分布式麦克风阵列声源跟踪方法的研究

针对分布式麦克风阵列声源跟踪方法展开研究,对麦克风阵列声源跟踪方法进行了阐述,并对其阵列特点进行了分析。在信号处理过程中,采用时间同步、数据融合等关键技术,并提出了实际声学环境下的声源跟踪方法和分布式交互多模型粒子滤波声源跟踪算法,通过仿真实验建立模型,实验结果证明了所提算法的有效行。

一种基于差分隐私保护的数据挖据频繁项集算法

差分隐私定义了一种比较严格和强健的隐私保护模型,通过添加噪音使数据失真达到隐私保护的目的。本文提出一种基于差分隐私的频繁项集挖掘方法DPFM,该算法的挖掘策略结合Laplace机制,能够在保证计算性能的前提下实现差分隐私保护。通过实验表明,本文提出的DPFM算法在误差和拒真率以及两种指标的收敛速度上都优于TF方法。

一种基于用户优先级的大规模MIMO导频分配方案

针对大规模多输入多输出时分双工系统中的导频污染问题,提出一种按照用户区域优先级智能分配导频序列的算法。该算法利用最小均方估计对信道进行估计,得到上行链路信干噪比的表达式,然后以距离为约束条件、信干噪比为目标函数,得到目标函数最优值。进而将小区区域进行分类,信道质量较好的区域随机分配导频序列,信道质量较差区域按照优先级智能分配导频序列,最后将所提算法和传统的随机分配算法进行比较。理论和仿真结果表明:所提算法在提高系统信干噪比、系统容量方面均有较好的效果,能够有效地降低导频污染对通信性能的影响。

一种基于正四面体阵的分布式自定位算法研究

针对分布式多维定标（MDS—MAP）算法定位精度不高的问题，研究了一种分布式多维定标一极大似然估计（MDS—ML）算法。首先，将固定正四面体子阵列利用分布式多维定标算法进行阵列的初步自定位，然后结合极大似然估计算法对初值进行迭代估计得出精确定位结果，最后使用MATLAB对算法进行仿真，检验算法有效性。仿真结果表明，该算法与分布式多维定标算法相比定位精确更高，与实际结果偏差更小，并且鲁棒性更好。