交匹配追踪算法(orthogonal matching pursuit，OMP)进行时延值预估计，然后根据预估计的时延值构建冗余字典，在此基础上利用改进的OMP算法进一步对时延值进行估计。该算法中加入代价函数的思想将多维的时延估计降维成多个一维的时延估计，同时利用稀疏重构来消除各信号之间的干扰。另外，为了消除降维带来的局部最优的问题，合理设置软门限来有效并快速地终止代价函数模型的迭代过程。仿真结果表明，与OMP算法等传统时延估计算法相比，该算法具有更好的检测性能以及更高的时延估计精度。