【摘 要】
：
稀疏码分多址(SCMA)作为一种具有广阔前景的多用户通信技术,有助于实现未来大规模机器类型网络系统。本文在艾森斯坦整数的基础上,提出了一种新的码本,它利用了不同资源块上相同用户的相同码字之间的距离,通过调整各码字之间的功率,让各用户之间,以及不同码字之间均保持相同的功率。通过数值仿真结果表明,与已有的码本相比,我们提出的码本在AWGN信道下具有更大的增益。
论文部分内容阅读
稀疏码分多址(SCMA)作为一种具有广阔前景的多用户通信技术,有助于实现未来大规模机器类型网络系统。本文在艾森斯坦整数的基础上,提出了一种新的码本,它利用了不同资源块上相同用户的相同码字之间的距离,通过调整各码字之间的功率,让各用户之间,以及不同码字之间均保持相同的功率。通过数值仿真结果表明,与已有的码本相比,我们提出的码本在AWGN信道下具有更大的增益。
其他文献
针对受控自回归模型辨识精度不高的问题,采用自回归径向基函数(RBF)神经网络辨识基底核(BG)模型的输入刺激频率与输出β频段(13~35 Hz)振荡功率之间的关系。采用梯度下降法确定模型参数,提高模型预测精度。在相同刺激条件下,以BG模型输出与模型预测输出之间的均方根误差(RMSE)和相关系数作为PD状态的预测指标。受控自回归模型辨识相关系数为84.07%,RMSE为27.96;RBF预测模型辨识相关系数为92.78%,RMSE为17.89,结果表明RBF预测模型辨识精度更高。利用自回归RBF神经网络模型
针对停车过程中有效泊位信息预测及行车路径选择问题,采用BP神经网络预测空闲泊位数,建立最低出行成本路径选择多目标规划模型,设计基于路径方向引导的双向搜索Dijkstra改进算法,基于ArcGIS Engine城市路网地理信息及Python爬取百度地图智慧交通信息,开发设计城市停车场路径规划系统,对城市停车场泊位进行预测及路径规划。研究实例显示:设计开发的系统能够有效地规避驾驶人无效寻泊,并可根据个人意愿,选择距离、出行时间、出行成本最低的三种模式,进行选择行车路线规划,对提高停车路径规划效率、优化停车场资
为深入研究风力发电机主轴轴承系统的接触机理及动态载荷,通过三维建模软件SolidWorks建立轴承的三维模型,将其导入ADAMS/View软件环境下,建立了基于冲击脉冲法的滚动轴承多体动力学仿真模型。研究了实体接触条件下的轴承运转过程,对存在典型内圈故障和正常轴承进行了动态仿真分析,着重分析其几何物理特性、各零部件的复杂结构特征和载荷特点及其工作状态下的运动学特性,获得了滚珠与内圈、外圈及保持架之间的接触力动态分布规律。通过建立系统动力学仿真模型,研究轴承故障动态演化机理及信号传递特性,探究故障源激励在复
为解决传统间接式胎压监测频域法估计胎压状态时误差较大的问题,分析误差产生的主要因素为轮速传感器测量误差与频域分析方法精度较低。针对轮速传感器测量误差,设计具有动态遗忘因子的改进递归最小二乘法,在算法运行前期扩大遗忘因子以增强再适应能力,后期减小遗忘因子以获得更好的收敛性,并以此进行误差估计,修正轮速信号。针对频域分析精度较低的问题,基于自回归AR模型建立谱估计模型,采用伯格算法估计模型参数,提取轮速信号共振频率,避免传统谱估计对未观察信号做假设处理导致精度较低的问题。最后根据不同胎压下共振频率的差别设定欠
针对回排风机、空调风机、排热风机的节能率较低、节能能力较差,基于蚁群算法优化设计了一种新的地铁站域地下空间节能系统。利用骨干网、中央级局域网作为系统硬件的核心网络,选择网络层、控制层、设备层组成系统硬件结构,分别设计了变风量空调控制模块、变水量空调水控制模块、接口模块。在分析蚁群算法工作原理后,设定K值,根据设计原理实现软件节能控制。实验结果表明,基于蚁群算法优化的地铁站域地下空间节能系统能够有效提高回排风机、空调风机、排热风机的节能率,增强节能能力。
光伏阵列在局部阴影下的功率-电压曲线具有多峰值特性,采用量子粒子群算法的最大功率点跟踪方法可以有效地解决多峰值问题,但该算法易早熟收敛、陷入局部最优。对此,提出一种混合量子粒子群算法的光伏阵列最大功率点跟踪方法。该方法将收缩-扩张系数与适应度值结合以提升算法搜索能力,将莱维飞行策略加入粒子位置更新的过程中,从而增加算法收敛后期的种群多样性。通过Simulink进行仿真实验,表明改进方法比量子粒子群算法的收敛速度快,且有效抑制了不收敛的现象,应用该方法能够有效地实现光伏多峰最大功率点跟踪。
在汽车故障文本知识提取中,由于语料不规范和领域的专业性,缺乏特定领域的命名实体识别模型。为弥补基于字符的命名实体识别模型没有考虑专业领域词汇的重要性,提出了一种支持汽车故障数据增值的词汇增强实体识别方法。首先利用基于词典的双层标注序列方式弥补了专业领域数据标注难问题,接着利用加权的方式将词汇信息融入到字符向量中,最终实现了词汇增强的命名实体识别模型。
目前提出的非线性代数方程组并行模型运算成功率较低,导致其搜索速度较慢。为了解决上述问题,设计了基于偏微分的非线性代数方程组并行模型。该模型的设计核心是引入偏微分算法调用传统的非线性代数方程组,从而构建非线性代数方程并行算法;然后在去噪处理的基础上,建立数据通道,通过数据通道筛选问题数据,利用迭代算法实现并行运行,从而得到最终基于偏微分的非线性代数方程组的并行模型。实验结果表明,设计的模型能够有效提高运算成功率,加快搜索速度。
随着汽车售后服务市场竞争愈发激烈,为了提高市场占有率,配件代理商不仅要向客户提供优质的服务,还要减少库存成本。因此制定准确有效的配件销量预测模型对配件代理商至关重要。本文以汽车价值链业务协同过程中产生的配件销量数据为基础,提出了一种BP-GRU组合预测模型,用于配件的销量预测。该模型利用BP网络对数据的特征进行初步提取,接着利用GRU捕获时间长期依赖性,将BP和GRU的预测结果进行加权融合。最后采用了包括平台某配件代理商的销售数据在内的3种数据集进行了5组对比实验。实验结果表明,该组合模型的预测效果比起其
为了提高新能源并网抗扰动性能和频率动态调节能力,解决其并网过程中惯性缺失问题,研究发现虚拟同步发电机(VSG)控制策略在一定程度上可改善系统的功频特性,但缺乏对系统各暂态性能的共同调节。基于此,提出一种基于虚拟惯量与阻尼的新型模糊辅助控制策略。首先,建立虚拟同步发电机数学模型,分析虚拟惯量与虚拟阻尼对VSG输出功率的影响;设计相对应模糊控制规则,以降低系统的频率与功率偏差,提高电网的稳定性;最后,利用Matlab/Simulink仿真软件,对比自适应VSG控制和VSG模糊虚拟惯量控制两种控制策略,验证了所