提出并证明了正交频分复用(OFDM)系统中基于信息符号有限字符集特性的信道盲可辨识的充分必要条件.在满足该条件的前提下,又提出一种频域最小距离(frequencydomain minimum distance,FMD)盲信道估计方法.该方法将信道频率响应序列多相分解为若干子向量,通过对其中一个子向量中元素的相位模糊度进行穷尽搜索,辨识出所有子载波上频率响应的相位.仿真结果表明,FMD算法的信道估计性能优于修正的最小距离(modified minimum distance,MMD)算法,而计算复杂度与MMD相等.
研究了HPAV标准中发送功率谱密度和比特误码率上限不变情况下传输比特数最大化的自适应算法.针对HPAV标准的特点,首先给出了最优的比特分配算法,然后在分析和仿真的基础上,提出一种基于预分配的低运算复杂度最优比特分配算法.通过仿真验证了该算法可达到最优的比特分配结果,运算复杂度比已有算法降低了将近一半.
将约束最小输出能量(CMOE)准则应用于空时编码多输入多输出多载波码分多址(STBC MIMO MC-CDMA)系统,提出一种基于简化CMOE的联合信道估计与信号检测的递归自适应算法,解决了可变对角因子的自适应取值问题,所给出的最优步长半盲自适应信道估计可以提高信道估计的准确性和收敛速度.比较了不同环境下信道估计的误差和各种算法的误码率性能.
提出一种能够较好抑制无线通信中多天线间干扰的空频变换方案,将方案应用于MIMO OFDM Turbo收发机中.在发射端,对每个发射天线使用预先设计好的模式进行符号映射.在接收端,利用该预先设计的发射映射模式,通过两级检测接收机的迭代过程进行检测和译码判决.其中第1级检测包括MMSE检测及干扰抑制,第2级检测包括BCJR(Bahl Cocke Jelinek Raviv)或SOMA(soft output M-algorithm)(M-算法)检测.在每次迭代中,软信息在检测器和译码器之间交换,多个数据流间的干扰被抑制.仿真结果显示,对于4发4收的多天线系统,该方案性能优于D-STTD CC.经过2次及3次迭代时,其性能优于D-STTD Turbo方案.
针对MIMO-OFDMA下行链路系统,提出一种基于成比例公平性约束的资源分配方案.该方案基于MIMO信道状态信息,对信道矩阵进行分解,利用特征子信道来确定子载波和功率分配,充分利用了空间域、频域以及多用户分集增益提高系统的频谱效率.通过松弛成比例性约束条件,使各用户数据速率近似正比于每个用户分配的子载波数,并导出一种不需要迭代的线性低复杂度功率分配方案.仿真和分析表明,整个方案在保证系统吞吐量的前提下,取得了用户间良好的速率公平性,同时又具有较低的计算复杂度.
为了获得差分空时调制系统中酉信号星座的设计参数,该文将旋转酉信号星座中信号矩阵的对角设计参数与旋转因子进行联合编码,提出一种基于遗传算法的设计参数联合优化算法.当信号星座或发射天线数目较大时,旋转酉信号星座的误码性能明显优于对角信号矩阵,该算法能够获得接近最优解的设计参数.
多输入多输出(multiple-input multiple-output,MIMO)系统的发射端天线选择是从多根天线中选择其中信道状况最好的一根用于发射信号,可减少所需要的射频链的个数,从而降低系统的复杂度及实现成本.该文研究发射端进行天线选择、接收端采用最大比合并接收的系统在相关Nakagami衰落信道下的性能,推导出输出信噪比的分布密度函数,进而给出了精确的误比特率(BER)公式,该表达式仅包含非常简单的函数,易于计算.
提出一种多用户MIMO OFDM系统中的基于合作博弈框架的自适应资源分配算法,该算法在纳什讨价还价解(NBS)和Raiffa-Kalai-Smorodinsky讨价还价解(RBS)的Pareto最优解的基础上分配资源,使用户的速率能够最接近于Pareto最优解.仿真结果表明,该算法的性能明显优于固定分配方案,只是略逊于Max Rate方案,但是其公平性明显优于Max Rate方案和固定分配方案.
研究多业务共存时OFDMA系统资源的自适应分配问题.系统优先为时间敏感业务分配资源以保证其对时延的要求,为其分配子载波簇以降低所需反馈信息量,通过增加子载波簇上的功率来降低其占用的频带.其次,将剩余资源灵活地分配给数据业务,着重考虑整比特分配后的剩余功率重分配以进一步提高系统吞吐量.仿真结果表明,在大信噪比时,经剩余功率重分配后频谱利用率可提高约50%,而时间敏感用户的掉线率几乎为0.
研究了基于单脉冲星的卫星自主导航系统中的重要理论问题——可观测性问题.建立了系统的状态方程和量测方程,根据扩展卡尔曼滤波对系统模型进行线性化处理的特点,采用分段式定常系统(PWCS)的可观测性分析方法分析系统的可观测性,经理论分析可知,系统的可观测矩阵接近奇异,可观测性较差.仿真结果表明:利用单颗脉冲星的量测信息能够修正卫星轨道动力学预报的位置和速度估计值,在短期内可将其误差控制在一定的范围内,但是很难实现长期的卫星自主轨道保持.
提出了一种基于蚁群聚类神经网络的汉语耳语音声调识别方法.根据耳语音发音特点,以听神经平均发放率、幅值包络、共振峰、声道长度等构成的多维矢量描述声调特征,采用蚁群聚类算法将多维特征矢量聚类后,送入局部有监督特征映射神经网络进行声调识别.这一方法通过对特征参数的聚类压缩了神经网络的输入神经元数目,因而可以有效避免在大数据条件下神经网络不易收敛及速度慢的问题.对多人耳语音声调的识别实验显示,采用蚁群聚类神经网络的耳语音声调识别方法与传统方法相比,性能明显提高,平均正识率达到87.5%.