【摘 要】
：
近年来,空时编码作为一种发送分集技术已得到了广泛的研究.空时编码技术是一种把发送分集和编码相结合的技术,它能在不牺牲带宽的情况下提供好的性能.网格编码调制是将编码和调制相结合,利用信号集的冗余度来获取纠错能力的技术.本文介绍了空时编码,阐述了正交空时分组编码的编解码过程及其与网格编码调制相结合的系统,并对空时分组编码,空时格栅编码,网格编码调制和空时分组编码级联这三者在相同的发送功率,相同的信息速
论文部分内容阅读
近年来,空时编码作为一种发送分集技术已得到了广泛的研究.空时编码技术是一种把发送分集和编码相结合的技术,它能在不牺牲带宽的情况下提供好的性能.网格编码调制是将编码和调制相结合,利用信号集的冗余度来获取纠错能力的技术.本文介绍了空时编码,阐述了正交空时分组编码的编解码过程及其与网格编码调制相结合的系统,并对空时分组编码,空时格栅编码,网格编码调制和空时分组编码级联这三者在相同的发送功率,相同的信息速率和相同的频带利用率的条件下的BER(误比特率)性能进行了比较,得出简单的网格编码调制和空时分组编码级联后的系统可以比同复杂度甚至更高复杂度的空时格栅编码系统[7]节省SNR(信噪比).我们的结论是针对两根发送天线和一根接收天线的,对于更多天线的无线系统同样适用.
其他文献
人脸识别近十年来日益受到人们的关注,已成为信息学科研究的热点之一.人脸模式的差异性又使得人脸识别成为一个极富挑战性的课题.人脸检测和识别方法,大致可分为基于几何特性的方法、基于模板匹配的方法和基于模型的方法.基于模型的方法是通过统计分析和匹配学习找出人脸和非人脸以及不同人脸之间的关系.该方法的模板是通过样本学习获得而非人为设定,所以从原理上较为先进合理.HMM是采用概率统计的方法进行时序数据识别模
本文在对小波图像去噪进行概述的基础上,介绍了一种以相位保留为约束条件的logGabor小波图像去噪方法,并把这种方法应用于基因芯片图像的预处理中,收到了比较好的效果,为后续网格定位处理打下良好的基础.
本文提出了一种使各区域子误差相等的矢量量化算法,算法利用小波变换后各子带间的相关性,合理构造矢量.采用最优矢量量化器设计原则,通过调整学习过程中各子区域的误差,使之趋于相等,改善总的期望误差,获得更接近全局最优的码书.实验表明,这种算法获得的码本优于其它几种算法.
介绍了一种医学彩色超声动态图像实时传输系统.系统采用了将超声图像的亮度信号和色差信号分离后,进行自适应分区、多模式压缩的方法.服务端以一台PC机作为操作和管理平台,安装在PC机内的TMS3206201数字信号处理板实现超声图像的实时压缩功能,PC机负责图像采集、数据调配、客户认证、图像资料管理和图像数据发送等功能.客户端由PC机来实现,它完成了远程链接、图像数据接收、图像的软解码和显示和存储等.在
图像反降晰处理是一类最常见的图像复原问题,是对图像进行准确判读的前提.本文通过将图像进行四个方向的定向分解,并对每一个方向得到的图像子序列分别进行卡尔曼滤波,将对图像进行二维卡尔曼滤波简化为一维滤波,最后采用非均匀加权,由四个子序列重构图像.实验结果表明,该方法具有比经典的维纳反卷和约束最小二乘方法更好的反降晰效果.
空时编码是宽带无线数据通信的一种极有潜力的技术.空时码的解码往往假设信道状态信息(CSI)已经事先估计出.当存在信道估计误差的情况下,空时码的性能急剧下降.为此该文针对平坦衰落信道,提出 了一种在信道估计误差噪声条件存在下的分组空时码的优化解码算法,在信道估计误差存在的情况下可以显著地提高分组空时码的性能.仿真的结果也验证了算法的优越性.
本文提出了一种高质量、鲁棒的甚低速率语音编码算法.在甚低速率语音编码算法中,由于比特数有限,往往很难得到高质量的合成语音,而且合成语音质量容易受到信道误码的影响.为了有效地解决这些问题,本文提出采用多帧联合、动态比特分配、高效矢量量化降低语音编码速率,获得了高质量的合成语音.同时,在不增加编码比特的条件下,采用优化的码本序号分配改善在误码信道条件下的合成语音质量.本文将这些方法应用于600bps语
提出了一种Bark子波变换进行语音增强的方法.在感知特性中,Bark子波变换与人耳的听觉系统是直接吻合的;在数学上,它是一种非正交的但却是超完备的,可逆且是自反演的子波变换.实验结果证明本方法有较好的语音去噪、增强效果.
本文利用我国第一台多波束条带测深仪的实际测量数据进行数字图像处理的研究,给出水下地形图的构建与可视化过程中三个阶段的技术关键:针对多波束数据的复杂性,提出了一种基于高斯地形曲面拟合的建立数字地理模型(DTM)方法;对常规构建三角网格方法进行改进,给出符合实际地形的快速构网方法;同时利用计算机图形学的相关知识和OpenGl强大的图形开发平台,对三维地形图进行材质、光照设置,逼真的反演出水下地形.
运动补偿是视频编码中的关键技术、计算量大,难以实时实现,除镜头切换等少数情况外,视频序列比图象本身具有更强的相关性,文中采用次最优的DCT对时间轴进行编码,除去帧间冗余,再对DCT系数进行DWT变换,除去帧内冗余,最后进行量化和熵编码,并对其分级算法进行了分析.实验结果表明,这种方法优于传统的运动补偿与DCT或DWT相结合的混合编码算法,达到了较好的可分级效果.