【摘 要】
:
叠加信道估计方法由于具有高的频谱效率,得到了世界范围内专家学者的广泛关注。然而,训练序列与数据序列的叠加不可避免地引起叠加干扰,大大降低信道估计与数据检测的准确性。为消除叠加干扰,数据依赖叠加训练(Data-Dependent Superimposed Training,DDST)和数据空叠加导引(Data-NullingSuperimposed Pilot,DNSP)方法相继被提出,这些叠加方法
论文部分内容阅读
叠加信道估计方法由于具有高的频谱效率,得到了世界范围内专家学者的广泛关注。然而,训练序列与数据序列的叠加不可避免地引起叠加干扰,大大降低信道估计与数据检测的准确性。为消除叠加干扰,数据依赖叠加训练(Data-Dependent Superimposed Training,DDST)和数据空叠加导引(Data-NullingSuperimposed Pilot,DNSP)方法相继被提出,这些叠加方法能够完全消除数据序列对训练序列的干扰,从而有效地提高信道估计的精度。然而,在DDST和DNSP系统中,信道估计精度的提高是以丢失部分频域数据信息为代价的,从而造成数据检测时的符号错误识别问题。为缓解DDST和DNSP系统中的符号错误识别问题,一方面,可通过提高信道估计精度改善频域数据未丢失部分的检测性能;另一方面,通过联合信道估计与信号检测,协同改善信道估计精度和数据检测时的符号错误识别。本文针对以上两个方面的解决思路,进行DDST和DNSP系统的信道估计技术研究。首先,针对DDST系统,研究基于降噪处理的叠加信道估计方法。该方法首先在频域估计信道状态信息;然后将估计到的信道状态信息变换到时域,利用时域信道的稀疏特征,对估计到的信道状态信息进行降噪处理。数值仿真实验表明,相对于经典的最小二乘(Least Square,LS)信道估计方法,研究方法改善了信道估计的归一化均方误差(Normalized Mean Square Error,NMSE)性能。例如,在信噪比(Signal-to-Noise-Ratio,SNR)为10d B时,研究方法将LS的NMSE从6×10-2降低到了4×10-2。其次,针对存在硬件不完善(Hardware Imperfections,HI)的DDST系统,引入深度学习技术,研究联合模型与数据驱动的信道估计与数据检测方法,改善信道估计精度和符号错误识别。在接收端,首先采用LS估计和迫零(Zero-Forcing,ZF)均衡来提取信道估计和数据检测的初始特征。然后,在初始特征基础上,为信道估计和符号检测分别构建浅层神经网络CE-Net(Channel Estimation Net)和SD-Net(Symbol Detection Net),从而协同增强信道估计与数据检测性能。数值仿真实验表明,相对于经典的MMSE信道估计与MMSE均衡联合的方法,研究方法在信道和噪声二阶统计量未知的情况下,有效地提高了信道估计精度并抑制了符号的错误识别。例如,当SNR为15d B时,研究方法的BER为8.4×10-2,而基于MMSE信道估计与MMSE均衡联合方法的BER为1×10-1。最后,针对基于深度学习的信道估计方法面临泛化困难的问题,研究基于迁移学习的DNSP信道估计方法。该方法首先采用LS信道估计方法提取信道的初始特征;随后,利用CNN网络增强提取到的初始特征,形成增强型信道估计;最后,利用轻量级的迁移网络解决基于深度学习信道估计方法的模型失配问题。数值仿真实验表明,当无线场景发生改变,在不使用信道与噪声二阶统计量的情况下,相对于对比基线方法,研究方法获得了信道估计精度改善,并同时解决了模型失配问题。例如,当SNR为10d B时,基于MMSE信道估计方法的NMSE为1.6×10-1,而研究方法的NMSE为2.5×10-2。
其他文献
金属团簇由于其独特的催化性能备受人们的关注。铝团簇作为简单金属团簇的代表已在实验和理论上被广泛的研究,然而,关于铝团簇的部分基态结构仍存争议,其光电子谱和光吸收谱也未得到合理的解释,同时,为了进一步探讨掺杂原子对铝团簇性能的影响,本文将基于密度泛函理论和粒子群优化技术,对Alnu团簇(n=2-17,u=0、+1、-1)和AlnMnu团簇(n=1-16,u=0、+1、-1)的基态结构、电子特性、光谱
2020年以来,新型冠状病毒开始在我国肆虐,当时环境下最有效的处理办法就是血浆疗法,但血浆疗法中输入到患者体内的新鲜血液中含有大量活性淋巴细胞,有可能导致患者出现输血相关性移植物抗宿主病,为了避免这种情况,就需要使用血液辐照仪对血浆内的淋巴细胞进行灭活处理。课题组结合专业领域并根据本次疫情的需求,创新性地提出了一种基于X波段2.5 MeV电子直线加速器的血液辐照仪,相较于比较成熟的S波段直线加速器
在晶体中掺杂一些过渡金属离子(TMs)可以显著地改善材料的物理化学性能,因而掺杂技术被广泛应用于各个领域。如热电材料、超导体材料、半导体材料等,其性能主要是由晶体的局部结构和TMs的电子态决定的。这是因为掺杂的TMs根据Jahn-Teller效应,可以有效地改变其局部结构,从而影响材料的性能。为了清楚其具体机理,人们通常借助电子顺磁共振(EPR)的自旋哈密顿参量(SHPs)进行全面分析。EPR是研
矢量光束是标量光束的拓展;涡旋光束则是一种具有螺旋相位结构且还携带轨道角动量的光束。矢量光束和涡旋光束是现代光学中十分重要的两类光束,被广泛研究并且广泛应用于光学操纵、光学显微、光学存储、量子信息处理等领域。近些年自由空间光通讯快速发展,而大气湍流的存在会带来光强闪烁、相位畸变等一系列的湍流效应,这将导致通信误码率增加,降低系统的信道容量,极大影响通讯效率。研究表明矢量光束和涡旋光束具有较强的抗湍
大规模多输入多输出(MIMO,Multiple Input Multiple Output)系统是第五代(5G,5th Generation)无线通信系统的关键技术之一。在大规模MIMO系统中,下行链路波束成形、用户选择和天线选择等都需要准确的信道状态信息(CSI,Channel State Information)。在时分双工(TDD,Time Division Duplex)模式下,下行链路C
随着深度学习方法在图像去运动模糊领域的不断发展,现有算法的主要思路是通过设计不同的网络模型或者加深网络来提高算法去运动模糊的效果,但是却忽略了图像的实际退化过程,在模型设计时没有考虑噪声的影响,且模型复杂,计算开销大,以致于去运动模糊效果在主客观评价指标上都有待提高。因此,实现更好的去运动模糊效果和简化网络模型是十分重要的。在此背景下,论文主要围绕运动模糊图像的去模糊问题展开研究,工作总结如下:(
心血管疾病和呼吸系统疾病的发病率呈上升趋势,危害着人民健康。心音信号与肺音信号中包含了大量的心血管系统和呼吸系统的病理信息,能有效辅助医护人员进行诊断。听诊是常见的获取心音信号和肺音信号的手段,但采集的往往是心音信号和肺音信号互相混叠和干扰的心肺音信号。针对这一问题,本文进行了以下研究:1)提出了用于实现单通道心肺音信号分离的一种多重约束的非负矩阵分解算法(MCNMF)。本文研究了非负矩阵分解(N
近年来随着社会发展以及人们对生活和艺术的追求,音乐创作的需求量大幅增加,其生产、传播和消费途径均发生了较大的变化,这给传统的音乐创作带来了挑战,如何快速创作出一首满足特定需求的音乐,成为了近年来自动音乐生成的研究重点之一。本文以MIDI音乐为基础,设计了一种音乐数据的文本化表示方法,并将大型自然语言生成模型迁移到音乐生成中来,实现音乐的快速生成,最后设计出了一种融合数理统计和乐理知识的音乐评价模型
随着无人驾驶技术飞速发展,无人驾驶汽车需要感知行驶环境完成自主驾驶,实现全面数字化。对此,本文提出基于交警姿态估计下的8个交通信号手势的识别。目的是发生道路堵塞、信号灯损坏时,无人驾驶汽车可识别交警信号手势做出相应措施。文中先对斑马线进行语义分割、二值化处理,通过统计连通区域个数(设定区域数大于1为交叉路口)判断当前路口是否为交叉路口。接着对交警站立朝向识别:其先利用Faster R-CNN识别交
机器人应用在人们生产生活的各个领域,代替人进行一些复杂和危险的任务。因此,机器人的位置跟踪控制需要较高的精度。但是,由于机器人系统是一个非线性、强耦合的系统,受到各种不确定性的影响,如未建模动力学、测量噪声、负载变化、外部干扰、非线性摩擦、输入死区等。因此,需要一种结构简单同时又能确保跟踪性能良好的控制方法来控制机器人。时延控制以其结构简单、不依赖于系统模型的优点可以估计复杂未知动力学及难处理的非