【摘 要】
：
针对高分辨率模数转换器(analog-to-digital converter,ADC)接收机给大规模多输入多输出(multiple input multiple output,MIMO)系统带来的硬件成本昂贵和高功耗问题,研究了低分辨率ADC在毫米波MIMO正交频分复用(orthogonal frequency division multiplexing,OFDM)量化系统中的应用方案.通过将单输入单输出(single input single output,SISO)量化系统中的广义Turbo信号检测
【机 构】
：
重庆邮电大学通信与信息工程学院,重庆400065
论文部分内容阅读
针对高分辨率模数转换器(analog-to-digital converter,ADC)接收机给大规模多输入多输出(multiple input multiple output,MIMO)系统带来的硬件成本昂贵和高功耗问题,研究了低分辨率ADC在毫米波MIMO正交频分复用(orthogonal frequency division multiplexing,OFDM)量化系统中的应用方案.通过将单输入单输出(single input single output,SISO)量化系统中的广义Turbo信号检测算法推广到MIMO-OFDM量化系统,实现了该算法的低复杂度实现方案.在4×32 MIMO-OFDM系统中,当误比特率为10-3时,GTurbo算法与广义近似消息传递(generalized approximate message passing,GAMP)算法相比能得到约3 dB的性能增益.仿真表明,与GAMP算法相比,所提算法更适用于大规模天线阵列系统.
其他文献
针对态势认知中目标数量多、信息不确定、数据不精确等问题,提出一种基于区间数聚类的目标分群算法.首先,考虑到传感器测量数据具有误差且数据不完全等因素,采用区间数对传感器探测到的目标进行特征描述.然后,为有效利用区间数信息定义了一种新的距离度量,并给出了改进的区间数聚类目标分群算法.最后,构造4类相互独立的区间数据集,对区间数据进行分类测试,并通过典型想定场景设定多类目标实体,基于目标空间位置、运动特征和属性等要素进行空间分群和任务分群.仿真结果验证了算法能够有效对目标进行分群,具有较强的稳定性.
航天装备备件品种确定是实现航天装备精确保障的重要基础.针对航天装备备件品种确定过程中决策信息不完备、犹豫性、模糊性等特点突出的问题,提出基于限制优势关系的备件品种确定方法.引入犹豫模糊集和粗糙集理论,建立备件品种确定的犹豫模糊决策信息系统,基于限制优势关系实现决策属性的约简和决策规则的获取,构建基于限制优势关系的备件品种确定模型,最后以某航天测控装备为例进行了案例分析与应用,证明了方法的可行性与有效性.
本文研究施加牵制控制对无人机(unmanned aerial vehicle,UAV)集群蜂拥控制一致性的影响.首先基于复杂网络和图论建立了UAV集群的二阶动力学模型;其次设计了分布式控制协议并构建了集群系统的增广Laplacian矩阵,其最小特征值反映了集群的一致性收敛速度,以及连通性与鲁棒性;最后分析了增加牵制点对系统动态性能的影响,并基于M矩阵等相关性质得到最小特征值的范围.本文为牵制控制设计及性能分析提供了理论依据.
针对D-S (Dem pster-Shafer)证据理论中证据融合可能存在冲突的问题,通过考虑证据之间的关系及其本身的特性,提出一种基于Lance距离和信度熵的冲突证据融合方法.首先,利用Lance距离来度量证据之间的差异和冲突程度,并通过矩阵形式表示证据的可信度,再通过计算信度熵来度量证据的信息量,并以此表示证据的不确定度.其次,综合考虑证据的可信度和不确定度来衡量证据最终融合的折扣系数,并通过折扣系数修正原始证据.最后,采用Dempster合成规则进行证据融合得到最终结果.算例分析结果表明,所提方法较
针对模型参数不准确条件下的全自动着舰控制技术进行了研究,设计了一种基于保辛伪谱算法(symplectic pseudospectral method,SP)和带遗忘因子递推最小二乘法(recursive least squares with forgetting factor,FFRLS)的舰载机着舰自校正模型预测控制方法(self-tuning model predictive control,ST-MPC).针对舰载机的着舰控制模型,在MPC方法的框架下,首先设计了一种基于预测轨迹形状与位置偏差的引导
针对无人机(unmanned aerial vehicle,UAV)离线航迹规划对算法全局搜索能力和鲁棒性的要求,设计一种自适应郊狼算法,从最优化问题角度研究UAV离线航迹规划.建立UAV离线航迹规划的数学模型;在标准郊狼优化算法的基础上设计4种操作算子和一种自适应学习机制,使算法在搜索的过程中,智能选择合适的操作算子,并设计莱维飞行策略提高算法的全局寻优能力;最后对自适应郊狼算法进行函数测试和离线航迹规划仿真.函数测试表明自适应郊狼算法具有较强的全局搜索能力,离线航迹规划仿真表明自适应郊狼优化算法能适应
针对高速机动目标拦截,提出了一种末制导阶段预设性能制导律.首先,建立三维非线性拦截模型,在俯仰和偏航两个平面中,将期望视线角和视线角速率选做状态量设计滑模动态面,在动态面控制的基础上,将滑动模态误差利用误差转换函数转化为预设性能误差方程,设计制导律,驱动滑模变量按预设性能收敛.该制导律能使制导顺利进行,满足终端视线角约束.然后,考虑视线角速率测量误差以及目标信息不确定性,建立有限时间干扰观测器,保证了制导指令的执行.
针对头脑风暴优化(brain storm optimization,BSO)算法的选择操作中仅部分个体更新追随全局最优和变异操作中步长不能自适应的问题,采用追随全局最优策略以充分利用全局最优信息,并用差分变异代替原来的高斯变异以自适应调节变异步长,提出了基于全局最优和差分变异的BSO (global-best difference-mutation brain storm optimization,GDBSO)算法.通过6个标准测试函数极值寻优的Matlab仿真对比研究表明GDBSO具有优良性能,较好地解
针对高速移动场景正交频分复用(orthogonal frequency division multiplexing,OFDM)系统,提出了一种新的基于堆栈式极限学习机(extreme learning machine,ELM)的时变信道预测方法.为了捕获输入数据的深层信息,基于单隐藏层神经网络,首先利用堆栈式ELM方法从历史信道中提取信道的深层特征,并获得网络的初始输出权值.然后,为了适应信道的变化,新方法基于新构造的历史信道样本与初始的输出权值来实时更新网络的输出权值,并基于更新后的输出权值预测得到未来
目前,在非正交多址接入(non-orthogonal multiple access,NOMA)中继通信的研究中,中继用户的选择是随机的,并没有考虑中继节点之间信道条件的差异.为了得到信道条件较好的中继用户,提出一种基于单源最优路径的中继选择策略,从基站广播信号以用户为节点,设定信道参数,寻找最佳传输通路.当信号到达目标节点后,基站从目标节点处收集所有可达通路,通过对比各通路的信道参数,选出一条最好的传输通路.基于所提中继选择策略,在非机会式NOMA系统中,提出一种新的协作传输方法,该方法在中继传输过程中