新型卷积码编码器结构与性能分析

综合了LDPC和卷积码的特征,给出了一种卷积码编码器结构的改进方法. 利用此方法可构造稀疏卷积码,进一步基于卷积码编码结构可实现高性能译码. 设计了基于MIMO系统平台的时变新型卷积码结构,并进行仿真分析. 结果表明,应用本文提出的卷积码编码器误码率在10-4时比传统卷积码编码器有2 dB的编码增益提高;同时提出的编码器结构还可实现传统卷积码无法实现的长约束并行编码,具有实现简单、译码延时小的优势.      

IEEE 802.lla物理层链路中的删余及交织技术研究

搭建了基于正交频分复用(OFDM)的IEEE 802.11a的物理层链路平台,并针对链路平台中编译码模块,分别对其中的删余及交织环节进行了改进.基于特比译维码原理提出了一种改进的删余方法,并在其他物理层参数固定前提下,针对不同Eb/N0进行理论分析与链路性能仿真;基于改进的卷积编码器提出了一种改进的矩阵交织器结构.仿真结果表明,提出的删余方法比IEEE 802.11a标准中的相应方法在系统误码率性能方面大约有3dB的提高;改进的矩阵交织结构在Eb/N0大于5dB时,误码率有1～2dB的改善.     

新型减格辅助MIMO-OFDM预编码传输机制

MIMO-OFDM架构下提出了收发端均结合减格辅助的传输机制:发送端与接收端分别将减格辅助与THP预编码及QR分解-串行检测相结合,将信道矩阵转化为列近似正交的矩阵,提高了系统的抗噪性能.分析和仿真表明,发送端采用减格辅助THP预编码比传统的基于不同准则QR分解的THP预编码在误码率为10-2时有1~2 dB左右的性能提升,接收端提出的LRA-QRM结合串行干扰对消检测算法相比LRA-MMSE算法有1 dB左右的误码性能提升.      

Mask RCNN在雾化背景下的船舶流量检测

基于掩码区域卷积神经网络（Mask region-convolutional neural network，Mask RCNN）模型检测海域卫星航拍图片中的船舶流量检测，实现雾化与模糊背景下的自动检测船舶数量与船只定位.基于搭建的Mask RCNN网络模型进行训练，依据输出的船只位置，与准确位置对比，不断调整模型参数提升准确度，再用训练好的模型参数对测试集中的图片进行检测.训练后进行测试的结果为:重叠度（intersection over union，IOU）取0.5时，边界框位置准确度达85.4%，船只数量检测准确度高达89.9%.上述结果表明，Mask RCNN网络模型可实现高精度的船舶流量监测.      

基于喷泉码的强抗干扰跳频传输设计及性能

针对跳频系统在一半跳频频点失效时系统瘫痪而无法通信,而喷泉码具有无码率、低复杂度、易于硬件实现等优势,考虑将喷泉编码用于强抗干扰跳频通信系统中. 本文在对喷泉码编码原理及算法进行深入分析基础上,研究了基于喷泉编码的连续和随机频点部分频带干扰情况下的高效传输和译码性能. Matlab仿真表明,采用高码率LDPC预编码能有效降低译码开销. 此外,还给出了一些重要结论以及译码参数计算公式,对实际跳频系统具有重要的指导意义.