一种基于Hammerstein模型的数字预失真算法

记忆非线性放大器的预失真问题一直是预失真技术的难点.本文首先介绍了数字预失真器的几种模型结构和识别算法,它们虽然能够很好地实现功率放大器的线性化,却存在运算量较大的问题.结合LS算法和Hammerstein模型的优点,提出了一种基于Hammerstein模型的数字预失真算法,用几次简单的迭代运算代替一次复杂的直接运算,从而以较少的运算量,获得较好的线性化性能.通过计算机软件仿真验证了这种算法的有效性,它能以较少的参数,快捷、简便地实现记忆非线性功率放大器的预失真,显著提高了放大器的线性化性能.     

基于深度学习的VANET网络DSDV 路由协议改进

针对VANET网络DSDV路由协议依赖于更新消息的周期性传播导致其网络开销增长过大的问题,提出了一种基于深度学习的VANET网络DSDV路由协议GD-DSDV.GD-DSDV路由协议的主要思想是对车辆节点及节点间的链路质量进行评价,并利用机器学习中的梯度下降法对评价指标进行训练,最终得到优化的数据传输路由,从而达到减小网络开销的目的.文中描述了GD-DSDV路由协议的实现过程并从分组平均递交率、路由开销和平均时延等方面进行分析比较.分析结果表明GD-DSDV协议具有比DSDV协议更加优良的性质,可以有效减小路由开销,对现有VANET网络的动态变化具有更强的适应能力.     

数字预失真技术设计及实现

预失真技术是克服功率放大器非线性失真的一种很有效的方法.采用最小二乘法(LS)算法的预失真技术可以获得很好的功率放大器线性化性能,但是其中的矩阵求逆运算在硬件上实现比较困难.论文采用坐标旋转数字计算算法(CORDIC)实现QR分解,并应用在预失真技术中,获得了较好的放大器线性化性能.通过在可编程逻辑阵列(FPGA)硬件平台上的仿真,验证了方法的可行性和有效性.     

基于公交车辅助的城市车载自组织网络数据分发策略

针对城市车载自组织网络传统路由协议网络开销增长过快的问题,提出了一种基于深度学习的改进数据分发策略.该策略以DSDV路由协议为研究基础,引入具有固定行驶路线的公交车为辅助节点进行数据快速分发策略分析,同时通过梯度下降法对基于分簇的公交车辅助数据分发评价指标进行训练,以获取局部最优的数据分发路径选择策略,从而达到提升数据...