期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于分层调制的物理层网络编码系统概率成形设计
1
作者
林宇晨
谢肇鹏
陈平平
《移动通信》
2024年第5期21-26,36,共7页
分层调制是一种根据发送信号的相对重要性对数据流进行不等保护的关键技术。针对双向中继信道下基于分层调制技术的PNC系统进行研究。当系统采用均匀的输入分布时会产生成形损耗,由于传统的分布匹配器的非线性成形编译码过程不适用于PN...
分层调制是一种根据发送信号的相对重要性对数据流进行不等保护的关键技术。针对双向中继信道下基于分层调制技术的PNC系统进行研究。当系统采用均匀的输入分布时会产生成形损耗,由于传统的分布匹配器的非线性成形编译码过程不适用于PNC系统,因此提出一种线性概率成形码本方案,以确保其成形编译码过程是线性的,进一步推导了成形系统可达速率表达式。仿真结果表明,所提出的线性成形方案在中低SNR具有0.3 dB的成形增益。
展开更多
关键词
分层调制
概率成形
物理层网络编码
下载PDF
职称材料
基于稀疏贝叶斯学习的大规模多用户检测算法
2
作者
陈平平
王宣达
+2 位作者
谢肇鹏
方毅
陈家辉
《通信学报》
EI
CSCD
北大核心
2023年第10期186-197,共12页
针对现有算法大都基于高斯逆伽马先验模型的稀疏贝叶斯学习(GIG-SBL),忽略了稀疏解所对应的支撑集向量稀疏性的问题,提出一种基于伯努利高斯逆伽马先验模型的稀疏贝叶斯学习(BGIG-SBL)架构,通过引入一个伯努利先验的二元向量,设计了单...
针对现有算法大都基于高斯逆伽马先验模型的稀疏贝叶斯学习(GIG-SBL),忽略了稀疏解所对应的支撑集向量稀疏性的问题,提出一种基于伯努利高斯逆伽马先验模型的稀疏贝叶斯学习(BGIG-SBL)架构,通过引入一个伯努利先验的二元向量,设计了单测量向量(SMV)的BGIG-SBL-SMV算法,结合支撑集向量的稀疏性提高重构性能。进一步将该算法扩展到多测量向量(MMV)方案,通过共享相同控制稀疏解的超参数,利用MMV的联合稀疏性提出BGIG-SBL-MMV算法。实验结果表明,所提BGIG-SBL-SMV算法相较于传统GIG-SBL-SMV算法,在mMTC用户检测场景可实现2 dB的性能增益;同时,所提BGIG-SBL-MMV算法相对于单测量向量BGIG-SBL-SMV算法,用户检测率和数据检错率的性能增益可达到4 dB,证明了所提算法的优越性。
展开更多
关键词
稀疏贝叶斯学习
压缩感知
多用户检测
海量机器通信
下载PDF
职称材料
空间调制下基于极化码的Gallager映射通信系统设计
3
作者
陈国泰
谢肇鹏
《无线电工程》
北大核心
2023年第11期2590-2595,共6页
提出了一种空间调制下基于极化码的Gallager映射系统(Polar-coded Gallager-mapping-shaped Spatial Modulation,PGALSM)。系统在空间调制下利用Gallager映射方式将信号输入分布由均匀分布改成类高斯分布,使发送信号逼近最佳输入分布,...
提出了一种空间调制下基于极化码的Gallager映射系统(Polar-coded Gallager-mapping-shaped Spatial Modulation,PGALSM)。系统在空间调制下利用Gallager映射方式将信号输入分布由均匀分布改成类高斯分布,使发送信号逼近最佳输入分布,获得成形增益,并利用信道降解思想分析天线激活组合和发送星座点每个比特流的可达速率。仿真结果表明,在多天线瑞利衰落信道上,中低信噪比下,PGALSM系统的可达速率优于传统的映射方案;当误比特率(Bit Error Ratio,BER)水平为10^(-4)时,PGALSM方案的性能比传统多用户方案提高0.7 dB。
展开更多
关键词
空间调制
极化码
Gallager映射
类高斯分布
下载PDF
职称材料
题名
基于分层调制的物理层网络编码系统概率成形设计
1
作者
林宇晨
谢肇鹏
陈平平
机构
福州大学物理与信息工程学院
福州大学先进制造学院
数字智能化技术国家地方工程研究中心
出处
《移动通信》
2024年第5期21-26,36,共7页
基金
国家自然科学基金委员会“大规模MIMO免授权mMTC通信的物理层关键技术研究”(62171135)。
文摘
分层调制是一种根据发送信号的相对重要性对数据流进行不等保护的关键技术。针对双向中继信道下基于分层调制技术的PNC系统进行研究。当系统采用均匀的输入分布时会产生成形损耗,由于传统的分布匹配器的非线性成形编译码过程不适用于PNC系统,因此提出一种线性概率成形码本方案,以确保其成形编译码过程是线性的,进一步推导了成形系统可达速率表达式。仿真结果表明,所提出的线性成形方案在中低SNR具有0.3 dB的成形增益。
关键词
分层调制
概率成形
物理层网络编码
Keywords
hierarchical modulation
probabilistic shaping
physical-layer network coding
分类号
TN911 [电子电信—通信与信息系统]
下载PDF
职称材料
题名
基于稀疏贝叶斯学习的大规模多用户检测算法
2
作者
陈平平
王宣达
谢肇鹏
方毅
陈家辉
机构
福州大学先进制造学院
福建省媒体信息智能处理与无线传输重点实验室
广东工业大学信息工程学院
出处
《通信学报》
EI
CSCD
北大核心
2023年第10期186-197,共12页
基金
国家自然科学基金资助项目(No.62171135)
福建省杰出青年基金资助项目(No.2022J06010)
福建省技术创新重点攻关基金资助项目(No.2023XQ004)。
文摘
针对现有算法大都基于高斯逆伽马先验模型的稀疏贝叶斯学习(GIG-SBL),忽略了稀疏解所对应的支撑集向量稀疏性的问题,提出一种基于伯努利高斯逆伽马先验模型的稀疏贝叶斯学习(BGIG-SBL)架构,通过引入一个伯努利先验的二元向量,设计了单测量向量(SMV)的BGIG-SBL-SMV算法,结合支撑集向量的稀疏性提高重构性能。进一步将该算法扩展到多测量向量(MMV)方案,通过共享相同控制稀疏解的超参数,利用MMV的联合稀疏性提出BGIG-SBL-MMV算法。实验结果表明,所提BGIG-SBL-SMV算法相较于传统GIG-SBL-SMV算法,在mMTC用户检测场景可实现2 dB的性能增益;同时,所提BGIG-SBL-MMV算法相对于单测量向量BGIG-SBL-SMV算法,用户检测率和数据检错率的性能增益可达到4 dB,证明了所提算法的优越性。
关键词
稀疏贝叶斯学习
压缩感知
多用户检测
海量机器通信
Keywords
sparse Bayesian learning
compressive sensing
multi-user detection
mMTC
分类号
TN929.5 [电子电信—通信与信息系统]
下载PDF
职称材料
题名
空间调制下基于极化码的Gallager映射通信系统设计
3
作者
陈国泰
谢肇鹏
机构
福建技术师范学院电子与机械工程学院
福州大学物理与信息工程学院
福州大学先进制造学院
出处
《无线电工程》
北大核心
2023年第11期2590-2595,共6页
基金
福建省自然科学基金(2020J01301)。
文摘
提出了一种空间调制下基于极化码的Gallager映射系统(Polar-coded Gallager-mapping-shaped Spatial Modulation,PGALSM)。系统在空间调制下利用Gallager映射方式将信号输入分布由均匀分布改成类高斯分布,使发送信号逼近最佳输入分布,获得成形增益,并利用信道降解思想分析天线激活组合和发送星座点每个比特流的可达速率。仿真结果表明,在多天线瑞利衰落信道上,中低信噪比下,PGALSM系统的可达速率优于传统的映射方案;当误比特率(Bit Error Ratio,BER)水平为10^(-4)时,PGALSM方案的性能比传统多用户方案提高0.7 dB。
关键词
空间调制
极化码
Gallager映射
类高斯分布
Keywords
spatial modulation
polar code
Gallager mapping
Gaussian-like distribution
分类号
TN911 [电子电信—通信与信息系统]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于分层调制的物理层网络编码系统概率成形设计
林宇晨
谢肇鹏
陈平平
《移动通信》
2024
0
下载PDF
职称材料
2
基于稀疏贝叶斯学习的大规模多用户检测算法
陈平平
王宣达
谢肇鹏
方毅
陈家辉
《通信学报》
EI
CSCD
北大核心
2023
0
下载PDF
职称材料
3
空间调制下基于极化码的Gallager映射通信系统设计
陈国泰
谢肇鹏
《无线电工程》
北大核心
2023
0
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部