MIMO模型下的多元混合调制DCSK方案

为了提升多输入多输出差分混沌移位键控(multiple input multiple output difference chaotic shift keying, MIMO-DCSK)系统的误码性能, 提出一种多元混合调制MIMO-DCSK方案(M-ary hybrid modulation MIMO-DCSK, MHM-MIMO-DCSK)。首先，将一帧的多元信息拆分, 分别通过混沌扩频码和索引码进行调制, 以实现高效的传输。其次，接收端利用混沌序列的类正交特性消除多天线干扰和多路干扰。最后将多天线的相关运算结果等增益合并, 最终在不需要信道状态信息的前提下获取多径多输入多输出系统的全分集增益。仿真结果表明，所提MHM-MIMO-DCSK比现有的多元MIMO-DCSK拥有更好的误码性能, 尤其是在高阶调制情况下性能提升更明显。     

衰落信道下加权抵消的线性并行干扰消除多用户检测器

在衰落信道下,提出了具有加权抵消的线性并行干扰消除多用户检测器(weight cancelled linear parallel interference canceller, WLPIC),不同于传统的线性并行干扰消除检测器（linear parallel interference canceller, LPIC）估计多址干扰的方法,WLPIC利用前一级软输出乘以一个相应的加权系数来恢复后一级期望用户信号中的多址干扰,并进行干扰抵消。基于最小均方误差准则,给出了加权系数的计算公式。对WLPIC进行了误码性能分析。理论分析和仿真结果表明,WLPIC能有效地克服远近效应,性能优于LPIC和匹配滤波检测器。     

一类适用于部分响应信道的原模图LDPC码

摘要： 对于加性高斯白噪声信道,JPL实验室提出了一类硬件实现简单、错误地板低的AR4JA原模图LDPC(low-density-parity-check)码,但该码型不适用于PR(partial response)信道. 文中针对PR信道中典型的ERP4信道,提出一类新的近似规则原模图LDPC码,并且利用有限长外信息传递算法对该码型进行分析. 在EPR4信道下 的仿真表明,相对于目前在该信道下性能良好的规则LDPC码,在低信噪比和高信噪比区域,这类新的近似规则原模图码型具有显著的编码增益和更低的错误地板.     

使用不同扩频码和解扩码降低峰均功率比的性能分析

在文献[4]采用不同扩频码和解扩码来降低高峰均功率比的基础上,通过仿真实验分析不同扩频码和解扩码对系统性能的影响。结果发现,使用不同的放频码和解扩码虽然确实能有效降低系统的PAPR,但是也在一定程度上增大系统的误码率。建议在采用这种方法降低PAPR时,必需兼顾PAPR的降低和对系统的误码率性能影响,才能使得系统的整体性能得到改善。     

矿井超宽带无线中继传输的误码率性能

应用数据中继技术改善矿井超宽带(ultra-wideband,UWB)无线通信系统的误码率性能,并研究误码率最低的中继节点部署策略.首先,分析UWB单跳数据链路(无中继)在矿井的多径传播特性和误码率.此后,在不增加传输能量的基础上,研究基于“解码再中继”协议的井下UWB多跳中继链路的误码率,提出误码率最低的中继节点部署策略.实验结果表明:采用所提出的最优中继节点部署策略,可以在不增加节点能量消耗的前提下将多跳UWB通信的误码率降低3～5 dB.     

OFDM系统中基于最小平均误码率的自适应预处理算法的研究

提出了一种基于最小平均误码率的自适应预处理算法,并将该算法应用于自适应OFDM系统,在频率选择性衰落信道条件下,与等功率分配的OFDM系统相比,误比特性能有了很大程度的提高.     

聋哑儿脑干电反应测听120例

120例聋哑儿240耳的脑干电反应测听结果234耳(97.5％)有残余听力,216耳(88.3％)听阈高于110dB,平均听阈为83.7dB,在100dB可诱出波Ⅰ、Ⅲ、Ⅴ者共180耳,达75％,波形变异及波Ⅴ波幅低于0.15μV者占18％;因此大部分聋哑儿具备语言训练的条件。     

蓝牙系统在Rician信道下的干扰性能分析

建立了更加接近真实的蓝牙系统传输模型，同时，考虑莱斯信道衰减和室内环境的路径衰减模型，通过计算机仿真，得到了该模型下蓝牙系统的同信道和邻道干扰特性，以及在不同情况下802．1lbDSSS系统的干扰范围。     

AWGN信道下的SFH/MFSK通信系统误码性能的仿真

慢跳频通信系统的抗干扰性能优于快跳频通信系统.在慢跳频通信系统模型的基础上,分析了理想同步高斯白噪声(AWGN)信道下SFH/MFSK的误码率性能.Matlab/Simulink仿真得到了不同情况下的误码率与信噪比的关系曲线,验证了文中理论分析的正确性.     

基于FastICA的盲干扰对齐算法

为克服现有的干扰对齐方法中发送端信道传输信息不足的问题, 提出了一种新的盲干扰对齐（BIA: Blind Interference Alignment）算法。在K用户MIMO(Multiple Input Multiple Output)干扰信道中, 发射端已经建立起干扰对齐机制条件下, 依照盲源分离(BSS: Blind Source Separation)理论, 将IA（Interference Alignment)模型与BSS模型相结合, 在接收端采用FastICA(Fast Independent Component Analysis)算法, 建立以干扰对齐为模型的目标函数。对数据进行中心化, 通过逐个分离的方法, 单独分离每个独立分量, 从而提取期望信号。Matlab仿真结果表明, 该算法能在未知信道状态信息的情况下有效实现干扰对齐, 同时具有较好的误码率。