直扩信号伪码周期及序列的估计算法

为了解决直扩信号伪码周期和序列估计的难题,提出了功率谱二次处理结合信号子空间分解的方法。该方法首先利用功率谱二次处理手段估计出直接序列扩频(DS-SS)信号的伪码周期,在此基础上采用信号子空间分解对DS-SS信号伪码序列进行盲估计。为了用信号子空间分解法对伪码序列实施精确估计,在其后加上了r1校正方法。计算机模拟结果表明,该方法在输入信噪比小于-14 dB时还能良好地工作。     

HLA RTI数据描述码扩展

为高层体系结构(High Level Architecture，HLA)运行支撑环境(Run—Time Infrastructure，RTI)引入一个新的扩展，该扩展使用数据描述码在消息上附加特征属性，使RTI能够对数据应用更丰富的使用策略。文章第1、2部分提出了基于数据描述码过滤数据，以及构建HLA仿真系统面向方面框架(Aspect Oriented Framework，AOF)的技术，第3、4部分详细说明了数据描述码扩展和实验原型的设计。数据描述码扩展可用于提高仿真系统的运行效率，改进大规模HLA仿真系统的架构设计，并且不改变RTI和联邦成员的编程接口。     

无限重复流速与拥塞控制博弈实例的应用

在讨论了一次博弈模型和流速均衡解析解的基础上,对基于无限重复博弈模型的流速与拥塞控制行为进行了研究.提出了重复和无限重复流速与拥塞控制博弈模型,论证了重复博弈NEP的存在性和最优性,讨论了重复博弈中贴现因子的意义;通过2个无限重复流速控制博弈的实例(2个端系统和N个端系统),介绍了在非合作的流速与拥塞控制中规范(约束)端系统的行为方法,以维护和实现整个流速与拥塞控制系统效用的最优.     

信号码的一个充要条件

给出关于一个信号码的充要条件的结论:设X是字母表A上的一个前缀码,那么X是信号码当且仅当A*=T∪X∪P,这里P=XA-,T={u∈A*|A*uA*∩X= }.满足条件T∩P= =T∩X,T XA+.同时讨论了一个码满足A*X XA*的一些充要条件,对极大前缀码的性质也做了一些研究.     

扭n立方体中的边不交Hamilton圈

网络图的Hamilton性是图论、计算机网络理论中的重要研究议题，超立方体及其变体由于其良好的网络参数、拓扑结构吸引了众多学者的关注和研究，并将之广泛地应用于许多实际领域中．结合Lee距离Gray码理论证明了扭n方体中存在[n／2]个边不交Hamilton圈，并且给出这些边不交Hamilton圈的生成方法．     

跳频通信中纠错编码技术的设计

本文给出了一种适用于跳频通信信道的级联码编译码器的具体设计方法,即以GOLAY码为内码,GF(16)域上的RS(15,10,6)码为外码的级联码,并对级联码的误码性能进行了模拟,这是一种实用可行的方案.     

F4上2维和3维的最优自正交码

研究了F4上维数为2和3的最优（或拟最优）自正交码的码长与极小距离之间的关系，用组合方法构造相应维数的最优（或拟最优）自正交码的生成矩阵，确定出其中达到Griesmer界的码，并计算出所构造的2维最优（或拟最优）自正交码的重量多项式。     

重删环境下双 B-树索引性能优化研究

为了减少重删环境下磁盘访问次数,提高重删系统的读取性能,提出了一种基于双B-树的索引结构DBIS(Double B-tree Index Structure).DBIS由两种结构不同的B-树构成,B-tree-1通过优化B-树结构,提高检索效率;Btree-2则在B-树的基础上,结合改进的LRU算法构成优化的索引结构,提高了检索命中率.实验验证了DBIS的有效性和优越性,达到了对重复数据删除系统读性能优化的目的.     

面向5G新空口技术的LDPC码标准化研究进展

第5代移动通信系统(5th generation mobile communication system,5G)业务需求的多样性以及各业务场景的典型特性给新空口(new radio,NR)的信道编码技术带来困难及挑战,信道编码方案成为通信业界及学术界的重要研究课题之一。因具备优越性能,低密度奇偶校验(low-density parity-check, LDPC)码被确定为5G增强移动宽带(enhanced mobile broadband, eMBB)场景数据信道编码方案。在对5G及LDPC码进行概述的基础上,阐述了包括码设计、译码算法、速率匹配和性能评估在内的面向NR的LDPC码标准化工作研究内容。此外,对近年来第3代合作伙伴计划(3rd generation partnership project, 3GPP)各成员机构在无线接入网层一(radio access network layer 1, RAN1)标准化工作组历次会议中提出的LDPC码编码方案进行分析和对比,并在此基础上对LDPC码标准化相关工作进行总结。     

基于卷积神经网络的多天线Polar码联合解调-解码方案

为了验证运用神经网络进行信道解码的可行性,利用其提高短码长Polar码的译码准确率,提出了一种基于卷积神经网络(convolutional neural network,CNN)的多天线(multiple-input multiple-output)Polar码新颖联合解调-解码方案.搭建了一种包括4个卷积层,2个全连接层和1个输出层的卷积神经网络,采用最小均方误差作为损失函数,通过计算机生成了Polar码编码的多天线数据并对网络进行训练,使训练得到的神经网络能很好地提取出Polar码比特间的关系特征,从而拟合出Polar码译码函数.仿真结果表明,在相同信噪比条件下,基于CNN的Po-lar码联合解调-解码方案的误码率优于已有的基于全连接神经网络方案;所提方案在不同码率的仿真实验中的误码率皆优于基于全连接神经网络方案,损失曲线的收敛速度更快,显示了基于CNN的Polar码联合解调-解码方案具有更好的泛化能力和学习能力.