Error Probability Analysis for Ultra-Massive MIMO System and Near-Optimal Signal Detection

In this paper,average bit error probability(ABEP)bound of optimal maximum likelihood(ML)detector is first derived for ultra massive(UM)multiple-input-multiple-output(MIMO)system with generalized amplitude phase modulation(APM),which is confirmed by simulation results.Furthermore,a minimum residual criterion(MRC)based lowcomplexity near-optimal ML detector is proposed for UM-MIMO system.Specifically,we first obtain an initial estimated signal by a conventional detector,i.e.,matched filter(MF),or minimum mean square error(MMSE)and so on.Furthermore,MRC based error correction mechanism(ECM)is proposed to correct the erroneous symbol encountered in the initial result.Simulation results are shown that the performance of the proposed MRC-ECM based detector is capable of approaching theoretical ABEP of ML,despite only imposing a slightly higher complexity than that of the initial detector.

Adaptive Linear Filtering Design with Minimum Symbol Error Probability Criterion

Adaptive digital filtering has traditionally been developed based on the minimum mean square error （MMSE） criterion and has found ever-increasing applications in communications. This paper presents an alternative adaptive filtering design based on the minimum symbol error rate （MSER） criterion for communication applications. It is shown that the MSER filtering is smarter, as it exploits the non-Gaussian distribution of filter output effectively. Consequently, it provides significant performance gain in terms of smaller symbol error over the MMSE approach. Adopting Parzen window or kernel density estimation for a probability density function, a block-data gradient adaptive MSER algorithm is derived. A stochastic gradient adaptive MSER algorithm, referred to as the least symbol error rate, is further developed for sample-by-sample adaptive implementation of the MSER filtering. Two applications, involving single-user channel equalization and beamforming assisted receiver, are included to demonstrate the effectiveness and generality of the proposed adaptive MSER filtering approach.

Bayesian estimator of human error probability based on human performance data

A Bayesian method for estimating human error probability（HEP） is presented.The main idea of the method is incorporating human performance data into the HEP estimation process.By integrating human performance data and prior information about human performance together,a more accurate and specific HEP estimation can be achieved.For the time-unrelated task without rigorous time restriction,the HEP estimated by the common-used human reliability analysis（HRA） methods or expert judgments is collected as the source of prior information.And for the time-related task with rigorous time restriction,the human error is expressed as non-response making.Therefore,HEP is the time curve of non-response probability（NRP）.The prior information is collected from system safety and reliability specifications or by expert judgments.The（joint） posterior distribution of HEP or NRP-related parameter（s） is constructed after prior information has been collected.Based on the posterior distribution,the point or interval estimation of HEP/NRP is obtained.Two illustrative examples are introduced to demonstrate the practicality of the aforementioned approach.

EFFICIENT BIT ERROR PROBABILITY EXPRESSION AND VERY TIGHT BOUND FOR MAXIMAL RATIO COMBINING DIVERSITY SYSTEMS OVER RAYLEIGH FADING CHANNEL

Bit Error Probability (BEP) provides a fundamental performance measure for wireless diversity systems. This paper presents two new exact BEP expressions for Maximal Ratio Combining (MRC) diversity systems. One BEP expression takes a closed form, while the other is derived by treating the squared-sum of Rayleigh random variables as an Erlang variable. Due to the fact that the extant bounds are loose and could not properly characterize the error performance of MRC diversity systems, this paper presents a very tight bound. The numerical analysis shows that the new derived BEP expressions coincide with the extant expressions, and that the new approximation tightly bounds the accurate BEP.

Auxiliary error and probability density function based neuro-fuzzy model and its application in batch processes

This paper focuses on resolving the identification problem of a neuro-fuzzy model(NFM) applied in batch processes. A hybrid learning algorithm is introduced to identify the proposed NFM with the idea of auxiliary error model and the identification principle based on the probability density function(PDF). The main contribution is that the NFM parameter updating approach is transformed into the shape control for the PDF of modeling error. More specifically, a virtual adaptive control system is constructed with the aid of the auxiliary error model and then the PDF shape control idea is used to tune NFM parameters so that the PDF of modeling error is controlled to follow a targeted PDF, which is in Gaussian or uniform distribution. Examples are used to validate the applicability of the proposed method and comparisons are made with the minimum mean square error based approaches.

Learning with Errors Public Key Cryptosystem with Its Security

The main purpose of this paper is to introduce the LWE public key cryptosystem with its security. In the first section, we introduce the LWE public key cryptosystem by Regev with its applications and some previous research results. Then we prove the security of LWE public key cryptosystem by Regev in detail. For not only independent identical Gaussian disturbances but also any general independent identical disturbances, we give a more accurate estimation probability of decryption error of general LWE cryptosystem. This guarantees high security and widespread applications of the LWE public key cryptosystem.

顾及置信概率稳定的中误差归一化算法研究

随着地理信息领域软硬件快速发展,地理信息大数据成为支撑多项重大工程的主要数据源。对海量数据成果进行高效、可靠的质量评价一直是研究热点。位置精度作为地理信息数据质量的核心指标之一,表征数据坐标与真实坐标相似度量程度,中误差是目前位置精度的主要量化指标。本文对检测点样本量、中误差及置信概率间关系开展对比研究,基于t分布-卡方分布尺度转换提出面向同一置信概率的中误差归一化算法。通过试验验证,在68.3%置信概率下对不同检测点样本量的位置精度尺度进行了稳定表征,对不同尺度下地理信息数据位置精度表征稳定性进行了探索,为不同检测点样本量下位置精度的高可信比较统一了尺度,有利于增强地理信息数据位置精度比较的公平性。

导弹命中精度的序贯截尾概率圆检验方法

针对圆概率偏差检验难以直接计算的问题,提出序贯截尾概率圆检验方法,以目标点为中心,绘制两个同心圆,其中小圆以内区域为接受域,大圆以外区域为拒绝域,中间区域为继续试验域,在此基础上定义了序贯检验的基本决策规则,给出了双方风险及平均试验次数计算模型,提出了两种不同的决策阈值优化计算模型,通过求解优化问题确定接受域及拒绝域半径。利用数值仿真分析了两种不同决策阈值计算方法下检验方案中的各类参数,其中以平均试验次数最小为优化目标的计算模型具有更好的工程实用性。

基于有源智能反射面反射单元分组的反射调制系统

为克服智能反射面(IRS)辅助通信系统的“双重路径损耗”,进一步提升系统的可靠性和频谱效率,该文提出一种基于有源IRS反射单元分组的反射调制(RM)系统方案,利用有源反射单元分组的数量来传输额外信息。然后基于矩母函数推导了最大似然检测算法下基站发射符号与有源反射单元分组数量的平均成对错误概率,获取到系统的理论比特错误概率(BEP)上界以及可达速率。仿真结果验证了理论推导的准确性,同时表明所提方案具有更优的误码性能和频谱效率。

无线紫外光与射频混合链路中继协作方案性能分析

将无线紫外光通信与传统射频通信进行优势互补结合,针对双链路异构组网时的中继协作混合传输问题,采用建模与数值计算分析的方法,对比分析了不同策略和参数条件下系统的中断概率和误码率性能。基于无线紫外非直视散射信道和射频无线衰落信道的各自特点,建立了描述双链路并行传输中继与协作问题的模型,给出了3种典型情况下的传输策略。通过理论分析和数值计算的方法,给出了不同策略下混合链路中继的中断概率和误码率表达式,并在不同信道参数条件下对系统性能进行了对比分析。研究结果表明,相比于无线紫外光单链路传输,混合链路的中继协作策略在不同距离和不同参量条件下获得更低的系统中断概率。在误码率为1×10^(-6)条件下,双链路中继传输可以在不同湍流强度和不同莱斯因子情况下可获得约0.4~6.1 dB的信噪比增益改善。

基于马尔科夫模型的双站激光微波混合链路性能分析

针对气象变化对自由空间光(Free Space Optical,FSO)通信链路和毫米波射频(Radio Frequency,RF)通信链路可用率的影响问题,采用马尔科夫建模与稳态概率求解计算方法,分析不同天气条件下FSO/RF混合链路的双接收站分集与中断概率性能.基于FSO链路和RF链路的信道模型,采用有限状态马尔科夫链(Finite State Markov Chain,FSMC)分别对单双站FSO/RF混合链路的切换选择进行建模,推导得出不同参数和天气情况下系统稳态的中断概率表达式.数值计算结果表明,当中断概率达到10^(-6),雨雾天气链路距离为1~7 km时,双站FSO/RF混合链路相比单站可获得4~25 dB的增益.

计及预测误差时变相关特性的新型电力系统爬坡容量需求分析方法

为提高新型电力系统爬坡容量需求分析的准确性,提出了计及净负荷预测误差时变相关特性的爬坡容量需求分析方法。首先明确新型电力系统所需要的爬坡容量构成,分析爬坡需求与净负荷预测误差之间的关系。然后,建立了净负荷预测误差与净负荷预测值的动态Copula函数,通过演进方程构建Copula函数参数的时序关联关系,应用条件概率理论建立由于净负荷预测误差而产生的爬坡需求概率分布模型,以置信区间对爬坡需求概率分布结果进行离散化表征,从而得到相应的爬坡容量需求。最后,基于我国西部某电网的实际运行数据,以是否考虑预测误差时变相关特性构建了3种不同的测算模型,算例计算结果验证了所提方法的有效性和正确性。

基于三相动态谐波分析的电能表误差检测方法

在检测电能表误差时,原始信号中谐波的干扰会导致检测结果与实际情况存在较大偏差。为此,提出基于三相动态谐波分析的电能表误差检测方法。在谐波分析阶段,考虑到谐波的动态属性会导致三相信号的采样执行效果难以达到同步,构建了余弦组合窗——旁瓣最低与最速下降窗,利用其对电能表离散信号进行截取,以此避免信号能量向临近谱线泄漏,再利用离散傅里叶变换对信号进行处理,实现对谐波的提取。在误差检测阶段,以离散随机信号的概率密度函数为导向,采用最优直方图曲线拟合法对其加以分析,并结合标准情况下电能表信号的分布状态,实现对误差的计算。在测试结果中,电能表误差检测结果的偏差始终稳定在3.0%以内。

新型舰炮对临近空间飞艇射击技术研究

新型舰炮发射初速高、能量大、成本低的特点使其具备打击远程空中目标能力,对临近空间飞艇的打击较远程防空导弹有明显优势。基于火炮弹道解算方法,研究了新型舰炮打击临近空间飞艇的临界初速与射角,分析射击误差对精度的影响,用射角逼近法求取舰炮射击诸元,并计算命中概率,分析初速、距离对命中概率的影响。得到结论:适当提高弹丸初速或缩短与目标距离能显著提高命中概率。

Gamma-Gamma信道下基于并行交织极化码的误码性能研究

为了降低大气湍流引起的衰落影响,同时减少长片误码干扰,提出一种基于并行交织极化码(polar code)的编码方法。通过蒙特卡洛模拟Gamma-Gamma分布的随机数构建大气湍流信道,以成对差错概率(pairwise error probability, PEP)和极化谱确定极化信道的误差概率上限,采用乘积距离准则最小化差错概率,建立了并行交织的设计准则。对极化码在湍流信道中的误码率(bit error rate, BER)性能进行了评估,仿真结果表明,基于极化码的并行交织方法获得了一个量级的误码性能提升,在信噪比为5 dB时,误码率从5.11×10-6降低为2.13×10-7,有效缓解了湍流引起的长片误码问题。实验验证了所提准则的可靠性和适用性。

基于实时组分的天然气流量在线计量方法

超声波流量计采用固定天然气组分计量标况流量,为解决与实时组分偏差影响计量精度的问题,针对SCADA系统中不同的计量实时数据条件,基于质量守恒原理,结合AGA8气体物性方程,确定了天然气标准状态体积流量和能量流量计算式,以及流量累积计量误差评价方法;设计开发了在线计量软件系统,应用于某海底管道陆上计量终端,在线分析6台超声波流量计,4个月共计15万余组计量数据。结果表明:采用固定天然气组分计量流量,导致的最大相对误差为1.02%,大于A级流量计的计量不确定度(0.85%),且计量误差与实时组分和固定组分密度差值成正比。计量相对误差分布近似满足正态分布,误差在-0.5%~0.5%的概率为98.79%。因此,采用固定天然气组分计量流量,对计量精度影响较大。提出的在线计量方法,有助于提高天然气标准状态体积流量的计量精度。

基于三维全参数反演的煤矿采空区形变提取方法研究

准确提取地表形变信息对于预防和控制煤矿开采导致的地质灾害至关重要。以山东郭屯煤矿某工作面为例,首先获取了工作面开采时间段内(2017年7月31日至2018年5月3日)的18景Sen-tinel-1A卫星影像,基于SBAS-InSAR技术处理得到工作面采空区地表形变。在InSAR观测数据的驱动下,通过推导概率积分法与SBAS-InSAR视线向形变三维参数之间的函数映射关系,提出了一种基于随机误差消除遗传算法的三维全参数反演模型。基于该方法,准确反演了研究区地表沉降参数,通过与现场经验值对比,各参数的偏差均小于3%,拟合精度较高。最后,基于反演参数与概率积分法获得了采空区全盆地沉降形变信息,其中A测线与F测线的均方根误差分别为0.083 m和0.102 m,平均绝对误差分别为0.068 m和0.089 m,预计结果与实测水准测量数据高度一致,表明所提出的三维全参数反演模型能够以低成本的方式有效获取煤矿采空区全盆地沉降信息。

基于概率误差的三维室内定位系统最优布站方法

随着智能化、自动化技术的不断发展,室内定位技术的应用场景日益广泛,如何提高室内定位系统的精度和可靠性一直是研究热点。对基站布局进行优化,提升系统整体的定位精度是现有的室内定位系统优化方法之一。对于该方法,现有的研究普遍选择采用其他相似领域的已有方法,主要的两种方法中用于评价卫星共轭的精度稀释因子忽略了基站与标签的距离;作为导弹、惯导系统中落点精度评价因子的概率误差方法没有考虑基站几何结构的影响。对此,提出了一种基于精度稀释因子和概率误差方法的精度评价模型,用于推导三维室内定位系统的最优基站布局,该模型同时考虑了距离和几何结构对室内定位精度的影响,可以很好地应用于室内定位的领域。所提方法在程序模拟和实际定位实验中均取得了优异的效果。在程序模拟中,最优基站布局系统的定位误差均值相比传统四顶角定位系统降低了约14.38%,在实际定位实验中,最优布局的定位精度和效果都得到了显著提升。实验结果验证了精度评价模型的准确性与实用性。所提出的最优基站布局方法在三维室内定位领域具有很高的应用价值和普适性,能够有效提高室内定位系统的精度和效果。

基于极大熵法的三峡水库洪水预报误差分布规律

深入研究洪水预报误差的分布规律具有很大的实用价值,可为水库调度决策的拟定提供辅助参考。通常的研究方法为正态分布法与对数正态分布法,但这类研究方法受人为主观性的影响较大。使用三峡水库2020-2022年入库洪水数据将洪水分为4个量级,建立三峡水库洪水洪量预报误差分布的极大熵模型,得出不同预见期下4个量级的洪水洪量预报相对误差的分布规律,结果表明:采用极大熵模型可以定量地获得三峡水库的洪水预报误差分布规律,具有较强的适用性且可进一步推广使用。