IEEE 802.11n系统最优包长和聚合个数调节算法

为了在非理想信道和给定时延约束下提高IEEE 802.11n系统的吞吐量,推导了有传输差错条件下采用聚合后一次成功发送的平均数据量;将该数据量代入描述理想信道DCF系统的Markov模型的饱和吞吐量表达式,得到非理想信道下DCF系统的饱和吞吐量计算式;分析DCF机制下采用数据包聚合方案的平均时延及各退避阶的平均时延,将业务的时延约束转化为对平均时延的限制;在平均时延限制下,提出一种根据信道状态和所得计算式动态调节包长和聚合个数的算法,使系统的饱和吞吐量最大.仿真结果证实采用最优数据包长和聚合个数调节算法的系统饱和吞吐量明显高于用固定包长和聚合个数的方案.     

OFDM系统中循环前缀作用的分析

近年来,正交频分复用(OFDM)技术已被越来越多的人所关注,并且在IEEE 802.11无线局域网中得到实际应用.在OFDM系统中一般要采用加入循环前缀(CP)的技术.本文从功率谱密度的角度分析了循环前缀的作用,并给出了仿真结果.结果表明,循环前缀的加入可以有效地消除符号间干扰(ISI)和子载波间干扰(ICI).     

话音－数据综合传输控制分析

分析了一种基于时分复用（ＴＤＭ）的可移动边界型语音－数据综合传输控制模型，采用逐次逼近算法求出了在一定性能准则条件下的最佳信道容量分配方案。数值结果表明，以允许的话音失真为代价，可提高系统总的吞吐量     

Pattern差分编码水声通信研究

在Pattern时延差编码（PDS）通信体制的基础上,提出了Pattern差分编码方案.该方案将信息调制在相邻Pattern码的时延差上,减小了平均码元宽度,提高了通信速率.该方案通过码元分割降低了多途干扰,差分解码方式使其具有抗多普勒能力.现场试验中,定点通信实现了无误码传输,证明该体制能抑制多途干扰;移动通信误码率较低,证明该体制具有良好的抗多普勒能力.     

基于DFT变换信道估计的阈值滤波改进算法

在信道估计中,传统的基于DFT的信道估计算法复杂度低于MMSE算法,性能要优于LS算法.但由于传统算法单纯地将所有样点认为是有用信道冲激响应,忽略了噪声的影响.提出了一种基于2次噪声估计原理的改进算法,算法首先利用循环前缀长度以外的序列点估算出噪声方差,再利用估算出的噪声方差将循环前缀长度以内的噪声样点区别开,利用新的噪声样点进行2次噪声估计得到门限值,从而对信道时域冲激响应进行阈值滤波,进一步消除噪声对系统的影响.仿真结果表明,改进后的算法性能优于传统算法.     

面向应用层QoS的实时视频优化码率控制

基于传统视频信源编码在应用层QoS的联合信源信道优化，研究了信源编码和信道编码之间合理分配带宽以及信道与信源联合编码下的有效码率控制问题．依据视频编码的实时可变帧率下的VBR视频网络传输信道模型，提出了网络接入带宽统计复用基础上的优化信道码率分配；根据信道传输失真，推导出基于图像帧的全局信源信道联合失真估算递归模型，按照模型运算率失真优化下的跳帧参数和帧内宏块刷新率，实现整体的图像编码质量优化控制．相对于普遍采用的基于宏块的局部优化控制策略，所提出的优化码率控制策略能获取更一致的图像质量和更高的性能增益．     

移动通信中多波束智能天线性能的研究

研究了移动通信环境下的多波束智能天线,并基于统计传播的同信道干扰模型,分析了快衰落及慢衰落情况下未采用多波束智能天线与采用多波束智能天线时的中断率,并进行了比较,计算机仿真结果表明：采用多波束智能天线,不论在单个同信道小区还是多个同信道小区情况下,系统的中断率将随着波束数的增大而降低。     

存在载波频偏和信道估计偏差影响的空相关多用户MIMO-OFDM系统的性能分析

为进一步了解载波频偏和信道估计偏差在空相关多用户MIMO-OFDM系统中的作用,对存在载波频偏和信道估计偏差影响的上传多用户MIMO-OFDM系统的性能进行了解析和仿真研究.推导了在载波频偏和信道估计偏差影响下的空相关多用户MIMO-OFDM系统的有效数据符号的信号干扰噪声比表达式,给出了多用户MIMO-OFDM系统的符号差错性能指标.研究表明,理论计算与计算机仿真的系统符号差错性能结果在各种载波频偏和信道估计偏差情况下都比较吻合.     

一种适用于节点功率非对称WSN的改进S-MAC协议

针对节点功率非对称的无线传感器网络中的隐终端问题,提出在RTS/CTS机制基础上增加广播Bandwidth Reservation(BRES)消息的改进协议。在改进协议中,通信节点的邻居节点根据侦听到的CTS消息动态广播BRES消息,使得与通信节点连接非对称的高功率节点在接收到BRES消息后推迟自身发送任务,从而避免了隐终端问题。仿真结果表明:相比S-MAC协议,改进协议减少了低功率节点的数据冲突并降低了其到目的节点的端到端延迟,提高了低功率节点和网络的吞吐量。     

基于HHT和改进PNN的CSI人体动作识别研究

为了有效判别真实摔倒动作与疑似摔倒动作、提高动作识别准确度,提出基于希尔伯特黄变换(Hilbert-Huang transform, HHT)和改进概率神经网络(probabilistic neural networks, PNN)的信道状态信息(channel state information, CSI)人体动作识别算法。对CSI的幅度与相位融合信号进行数据预处理,利用HHT来提取区分人体动作信息的瞬时幅值和瞬时频率作为分类特征构建特征矩阵,在遗传算法(genetic algorithm, GA)优化的PNN神经网络中训练出能有效检测真实摔倒和疑似摔倒动作的GA-PNN人体动作识别模型;利用训练好的识别模型对输入的CSI数据进行摔倒动作的判别。仿真实验表明,提出的算法能有效地检测真实摔倒和疑似摔倒动作,其识别准确度可达到97.18%,且误报率较低。