空时MMSE算法与解相关多用户检测器相结合的研究

解相关多用户检测是目前CDMA移动通信系统中应用较为广泛的一项接收技术，它的抗远近效应是最佳，但是其误码性能并未达到最佳，提出了一种将空时MMSE算法与解相关多用户检测联合处理接收信号的方案，经计算机仿真可以看出，这种方案确实对系统的接收性能有一定的改善。     

基于隐藏导频的正交频分复用信道估计

单载波系统中的隐藏导频信道估计算法不适用于正交频分复用(OFDM)系统,为此提出了一种适用于OFDM系统的隐藏导频估计算法.该算法将导频信号叠加在时域信号之上,提高了有效数据率.仿真结果表明,所提算法能够在使用相同导频功率的情况下节约系统的有效带宽.     

基于线性变换的MMSE盲多用户检测法

提出了一种基于线性变换和预测的盲多用户检测方法，可同时消除MAI和ISI．它仅利用了某特定用户的扩频序列，先进行线性变换和线性预测，再进行MMSE检测．由于不进行直接信道估计，避免了信道估计误差，使算法的准确性得到了提高．     

双层异构网络下多用户干扰对齐算法

针对多个毫微微蜂窝网络与宏蜂窝网络共存的网络环境,基于干扰对齐技术,提出了一种双层预编码方案,首先定义宏蜂窝网络对毫微微蜂窝网络造成的干扰为跨层干扰,毫微微蜂窝网络之间的干扰为同层干扰,分别对毫微微蜂窝用户和宏蜂窝用户进行预编码,宏蜂窝用户的预编码使得跨层干扰最小,使之可比拟于背景噪声,毫微微蜂窝用户的预编码与毫微微蜂窝基站的后置编码进行迭代,以最小均方误差(MMSE)准则输出,仿真结果表明所提算法使得毫微微蜂窝网络的吞吐量相较于单层MMSE算法在信噪比为0~30 d B区间内平均提高了3 bps/Hz.     

含语音增强模块的i-向量说话人识别性能分析

为解决文本无关说话人识别中训练与识别环境不同导致模式失配的问题,提出了一种采用语音增强模块进行前端预处理的i-向量说话人识别系统,从而提高系统对于环境噪声的鲁棒性.为评估不同语音增强算法的性能,利用NIST08核心测试集进行仿真实验.采用IMCRA算法对语音进行噪声估计后,分别用维纳滤波法、MMSE-LSA、传统谱减法和多频带谱减法等4种方法进行语音增强前端处理,在基于i-向量的说话人识别系统下进行实验.实验结果表明采用了语音增强的系统具有一定抗噪声性能,并且在高信噪比条件下,基于多频带的谱减法在此系统下性能最佳,而低信噪比情况下MMSE-LSA算法更有优势.     

基于在线SVM的多用户检测算法及仿真

基于传统支持向量机的多用户检测算法运算量大、耗时久,无法满足实时性要求,为了解决这一问题,结合OSVC方法提出了一种新的多用户检测算法。该算法通过实时增加训练序列,利用KKT条件构造当前训练样本集,实时地调整最优分类超平面。仿真实验表明,该算法所需的支持向量较少,能有效地降低运算负载,抑制了多用户干扰和环境噪声,性能较MMSE多用户检测器有明显的提高。     

TD-SCDMA系统下行链路中的chip级均衡技术

chip级均衡有较低的算法复杂度,可用于CDMA下行链路中以提高下行容量.针对TD-SCDMA系统,分析了下行链路离散系统模型,讨论了chip级均衡在TD-SCDMA中的应用及实现,讨论了与以往所采用的多用户检测的差异,并对几种主要的chip级均衡算法进行了仿真对比,给出了适合于TD-SCDMA系统的均衡算法.     

基于Homotopy算法的低复杂度多用户大规模MIMO信号检测方法

在上行多用户大规模多输入多输出(multiple input multiple output,MIMO)系统中,为了降低信号检测的计算复杂度,在传统的最小均方误差(minimum mean square error,MMSE)算法的基础上,提出一种基于Homotopy算法的低复杂度信号检测方法。在该方法中,通过对Homotopy方程的解向量采用逐级展开来逼近真实解向量,从而避免MMSE检测算法中的高阶矩阵的求逆运算,降低了信号检测的计算复杂度。仿真结果表明,最多需要对Homotopy方程的解向量进行4阶展开,就可获得与MMSE检测算法几乎同样的误比特率(bit error rate,BER)性能,同时,其计算复杂度仅为O(K2),其中,K为小区用户数。     

AR(p)扰动下最小均方误差受控过程的联合监控

针对最小均方误差(Minimum Mean Square Error,MMSE)受控过程联合监控可控输入与过程输出这一问题,在任意阶自回归AR(p)平稳扰动模型下开发了一种通用的联合控制图,并将界内点排列非随机判异规则引入其中.同时,对AR(p)平稳扰动模型下生产过程的MMSE控制器和输入与输出的平均链长(Average Run Length,ARL)进行了推导.最后,通过仿真实验验证了该联合控制图的有效性.     

提升小波尺度自适应非线性预测算子构造方法

提出一种提升小波尺度自适应非线性预测算子的构造方法.通过相空间重构将剖分信号转换成训练样本,采用基于高斯核函数的支持向量回归机算法进行回归训练,给出所构造预测算子的结构,并说明基于高斯核函数实现最小均方误差原则的机理.通过仿真实验验证用所构建预测算子在故障诊断时具有较好的识别能力和较强的抗噪能力,在信号降噪时信噪比较高、效果良好.