频率选择性慢衰落信道下的消息传递迭代均衡算法

针对频率选择性慢衰落信道,现有的迭代接收机性能与最优估计性能有较大差距,且复杂度高。为了提高频率选择性慢衰落信道均衡器的性能,提出了BP-EP-MF消息传递迭代均衡算法。该算法包含置信传播(Belief Propagation)、期望传播(Expectation Propagation)和平均场(Mean Field),其中MF算法处理非线性因子节点,EP算法降低计算复杂度。消息传递算法首先利用系统中的未知变量及关系建立信道的因子图模型,然后根据因子图上各部分的特点选择合理的、有效的消息更新规则和合适的消息更新机制,最后依据最大后验估计准则得到数据估计值。仿真结果表明,与非线性卡尔曼(EKF)迭代均衡器相比,消息传递算法(BP-EP-MF)均衡器的性能大幅提升、收敛速度加快、复杂度略微降低。

基于iMPA的伪码快速捕获算法的性能分析和改进

针对迭代消息传递算法(iterative Message Passing Algorithm,iMPA),通过证明m序列是一种特殊的线性分组码,给出了该算法应用到伪码捕获的理论依据;分析了采用iMPA进行伪码快速捕获的性能,包括捕获概率和算法复杂度;用马尔科夫链分析了基于iMPA的捕获及判决流程,给出了平均捕获时间的解析表示。针对iMPA进行伪码捕获时收敛速度慢,检测性能较低的缺点,通过增加因子图的约束,提出了冗余iMPA算法,即R-iMPA(redun-dancy iMPA)。仿真结果表明,R-iMPA能有效的提高算法的收敛速度,检测性能平均提高约2 dB。

天基信息传输高效低复杂度LDPC译码算法研究

军事卫星通信由于需满足信息实时性、传输速率高、通信容量大以及符合星间链路信道的时变特性等要求,通常采用高编码增益、高吞吐量的信道编码方案。低密度奇偶校验(Low-Density Parity-Check,LDPC)码由于具备接近Shannon极限的优异纠错性能和可并行计算的特性成为卫星通信主导信道编码标准之一。目前卫星通信接收机的译码器模块设计仍存在诸如无法实时在线判断迭代停止、系统吞吐量受限、大量判决电路影响核心译码电路的低功耗和实时性等问题。考虑上述问题,以因子图模型为基础,针对空间数据系统咨询委员会(Consultative Committee for Space Data Systems,CCSDS)标准深空通信码型,将校验节点归一化满足概率进化图案与LDPC译码器状态紧密耦合,给出可实时在线判断迭代停止的最优停止准则,实现高性能、低复杂度的停止准则译码算法设计。当优先考虑高吞吐量时,误码率(Bit Error Rate,BER)性能退化0.13 dB,中低信噪比平均迭代次数(Average Number of Iteration,ANI)降低50%以上;当优先考虑纠错性能时,BER性能仅退化0.02 dB,同时大幅降低ANI。该译码算法为高效低复杂度LDPC译码器设计提供有效解决方案。

压缩感知重构算法的两步深度展开策略研究

针对压缩感知中重构算法的深度展开问题,提出了一种两步深度展开策略(two-step deep unfolding,TwDU)。已有深度展开重构算法通常依赖前一步估计值估计当前值,TwDU对已有深度展开重构算法增加估计深度,依赖于前两步估计值估计当前展开值。TwDU对已有深度展开算法前两步估计值增加了两个训练权重。训练权重优化利用了信号估计值之间的相关特性,可以随着数据的特性自我学习和调整,所提TwDU策略应用于可学习迭代软阈值算法(learned iterative soft thresholding algorithm,LISTA)、可训练迭代软阈值算法(trainable iterative soft thresholding algorithm,TISTA)、可学习近似消息传递算法(learned approximate message passing,LAMP)等已有深度展开算法。通过在一维和二维稀疏信号的仿真验证,TwDU策略在重构精度和收敛速度上都更具有明显优势。

面向5G非正交多址接入系统的检测算法研究

作为第5代(5G)移动通信系统更新换代的标志性技术——非正交多址接入(NOMA)技术相对于传统的正交技术能够大幅提高频谱效率和提升系统容量。接收机检测技术是非正交多址接入系统性能提高的关键技术,本文基于传统的消息传递算法(MPA)进行改进,在MPA算法的基础上加入Turbo译码后的先验信息进行连续迭代运算以进一步提高检测性能,称为MPA-Turbo译码联合迭代算法(MPA-TDJIA)。根据先验信息的加入方式提出4种实现方案,并在链路仿真中对其性能进行评估。仿真结果表明MPA-TDJIA相对于MPA最高可获得1. 67 d B的性能增益。

矩形窗正交时频空检测算法

针对正交时频空(Orthogonal Time Frequency Space,OTFS)调制系统采用矩形窗函数时,信道矩阵结构复杂导致的鲁棒性差的问题,提出了一种基于时域处理和酉近似消息传递的检测算法。该算法首先添加循环前缀,将时域信道转换为分块对角矩阵;然后应用酉变换和近似消息传递建立迭代检测算法。仿真结果表明,所提检测算法能够在不增加复杂度的条件下有效提升检测精度和鲁棒性,特别是存在信道编码的条件下表现出2 dB的性能增益,使得该算法更适用于杂散多径、高速移动等环境,具有较高的应用价值。

面向语音分离的深层转导式非负矩阵分解并行算法

非负矩阵分解(Non-negative Matrix Factorization,NMF)能保存语音信号的非负特征,是用于语音分离的重要方法,但该方法存在数据运算复杂、计算量太大的问题,需要研究能减少计算时间的并行计算方法。针对语音分离预训练及分离过程的计算问题,文中提出深层转导式非负矩阵分解并行算法,综合考虑迭代更新过程的数据关联性,设计了一种任务间和任务内多级并行算法。该并行算法在任务级将分解训练语音得到对应基矩阵的过程作为两个独立的任务进行并行计算;在任务内部进程级把矩阵按行列划分,主进程把矩阵块分发到从进程,从进程接收当前矩阵块并计算结果矩阵子块,然后将当前进程矩阵块发送到下一进程,实现第二个矩阵中每一个矩阵块在所有进程的遍历,并计算结果矩阵对应子块的乘积,最后由主进程收集从进程数据块;在线程级子矩阵乘法运算的过程中,采取生成多线程,通过共享内存交换数据计算子矩阵块的加速策略。该算法为首个实现深层转导式非负矩阵分解的并行算法。在天河二号平台上的测试结果表明,在分离多说话人混合语音信号时,相比串行程序,所提出的并行算法能在不改变分离效果的前提下,使得预训练过程中使用64个进程的加速比为18,分离过程使用64个进程的对应加速比为24。相较于串行及MPI模型分离,混合模型分离时间大大缩短,从而证明了设计的并行算法可有效提高语音分离的效率。

多用户迭代伪码捕获算法

为实现基于消息传递的迭代伪码快速捕获算法的多用户应用,对单用户迭代捕获算法进行了改进,提出了多用户联合初始信息进化和各用户多重迭代的捕获方案,给出了多用户迭代伪码捕获算法的流程,解决了多址干扰和噪声干扰给迭代捕获算法造成的困难.仿真结果表明,改进后的多用户迭代伪码捕获算法的估计序列误码率较改进前各单用户迭代伪码捕获算法有很大程度的降低,证明了该算法的有效性.

低密度格码编译码原理及其性能仿真

低密度格码(low density lattice codes,LDLC)是一种崭新的信道编码技术,与LDPC(lowdensity parity check)的译码类似,校验矩阵H都是稀疏的,都通过迭代的消息传递过程来实现其译码,但不同的是:LDPC传递的信息是标量值,而LDLC的信息是(-∞,∞)上的概率密度函数(PDF)。当存在高维n的H,且噪声方差σ2ndet(H)2/2πe时,LDLC可以以任意小的误差传输,det(H)=1。给出低密度格码的基本原理,并对其编译码算法的实现做详细介绍,最后通过仿真给出其在AWGN信道下的性能。

基于隐聚类和狄利特雷过程的大规模MIMO-OFDM接收机设计

本文首先讨论了大规模MIMO-OFDM(Multiple-Input Multiple-Output Orthogonal Frequency Division Multiplexing)系统信道的空间相关性,提出了一种基于隐聚类假设的信道建模方法,利用概率参数模拟不同的传播环境.然后,将机器学习领域的狄利特雷过程(Dirichlet Process,DP)引入到稀疏贝叶斯学习(Sparse Bayesian Learning,SBL)模型中,建立了DP-SBL结构,在信道估计的同时挖掘并利用大规模MIMO系统所特有的隐聚类特征.接着,将DP-SBL结构应用于大规模MIMO-OFDM系统中,在因子图上利用消息传递算法推导了一种基于隐聚类和狄利特雷过程的接收机算法.最后,将本文提出的接收机算法和现有算法进行对比分析.结果表明,本文提出的接收机算法充分利用了大规模MIMO-OFDM系统特有的空间相关性,能够以较低的计算复杂度获得较强的鲁棒性和显著的性能增益.

带状方程组并行列处理法贪心方法

利用列处理法贪心方法和分治策略,给出了一种求解任意相容性带状方程组的解或任意不相容性带状方程组最小二乘解的消息传递多指令流多数据流并行迭代解法,分析了解法的收敛性、计算复杂性和数值稳定性。该方法能使得各处理机上的负载基本平衡,得到了理想的加速比和并行效率。

一种低信噪比下长伪码序列快速捕获方法

为解决低信噪比下长伪码序列快速捕获问题,提出一种基于迭代消息传递算法的快速捕获方法.通过证明m序列是一种特殊的线性分组码,将m序列用Tanner型因子图表示,然后在得到的图模型上迭代运行消息传递算法来估计m序列的初始相位.在低信噪比下的分析和仿真结果均表明:该算法能稳定工作.相比混合捕获算法,其检测性能下降了大约5 dB,但其平均捕获时间约为同条件下混合捕获方法的1/10,其计算复杂度仅为传统捕获算法的几十分之一.