基于协方差矩阵重构的单基地MIMO阵列无网格DOA估计方法

提出了一种单基地多输入多输出(multiple-input multiple-output, MIMO)阵列中的协方差矩阵重构的无网格波达方向(direction-of-arrival, DOA)估计方法。该方法通过降维处理将MIMO阵列等效为信噪比(signal-to-noise ratio, SNR)提升的均匀线列阵,将目标方位估计问题转化为混合范数最小化(mixed norm minimization, MixNM)稀疏信号重构问题。进一步给出了与该稀疏重构问题等价的基于网格的凸优化问题,并模型化为半定规划来求解。为了解决网格大小影响估计性能的问题,利用了等价均匀线列阵的托普利兹结构,模型化为半定规划问题来重构无噪声协方差矩阵,最后通过范德蒙分解来估计目标方位。与传统的基于MixNM方位估计方法相比,该方法减少了优化变量个数。与其他离网格方法相比,该方法估计精度不受网格大小的影响,且能够估计相干源目标。实验仿真验证了该方法的有效性。     

可重构智能表面辅助大规模MIMO通信波束成形设计

可重构智能表面(reconfigurable intelligent surface, RIS)在无线通信系统中能够提高信道性能。为了降低传统波束成形方案中功率分配的复杂度,结合毫米波(millimeter wave, mmWave)特点建立信道模型,提出一种基于正交匹配追踪(orthogonal matching pursuit, OMP)和统一信道分解(uniform channel decomposition, UCD)的RIS辅助mmWave多输入多输出(multiple input multiple output, MIMO)系统混合波束成形设计方案。利用视距(line of sight, LoS)信道的到达角(angle of arrival, AoA)和离开角(angle of departure, AoD)设计了RIS的反射矩阵。该方法不需要复杂的功率分配,能够使得多个并行数据流具有相同的信道增益。仿真结果表明,该混合波束成形方案具有更好的误比特率(bit error rate, BER)性能及频谱效率。     

基于信道状态信息反馈的特征波束形成算法

在多输入多输出通信系统中,为了有效地降低系统的误符号率,提出了一种特征波束形成算法。在假设接收端能准确地完成信道估计,并能及时将信道的互相关矩阵反馈到发射端的基础上,研究了接收和发射均采用多天线的特征波束形成算法,对其性能进行了详细的分析和推导,并在此基础上研究了波束形成与空时块码的结合以提高系统的频谱利用率。计算机仿真结果表明,在接收端采用多根天线相对于单根天线能明显降低系统的误符号率。特征波束形成算法通过同时提供波束形成增益和分集增益位置,有效地提高了系统性能。     

基于DCT域的数字水印信道编码

从数字水印信道的特点出发,将各种纠错编码（error correcting coding,简称ECC）应用于水印的嵌入与提取中,并通过构造函数的方法构造出统一的综合码率进行有效的对比．实验证明了该方法有效地改善了水印的稳健性。     

基于光突发控制包缓存的批调度算法

在光突发交换（OBS）网络中,数据信道调度算法是提高网络性能的重要措施之一。提出了一种基于光突 发控制包（BCP）缓存的批调度算法M其主要思想是：对到达的突发控制包进行缓存M当设定的最大缓冲时间到了, 首先按照业务的优先级,再按照突发到达顺序对缓冲区中的BCP进行批调度处理,并采用LAUC-VF来调度数据 突发（DB）该算法通过缓冲较多的BCP,获得更多的突发信息,有利于优化调度DB,从而降低了突发丢失率。仿 真结果表明：该算法具有比LAUC-VF还要低的DB丢失率,并能有效支持QoS。     

纳米颗粒球形度对平板通道中Al2O3-水纳米流体强制对流换热的影响

数值研究了水中添加立方体形、球形或柱状Al2O3纳米颗粒的纳米流体在平板通道中的层流强制对流换热,分析了纳米颗粒球形度、纳米颗粒体积分数和雷诺数对平板通道中Al2O3-水纳米流体强制对流换热的影响.结果表明:当纳米颗粒体积分数和雷诺数一定时,随着纳米颗粒球形度减小,通道壁面平均努赛尔数增大,对流换热增强;当纳米颗粒球形...     

基于抵消技术的邻道干扰抑制

针对无线设备间的邻道干扰,提出了一种干扰抑制方法。在接收机中设计邻道干扰重建支路,利用记忆多项式估计信道的非线性参数,构建邻道干扰信号模型并重建干扰信号,最终从接收信号中消除邻道干扰信号。所提方法能够有效减小邻道干扰影响,提升期望信号接收信噪比,使有限带宽内容纳更多通信设备。计算机仿真与软件无线电平台实验结果表明,在实验室视距环境中,甚高频频段,信号带宽25 kHz,所提方法能够抑制18 dB的邻道干扰,为有限空间内无线电设备间邻道干扰抑制提供了新的研究思路。     

基于贝叶斯学习的关联向量机及其在软测量中的应用

介绍了一种与支持向量机(SVM)函数形式相同的稀疏概率模型--关联向量机(RVM),其训练是在贝叶斯框架下进行的,在处理具有噪声的函数回归时,RVM具有很出色的性能.与SVM相比不仅解更稀疏,而且无需调整模型参数,核函数选择也不受限制.将RVM应用于PTA装置溶剂脱水塔塔顶塔底组分软测量建模,仿真结果表明:该方法预测精度较高,具有一定的应用价值.     

基于SCMA的无人机中继辅助上行通信方案

为提高蜂窝通信系统的上行总吞吐量,在满足用户服务质量需求的前提下,提出了一种基于稀疏码多址接入(sparse code multiple access,SCMA)的无人机中继辅助上行通信方案,通过部署无人机增强网络覆盖,并利用SCMA提高系统传输性能。根据用户的分布和概率视距传输模型,通过交替优化码本、功率和无人机坐标,确定无人机的3维部署位置;进行资源优化后,根据信道状态信息,对子载波进行配对并迭代码本、功率,以获得优化的码本和功率分配方案。仿真结果表明,提出的方案能够有效提高上行吞吐量,并满足用户的服务质量需求。     

融合特征通道重要性与相似性的深度YOLO网络压缩方法

基于深度YOLO网络的目标检测方法网络结构复杂、冗余参数过多、计算量大,极大影响模型检测性能。针对此问题,从降低网络中低效通道和冗余通道的影响出发,提出了一种融合特征通道重要性与相似性的深度YOLO网络压缩方法,基于深度网络压缩中的网络剪枝思路,采用2次剪枝剪去低效及冗余特征通道。构建通道重要性计算方法,将稀疏因子作为通道效能计算指标,结合剪枝率剪去低效通道;根据通道间存在的线性关系计算其相似度,对相似度较高的通道进行替代,剪去相似度较大的通道;微调模型参数,恢复剪枝前的检测精度。仿真实验表明,同当前性能较优的深度网络压缩方案相比,提出的方法在保证目标检测精度的同时极大减小了模型尺寸、提升了检测速度,方法可行、有效。