空间调制系统的星座优化设计

作为一种新颖的多天线技术,空间调制(spatial modulation, SM)受到了学者的关注。近年来,SM系统的星座设计成为研究热点。然而现有的星座设计算法由于预先设定星座结构,导致不能得到最优的星座图。对此,在发送功率受限的条件下提出一种新的星座设计方案。该方案基于最小化SM系统误符号率(symbol error rate, SER)准则,通过扩大可行域范围并利用遗传算法，对SM系统的信号星座进行了优化。此外,深入分析了信号星座对SER及系统参数对星座设计的影响。仿真结果表明,该算法得到的星座图相比于其他星座图具有更好的SER性能。     

基于压缩感知的阈值多路径稀疏度自适应图像重构算法

针对深度优先的多路径匹配追踪算法在进行图像重构时需要已知图像稀疏度、计算复杂度高等问题,提出了阈值多路径稀疏度自适应图像重构算法。该算法引入多个候选集,通过设定阈值来进行原子筛选和候选集数量的调整。然后每次迭代选出残差最小的路径作为新的候选集,以提高重构速度。此外,将残差差分小于某一阈值作为算法停止条件,因此不需要图像稀疏度作为算法的输入。实验结果表明,该算法可以获得较好的重构效果,同时保持了良好的时间复杂度和抗噪性能。     

基于特征值拟合优度的频谱感知算法研究

现代拟合优度频谱感知算法直接采用信号的样本或能量作为拟合统计量,对独立的接收信号表现出良好的检测性能,对相关信号则表现不出令人满意的效果．基于最大特征值的拟合优度频谱感知算法可表现出更好的检测性能,但是基于最大特征值的拟合优度算法是半盲检测算法,需要已知噪声的功率,这在实际应用中是难以实现的．为此,提出了新的基于最大最小特征值的全盲拟合优度频谱感知算法．同时基于随机矩阵理论成果,推导分析了新算法的检测概率、虚警概率和判决门限．实验结果表明,新算法有效克服了噪声不确定性问题,相对于其他拟合优度检测算法性能有所提升．     

基于特征值高阶矩的频谱感知增强技术

基于特征值的多天线盲频谱感知方法在认知无线电中得到了广泛的研究。基于特征值的检测算法设计依赖于随机矩阵理论和样本协方差矩阵的特征值特性。许多研究表明特征值的高阶矩可以提供额外的鉴别信息进而能改善统计推断问题的性能。基于此,利用所有特征值的p阶矩提出了新的基于特征值高阶矩的频谱感知增强算法,并利用随机矩阵理论推导了虚警概率和判决门限的解析表示。此外,基于仿真实验研究了特征值高阶矩幂次变化对检测性能的影响。最后,通过仿真实验验证了所提算法的有效性。