传统垂直-贝尔实验室分层空时结构(V-BLAST)系统采用全排序判决反馈(ODF)算法，能提高线性接收机性能，但也增加系统复杂度。该文在分段检测理论基础上，提出一种改进的采用噪声预测技术的部分判决反馈(PDF)接收算法。它基于MMSE准则，将接收到信号分为两段，只进行一次判决反馈操作，与传统重复排序判决反馈算法相比，大大降低了接收机计算复杂度。仿真结果表明SUI-3信道中天线数为2发4收，误码率为10-4量级的情况下，其性能与V-BLAST相比只下降了0.6 dB左右，但要明显好于线性接收机以及其他改进型MMSE算法，有2~3dB左右的增益。

基于深度卷积神经网络的图像超分辨率重建算法通常假设低分辨率图像的降质是固定且已知的，如双3次下采样等，因此难以处理降质(如模糊核及噪声水平)未知的图像。针对此问题，该文提出联合估计模糊核、噪声水平和高分辨率图像，设计了一种基于迭代交替优化的图像盲超分辨率重建网络。在所提网络中，图像重建器以估计的模糊核和噪声水平作为先验信息，由低分辨率图像重建出高分辨率图像；同时，综合低分辨率图像和估计的高分辨率图像，模糊核及噪声水平估计器分别实现模糊核和噪声水平的估计。进一步地，该文提出对模糊核/噪声水平估计器及图像重建器进行迭代交替的端对端优化，以提高它们的兼容性并使其相互促进。实验结果表明，与IKC, DASR, MANet, DAN等现有算法相比，提出方法在常用公开测试集(Set5, Set14, B100, Urban100)及真实场景图像上都取得了更优的性能，能够更好地对降质未知的图像进行重建；同时，提出方法在参数量或处理效率上也有一定的优势。