空时分组码Alamouti方案性能研究

介绍了空时分组码Alamouti方案的编译码原理,在瑞利衰落信道下,采用2种方法推导了多接收天线系统MPSK调制的比特差错率（BER）闭式解。理论上推导出2根发送天线m根接收天线的Alamouti方案与1根发送天线2m根接收天线的最大比值合并(MRC)接收分集的分集增益相同。系统仿真结果与理论值吻合,得到的闭式解是系统性能评估的准确结果。     

一类二阶迭代泛函微分方程解析解的存在性

在复数域中讨论二阶迭代泛函微分方程 x″(x［r］(z))=c0z+c1x(z)+…+cmx［m］(z), z∈C, 的解析解,其中r,m是非负整数,c0,c1,…,cm是复值常数,并且x［i］表示x的i次迭代。在α(α表示线性化的特征值)是单位根的情形以及α在共振点附近且满足Brjuno条件的情形,给出了解析解的结果。     

水下声信道波通信自适应传输技术

主要研究了水下声信道(UACh)可靠通信的数据传输技术.如果水声信道的参数是可估计的并且该估计值能即时反馈回发射机,则接收机就能够根据信道的变化调整传输方式.研究假定一个在慢变的UACh上的固定声源和接收装置,在此UACh上先传输大量的瞬时信噪比恒定信号,然后按瑞利衰落分布改变信噪比值.由信道容量的理论推导表明,可以通过优化数据传输速率来实现发射功率随信噪比改变,但受平均功率条件限制.仿真研究也表明,利用自适应技术,能够较好地适应UACh通信的信道变化,此外,低频情况下坡地坡度的改变对信道容量的影响是不容忽视的.     

基于校验式可信度的比特翻转LDPC译码算法

提出一种基于校验式可信度的比特翻转(CR-BF)低密度奇偶校验(LDPC)译码算法,及其改进.该算法利用校验式的可信度作为比特翻转准则,并参考校验式的错误个数,每次迭代翻转多个比特.仿真结果表明,与加权比特翻转(WBF)算法相比,该算法加快了迭代收敛速度,改善了误码性能.     

基于因子图的迭代信道估计与译码算法

针对频率平坦-时间选择性瑞利衰落信道下的数据检测问题,提出一种基于因子图与消息传递的联合迭代信道估计、符号检测与译码算法.对信息符号与信道系数的联合后验概率分布建立因子图模型,应用和积算法进行迭代消息传递,计算信息符号与信道系数的边缘概率分布.其中利用高斯参数化近似信道系数的连续概率密度函数,并结合前向-后向递归算法对信道系数进行迭代估计.仿真结果表明,在归一化多普勒频移分别为0.005和0.020的衰落信道下,该算法的误码性能与信道估计精度均优于传统的信道估计与译码算法.      

基于正弦波叠加的短波信道仿真方法

在短波信道建模中,通常采用对高斯白噪声滤波来仿真多普勒扩展效应,这些模型的时域相关值与理论值相差较大.为克服这些缺点,提出了一种基于正弦波叠加的方法来实现短波信道中特定多普勒谱的Rayleigh衰落因子.推导了由Lorentzian型多普勒谱得到正弦波的频率和加权系数的四种不同方法的计算式.采用时域相关值的均方误差作为性能评价函数,计算机仿真结果表明模型在时域相关上与理论值非常接近.     

平衰落信道CSI不理想时的M-QAM优化方法

多电平正交幅度调制(M-QAM)应用于平衰落信道时,解调器需要对信道状态信息(CSI)进行估计,而CSI的估计值不可能是完全准确的.针对此问题修改了传统的M-QAM软解调方案,同时在发送端可以得到CSI不准确程度的反馈的前提下,提出了一种方形M-QAM星座图的优化方法.仿真结果表明 在Rayleigh衰落信道下, CSI不理想时,文中提出的M-QAM调制解调优化方法应用于编码调制系统时,系统性能可以获得较大改善.对于64-QAM调制和1/2的编码效率,当CSI上归一化噪声功率为0.04时,系统性能改善可达7 dB.     

典型域上的全纯自映射迭代

证明如果,是第一类典型域Rl到Rl的无固定点的全纯映射,且f(Bnm)真包含Bnm则映射簇{fn}的任一收敛子列收敛于Rl和Bnm的公共边界上的一点,其中fn是f的n次迭代。     

具有q^4的非谐振子与谐振子的坐标二阶耦合系统的演化

在Ｄａｎｔａｓｗ．Ｃａｒｕｓｏｔｔｏ等人单一非谐振子演化研究的基础上提出了两个量子振子的耦合问题,并讨论了具有ｑ＾４的非谐振子与谐振子的坐标二阶耦合系统的演化。通过引进适当的算符和辅助函数,求出了问题的精确解。     

带有线性趋势的单物品库存补充模型比较

文章指出 Teng对常见 4种带确定性线性需求的单物品库存补充模型比较的错误之处 ,并针对其计算的复杂性给出了一种较简单直观的迭代法 ,使得在给定订货次数 m +1和 m下只需比较它们的总费用函数中的 2个量——库存短缺费差和订货费的大小即可知下一步的搜索方向 ,并推导出一个较好的搜索库存补充次数 m的初始值 m0 ,使计算量大大减小。且这种方法可直接用于非线性增长需求模型 ,建立同样的 4种模型 ,比较得出和线性增长需求情况下一样的结论 ,即第 4种模型费用最小。