OFDM盲同步迭代算法

为了在OFDM系统中实现符号定时偏差（STO）和载波频率偏移（CFO）的精确同步,阐述了OFDM的基本原理,建立了SIMULINK系统仿真模型,研究了OFDM系统中的最大似然估计（ML）算法,并使用数据循环移位以及多符号联合估计技术对ML算法进行了改进,形成新的迭代算法。仿真结果显示,在AWGN信道中,该算法可以有效提高STO和CFO的估计性能。     

面向大数据处理的划分聚类新方法

大数据处理是物联网研究和应用上不可回避的难题之一,针对常用聚类方法在大数据处理上的不足,设计了一种划分聚类新方法。该方法采用了大数据集的抽样技术,对多次抽取的规模足够大的样本进行聚类以确定自然簇质心的初始位置,在此基础上采用抽样后剩余数据样本对质心的初始位置进行更新,以便校正偏离理想位置的初始质心。该划分聚类算法具有线性空间复杂度和时间复杂度。实验结果表明所提的新聚类算法不仅能得到比常用聚类算法更理想的结果,而且运行速度快,适合处理大规模数据的聚类任务。