可重构智能面辅助的低精度量化大规模MIMO系统的信道估计

针对可重构智能面辅助的低精度量化的大规模多输入多输出(multiple input multiple output, MIMO)系统中信道估计问题进行了研究。该系统的信道估计难点在于可重构智能面由近无源反射天线构成, 没有基带信号处理能力。系统观测值通过低精度的模数转换器量化使信道估计问题变得更富挑战性。本文基于基站-可重构智能面-用户的级联信道推导出等效信道, 并证明在虚拟角域上,该有效信道是结构稀疏信号。提出了基于期望最大化的近邻学习广义近似消息传递算法,从低精度量化的观测值中恢复等效信道。仿真结果表明所提出算法比传统算法具有更好的性能表现。     

等径弯角挤压处理对TiNi合金磨损性能的影响

以热锻态Ti-50.6%Ni合金为原料,采用新型的等径弯角挤压(ECAE)工艺在高温下制备了微米级TiNi合金块体材料,考察了ECAE及退火处理对TiNi合金磨损性能的影响.结果表明,与原态合金相比,经过ECAE及退火处理的TiNi合金由于发生了严重的塑性变形,导致晶粒细化,从而提高了合金抗塑性变形的能力,改善了TiNi合金的耐磨性.TiNi合金磨损量随载荷和滑动距离的增加而增加;TiNi合金磨损表面主要表现为粘着磨损.     

电子产品闭环供应链回收渠道选择研究

基于电子产品的短生命周期和价格依赖随机需求的特性,分别建立了零售商竞争环境下,制造商回收和零售商回收的闭环供应链模型,对比分析了这两种回收模式下的最优零售价和制造商利润,给出了制造商的最优回收渠道选择决策,并对模型进行了扩展分析.研究结果表明:当回收率为外生变量时,无论回收量为零售商订货量还是销售量的一定比例,且无论销售期末未售出产品残值为零与否,制造商都将选择零售商进行回收,两零售商之间的竞争程度并不影响制造商对于回收渠道的选择;当回收率为内生变量时,只有当系统参数变化使得零售商回收其全部订货量时,零售商回收才优于制造商回收.     

基于GSA-BP神经网络的OFDM系统信道估计算法

针对正交频分复用(orthogonal frequency division multiplexing, OFDM)系统中存在的不可忽视的非线性噪声问题,为了能够更好了解信道特性,需要利用信道估计获得信道状态信息,提出一种基于黄金正弦优化BP(golden sine algorithm,GSA-BP)神经网络的OFDM系统信道估计算法,克服了传统 BP神经网络算法容易陷入局部极值的问题,提升了信道估计算法的估计精度.首先通过LS信道估计算法获得信道的初始估计,再将其通过GSA-BP神经网络算法得到信道的精确估计.仿真结果表明,在相同的信道环境下,提出的算法比LS算法具有更好的性能,与MMSE算法性能接近,但不需要信道先验统计特性,易于实现.     

基于深度学习的MIMO系统联合信号检测与信道译码

为进一步提高多输入多输出(multiple-input multiple-output,MIMO)系统性能,研究了深度学习方法来联合解决MIMO系统信号检测与信道译码问题.通过将深度神经网络、自动编码器神经网络与传统MIMO通信系统的物理层架构进行有机融合,构建了基于神经网络的MIMO系统模型,可获取系统发射端的信息比...     

认知无线电网络中的非正交多址资源分配算法

随着物联网的发展和移动终端的普及,用户对数据速率需求快速增长,移动通信系统依然面临着频谱资源紧缺问题。针对认知无线电网络中的非正交多址接入(non-orthogonal multiple access, NOMA)技术,研究了认知无线电网络中非正交多址信道和功率联合优化问题。以主用户干扰功率和次用户最小吞吐量以及子信道最大复用用户数为约束条件,综合考虑信道状态信息和功率资源,以提高系统能效为目标,建立了信道和功率资源分配优化模型。为了避免信道状态相近的用户复用在同一子信道上,提出了一种次优公平性可调的信道分配算法,并基于连续凸近似和Dinkelbach模型,得到子信道复用用户间的最优功率分配。仿真结果表明,所提算法可以在提高用户公平性的同时,有效提高系统能效。     

Ad Hoc网络中支持拥塞控制的速率自适应协议

Ad Hoc网络中节点需要竞争共享信道,容易使部分节点发生拥塞而丢弃部分分组,造成带宽资源浪费。为了更有效地利用Ad Hoc网络物理层的多速率能力,提出了一种支持拥塞控制的速率自适应协议,引入了可变发送窗口机制,接收节点根据信道质量选择可用的最高传输速率,并根据其队列拥塞程度控制发送端节点的发送窗口,发送节点按照发送窗口的大小连续发送多个数据帧。仿真结果表明,该协议能够充分利用信道条件,在网络重负载的条件下,饱和吞吐量提高80%,并能够调整拥塞节点的分组进出速率,有效地控制了网络拥塞。     

基于事例的自适应关联规则挖掘模型的研究

认为传统的关联规则挖掘模型主要是针对结构化数据 ,其可信度和支持度不能随环境的变化自适应调节 ,即缺乏自适应性 ,而现实中还存在大量非结构化的数据 .针对传统发现模型的不足提出了一个基于事例的自适应关联规则发现模型 ,它不仅可以处理对非结构化数据的数据挖掘 ,而且还可以随着环境的变化自适应调节支持度和可信度 .     

渠道现浇混凝土防渗衬砌施工技术探讨

在池州市东至县大板水库灌区续建配套与节水改造工程建设中,由于混凝土防渗渠道具有良好的防渗效果,在灌区节水改造中得到了广泛的应用。为了保证现浇混凝土防渗渠道效果和耐久性,除了正确合理的设计以外,必须严格提高施工技术水平,加强对混凝土的品质、配合比质量的波动以及混凝土的拌和运输、浇筑、养护等施工工艺的监督和管理,以保证施工质量,做到优质、经济、安全。     

一种低复杂度并行软方向判决恒模盲均衡算法

针对并行软方向判决的CM盲均衡算法(CMA+SDD)可以明显改善单纯CMA均衡器性能,只是其运算量比较大的问题,在不产生星座缩减现象条件下,对CMA+SDD算法进行简化,提出一种能根据均衡器输出信号星座点位置对复平面进行随机划分的低复杂度算法.该算法可以克服S.Chen算法采用固定复平面划分带来的收敛慢的缺点,并减少了计算量.16QAM仿真结果表明该算法的收敛速度比S.Chen的算法快,并在低信噪比(SNR)下算法表现良好.