基于随机矩阵的特征值方差的频谱感知检测算法

传统的频谱感知能量检测易受噪声方差不确定性的影响,存在"信噪比墙"效应。频谱感知特征值检测跟能量检测一样,不需要信号任何先验信息,并且能在低信噪比下取得较好的检测性能。经典的特征值检测有最大最小特征值(maximum-minimum eigenvalues,MME)之比算法,最大最小特征值之差(maximum-minimum eigenvalues difference,DMM)算法等。这些算法只利用特征值的一阶统计量,不能充分反映全部特征值的统计特征。利用特征值二阶统计量提出一种基于特征值方差的频谱感知算法,选取能反映特征值整体波动的方差当作观测统计量,并利用矩阵迹的性质推导出该算法的理论门限。仿真证明:当噪声方差不确定性等于0 d B时,该算法的检测性始终优于MME算法。当噪声方差不确定性等于0. 2 d B时,能量检测(energy detection,ED)算法检测概率急剧下降,而特征值方差(eigenvalue variance,EV)算法检测概率仅下降10%左右,并且当信噪比(signal noise ratio,SNR)大于-17 d B时,EV算法的检测概率优于ED算法和MME算法。     

LDPC码最优化译码算法

为了提高离散高斯信道下二进制低密度奇偶校验码（low-density parity-check code, LDPC）最优化译码算法的性能和效率,提出了一种改进的LDPC码最优化译码算法。首先,通过理论分析和数学推导,构建了译码问题的数学模型;然后,论证并给出了针对该模型的最优化译码算法;最后,基于VC6.0平台进行了译码的性能和效率仿真并与其他算法进行比较。仿真结果表明,在误码率性能和译码效率上,新算法优于改进前的算法;在误码率性能上,新算法也优于常用的最小和译码算法。仿真结果与理论分析吻合。     

基于LDPC-OFDM系统的短波多基地接收协作算法

基于LDPC-OFDM系统设计了适用于短波信道的多基地接收协作算法,该算法提出了基于概率测度的信息合并的LDPC协同译码策略。系统模型中的中心台,利用其接收的来自中继台的多路信号来修正其接收到信息的初始化消息,将协作通信技术和LDPC的迭代译码有机地结合,从而有效地实现分集增益和编码增益。仿真表明,多基地接收方案相对于直接传输策略具有显著的性能提高,在误码率达到10_-3时,DF转发策略的译码性能相对于AF的译码性能约有0.7dB的编码增益。     

无线传感器网络中节省能量的地理路由

针对高动态无线传感器网络中路由信息不易保持,以及传感器节点能量受限的问题,提出了一种不保存网络拓扑结构并节省能量的地理路由算法。每个节点发送数据前发送本节点的位置信息,邻居节点根据该位置信息和基站的位置、发送接收数据消耗的电路能量和传播损耗,计算虚拟中继节点的位置。邻居节点根据本节点、目的节点以及虚拟中继节点的位置决定是否参与竞争,成为中继节点。仿真结果表明,该分布式算法比BLR算法节省能量,并具有更低的丢包率,更适于拓扑快速变化的无线网络。     

短波信道下基于LDPC-OFDM系统的多基地接收协作算法

基于LDPC-OFDM(low-density parity-check orthogonal frequency division multiplexing)系统设计了适用于短波信道的多基地接收协作算法。该算法提出了基于概率测度的信息合并的LDPC码协同译码策略。系统模型中的中心台,利用其接收的来自中继台的多路信号来修正其接收到信息的初始化消息,将协作通信技术和LDPC码的迭代译码有机地结合,从而有效地实现分集增益和编码增益。仿真表明,多基地接收方案相对于直接传输策略具有显著的性能提高,在误码率达到10-3时,译码转发(decode-and-forward,DF)策略的译码性能相对于放大转发(amplify-and-forward,AF)策略的译码性能约有0.7 d B的编码增益。