恶劣信道下的OFDM公共相位误差消除方法

为了精确消除相位误差影响,获得良好系统性能,提出了一种新的OFDM(Orthogonal Frequency Division Multiplexing)公共相位误差消除方法,该方法给出了在频率同步和信道均衡两级联合完成公共相位误差校正的结构,利用全导频,提出新的公共相位误差估计算法.理论分析和计算机仿真表明,两级联合校正结构非常适合OFDM系统中的公共相位误差校正,全导频公共相位误差估计算法可以获得优于传统方法的估计性能,特别在恶劣信道条件下,提出的全导频估计算法非常适用.     

大胆尝试 合理突破——土钉墙支护技术在天津爱家-星河国际工程中的应用

本文以天津爱家-星河国际工程为例,分析探讨了土钉墙支护原理,总结了工程的一些经验和体会。     

城市道路机动车低空污染排放影响研究

在目前机动车污染对大气环境乃至城镇居民的日常生活造成严重影响的形势下,明确道路中机动车行驶所排放出的氮氧化物(NOx)、一氧化碳(CO)以及颗粒物(PM)等污染物之间的关联影响,掌握重要污染物在道路上空的扩散情况,对环保部门有效提高污染监控精度、制定监管策略有重要的意义。本文分别从道路低空4m、2.5m以及1.5m 3个采样高度进行污染物的监测,对各污染物间的排放关联进行分析,并以PM2.5和PM10为例,对其低空范围内的扩散情况进行拟合分析,所得结论可为制定科学的机动车污染防治措施提供重要依据。     

多径信道下ZP-OFDM信号的时域参数盲估计

针对低信噪比多径信道下,零前缀正交频分复用（zero prefix orthogonal frequency division multiplexing, ZP-OFDM）信号时域参数估计精度低的问题,提出了一种改进的ZP-OFDM信号时域参数盲估计方法。该方法首先计算信号的功率自相关函数,并利用小波消噪及平滑滤波对其进行预处理,通过检测峰峰值距离的方法完成符号总长度的估计。然后计算单位符号总长度数据的幅度平方值并对其进行小波分解与重构,设定门限提取一个零前缀估计值。最后通过多段数据联合估计确定最终的零前缀估计长度。仿真实验结果表明,在低信噪比多径信道条件下,提出ZP-OFDM信号的时域参数盲估计方法具有良好的估计性能。     

浅谈混凝土的施工温度与裂缝控制

通过现场施工观察及查阅有关混凝土内部应力方面的专著,对混凝土温度裂缝产生的原因、现场混凝土温度的控制和预防裂缝的措施进行阐述.     

时变信道下一种低计算复杂度的信道估计算法

在时变信道中正交频分复用(OFDM)系统下传统信道估计方法存在估计性能差、计算复杂度高的问题.为此,文中提出了一种双对角线性最小均方误差(DD-LMMSE)的信道估计方法.首先建立基于基扩展模型(BEM)的系统模型,然后进行两次对角线性最小均方误差估计得到BEM系数,从而估计出信道的时域冲击响应.仿真实验结果表明,该方法不管在慢时变信道下还是在快时变信道下均具有良好的估计性能,且计算复杂度低.     

引入拉格朗日算子的纹理深度联合比特分配方法

为了提高三维视频合成质量,提出一种新的纹理视频和深度图编码比特分配方法.该方法在比特分配中引入拉格朗日算子参量,从而在限制比特下进一步降低虚拟合成误差.首先依据统计实验并采用最小二乘拟合的方法,对纹理视频和深度图分别建立以拉格朗日算子为参数的编码误差模型和编码比特模型,然后利用编码误差和虚拟合成误差的相关性进一步推导出基于拉格朗日算子的虚拟合成误差的模型,最后结合所推导的模型建立虚拟合成误差最小化目标函数,利用无约束优化方法求解最优的纹理视频和深度图编码拉格朗日算子,并依据此算子进行比特分配.实验结果证明:与固定比特算法和全搜索量化步长算法相比,该方法在不同的编码条件下使合成视频质量平均提高0.25dB和0.68dB,且得到的编码总比特与目标比特最为接近,平均误差仅为0.45%.     

多径信道下的OFDM信号带宽盲估计

针对传统的正交频分复用（OFDM）信号的带宽估计方法在低信噪比多径信道下,估计精度低且计算量大的问题,提出一种OFDM信号带宽盲估计方法.本方法首先根据接收到的观测信号建立自回归（AR）模型,通过AR模型计算信号的功率谱;然后将其功率谱等效成矩形谱,并将矩形谱的带宽作为OFDM信号的估计带宽;最后通过多次循环求统计平均...     

认知无线电Underlay模式下MQAM信号的调制识别

针对传统的认知无线电Underlay中时频重叠MQAM信号调制识别方法性能低的问题,提出了一种采用时频分析图像纹理特征的时频重叠信号调制识别方法。首先对接收到的时频重叠MQAM信号做频率切片小波变换得到时频分析图像,并选取纹理差异明显的切片部分进行灰度化处理,然后通过提取时频分析图像的灰度-梯度共生矩阵特征,最后利用径向基函数神经网络分类器有效地实现了时频重叠MQAM信号调制方式的识别。仿真结果表明:在信噪比为4dB下,所提出的方法的平均识别率可达到95%以上;在信噪比大于0dB时,所提方法的识别性能优于基于高阶累积量的识别方法。