2000, 22(1): 68-72.
刊出日期:2000-01-19
本文给出一种de Bruijn序列的升元算法。该算法每步运算可生成一列元素而不是一个元素,因而减少了运算次数,加快了生成速度。
1993, 15(2): 204-207.
刊出日期:1993-03-19
De Bruijn序列是一类最重要的非线性移位寄存器序列。本文定义并研究了n级De Bruijn序列的k次齐次复杂度Ck(s),给出了Ck(s)的一个上界。k=1及k=2时,Ck(s)分别为人们所熟知的线性复杂度及二次齐次复杂度。
1995, 17(6): 618-622.
刊出日期:1995-11-19
De Bruijn序列是一类最重要的非线性移位寄存器序列。本文通过并置所有循环圈的周期约化,提出了一个新的生成k元de Bruijn序列的算法。该算法每步运算可生成一列元素而不是一个元素,因此减少了运算次数,加快了生成速度。
2010, 32(8): 1910-1913.
doi: 10.3724/SP.J.1146.2009.01188
刊出日期:2010-08-19
该文提出了一种应用于上行MU-MIMO系统的次优传输技术:最大特征波束成型(MEBF)。该技术仅要求每个用户终端(UE)在自己的最大特征方向上传输信息,与最优的多用户迭代注水(MU-IWF)技术相比复杂度很低。通过理论分析,证明了MEBF随着UE个数的增加是渐近最优的。对于有限的UE个数,仿真结果表明,MEBF是一种接近最优的传输技术。
2014, 36(1): 67-73.
doi: 10.3724/SP.J.1146.2013.00046
刊出日期:2014-01-19
该文针对MU-MIMO下行(广播)信道提出一种基于空间子信道关联干扰的先验式调度算法。该方法将用户调度转换为子信道的选择问题,通过综合考虑候选子信道的传输增益,以及候选者与已选的和潜在的、将来可能被选中的子信道间的相互干扰,获得一组相互干扰较小的子信道。仿真结果表明,合理地选取关联干扰参数,该算法能够获得计算复杂度与传输性能的良好折中,有效改善系统和速率。
2024, 46(1): 204-212.
doi: 10.11999/JEIT221508
刊出日期:2024-01-17
针对反向散射通信系统信道估计不准、信息容易被窃听等问题,该文提出一种基于用户窃听的多用户-多输入单输出(MU-MISO)反向散射通信系统鲁棒资源分配算法,以提高系统传输鲁棒性与信息安全性。首先,考虑基站最大功率、时间分配、信道不确定性、能量收集和保密率等约束,建立一个MU-MISO的反向散射通信系统鲁棒资源分配问题。其次,基于非线性能量收集模型和有界球形信道不确定性模型,利用变量松弛法和S过程将原NP-hard问题转化为确定性问题,随后利用连续凸近似、半正定松弛与块坐标下降法将其转化为凸优化问题求解。仿真结果表明,与传统非鲁棒算法对比,所提算法具有较高的系统容量和较低的中断概率。
2009, 31(6): 1424-1428.
doi: 10.3724/SP.J.1146.2008.00611
刊出日期:2009-06-19
该文提出一种适用于MU-MIMO单载波频分多址接入系统的块级空时分组码。利用这种码的代数性质和一个特殊置换矩阵,在线性最小均方误差准则下,导出了低复杂度多用户检测算法。通过仿真,给出了平均比特差错概率性能。与空频分组码相比,当SC-FDMA系统采用分布式子载波映射,块级空时分组码的性能具有优势,并且两者的计算复杂度相当。
2022, 44(9): 3335-3342.
doi: 10.11999/JEIT210638
刊出日期:2022-09-19
2011, 33(7): 1639-1643.
doi: 10.3724/SP.J.1146.2010.01212
刊出日期:2011-07-19
针对粒子滤波(Particle Filter, PF)存在的粒子退化和贫化问题,该文提出一种基于差分演化(Differential Evolution, DE)的PF算法。首先,为了充分利用最新的观测信息,采用无迹卡尔曼滤波(Unscented Kalman Filter, UKF)来产生重要性分布,对重要性分布产生的采样粒子不再做传统重采样操作,而是直接把采样粒子当作DE中的种群样本,粒子权重作为样本的适应函数,对粒子做差分变异、交叉、选择等迭代优化,最后得到最优的粒子点集。试验结果表明,该算法有效缓解了传统PF算法中的粒子退化和贫化,提高了粒子的利用率,具有较好的估计精度。
2007, 29(12): 2848-2852.
doi: 10.3724/SP.J.1146.2006.00516
刊出日期:2007-12-19
实际条件下,在对基于衰减指数(DE)和模型的雷达目标散射中心参数估计和特征提取时,其噪声背景往往是非高斯的,分布密度函数表现出长拖尾性质。利用基于高斯假设条件下的估计方法进行参数估计时,往往不能得到较好的结果。针对这种情况,该文利用M估计方法来实现对长拖尾杂波下DE模型参数的稳健估计。首先分析了基于PRONY模型的M估计实现方法存在的不足,其次提出了两种较为有效的DE模型散射中心参数M估计的实现方法,并对这两种方法进行了分析和比较。仿真实验结果表明,在一类长拖尾K分布杂波条件下,与ESPRIT方法以及扩展PRONY估计方法相比,该文所提的两种方法均能得到较好的估计结果。
- 首页
- 上一页
- 1
- 2
- 3
- 下一页
- 末页
- 共:3页