一种稀疏增强的压缩感知MIMO-OFDM信道估计算法

基于压缩感知(Compressed Sensing,CS)的信道估计可以达到减少导频的目的,但在频-时域信道矩阵到时延-多普勒域的稀疏变换中存在谱泄漏现象,影响了信道矩阵的稀疏性和估计的均方误差(MSE)性能。为此该文对信道的稀疏性进行研究,提出一种时域加窗的稀疏优化CS信道估计算法。通过对时域加窗,所提算法抑制了由离散截断导致的多普勒域泄漏,再据此设计出观测矩阵,以此方式增强信道在时延-多普勒域的稀疏性,并实现对稀疏的信道矩阵更为准确的重构,达到改善信道估计MSE性能的目的。仿真结果表明随信噪比的增大,加窗CS算法相比无窗CS算法有效改善了信道估计的性能。

一种低复杂度的MIMO系统球形检测算法

球形译码检测算法是多输入多输出(MIMO)系统中一种高效的检测算法,但是其初始搜索半径影响着算法的复杂度。本文针对此问题,提出基于蚁群算法的球形译码检测算法。该算法首先利用蚁群算法分布式计算的寻优能力来检测确定初始半径,然后在新的半径下进行球形译码检测。仿真实验结果表明,改进SD检测算法的性能效果较好,与传统球形译码算法相比,该检测方法能有效减少在低信噪比时的运算复杂度,同时在高信噪比时可以逼近最大似然译码的检测性能。

一种基于GMM的图像语义标注方法

针对图像语义概念具体语义描述的问题,提出了一种基于GMM的图像语义标注方法。该方法对于每一个语义概念分别建立基于颜色特征和纹理特征的GMM模型,利用EM算法获取关键词内容,最后融合两个GMM模型求取的概率排序结果,对未知图像进行标注。实验结果表明,提出的方法能够准确地为待标注的图像预测出若干文本关键字,有效提高图像标注的查准率和查全率。