MIMO中继系统中基于失真信道的联合收发机设计

在MIMO中继系统中,基于完全信道状态信息的基站、中继节点和终端联合收发机设计方案能够改善系统的误比特率性能,在放大转发(AF)中继的基础上提出了一种基于不完全信道状态信息的联合收发机设计方案。新方案在基站和中继节点的功率都受限条件下,将信道估计误差建模为高斯随机变量,以最小均方误差(MMSE)为准则,采用迭代算法,得到了基站预编码矩阵、中继转发矩阵和终端解码矩阵。该方案与不考虑信道估计误差的方案相比,能够有效地改善系统的均方误差和误比特率性能。

基于短时能零熵的端点检测方法

端点检测技术是语音识别系统预处理阶段中的第一个关键技术,而传统的端点检测特征参数LPC距离、倒谱特征、TF参数和分形特征等参数的运算量太大,对硬件要求很高,阻碍了人机交互技术在日常生活中的普及。通过对语音信号三个端点检测的特征参数短时平均过零率、短时能量和基本谱熵逐一分析研究,提出了一种新型的语音参数——短时能零熵值,并作为主要参数应用于端点检测中。实验证明,短时能零熵值结合了信号的时域和频域语音特征,能够对背景噪声做出反馈、并且可以在复杂的背景噪音环境下对语音和非语音做出有效、稳定的区分,其端点检测的隔离度较大,具有稳健的抗噪特性。

多天线时变信道频偏的估计下界

针对多天线信道频偏参数的随机时变特点,建立参数化的观测模型,根据时变参数估计的克拉美-罗下界求取原理,在非线性的观测模型和序贯的观测值下,利用参数真值推导频偏估计的克拉美-罗下界。由于特征参数的真值不可知,因此将观测模型在估计值处进行二阶泰勒级数展开,通过参数估计值获得频偏参数估计的近似下界。仿真结果表明,基于参数真值和估计值的频偏估计下界具有渐近收敛性,且随信噪比和观测值个数的增加均能达到稳态。

基于联邦学习的通信诈骗识别模型的实现

近年来通信诈骗案件层出不穷,如何有效地甄别和预防通信诈骗成为一个重要的社会课题。出于用户隐私和数据安全的原因,各方原始数据信息不能直接进行交换,这给联合建模带来了诸多困难。联邦学习概念的提出能有效解决基于隐私保护的分布式安全联合建模问题,通过对比传统机器学习和联邦学习在预测精度、训练时间等维度的差别,论证联邦学习在电信运营商和公安机关的数据集上联合建模的可能性。