基于最大增益的广域网冗余数据迭代消除仿真

广域网中数据量通常非常庞大,且数据可能分布在不同的地理位置和网络节点上,这样加大了数据消除处理的复杂性,为此提出一种基于最大增益的广域网冗余数据迭代消除算法。通过构建分词词典,计算字符串长度,处理字符数据,结合时间、空间和属性等相关信息,计算缺失值与邻近数据的平均欧氏距离,获取二者之间的相似度,完成缺失值填补。利用Chi Merge算法判断数据的独立性,使用阈值与分类数相结合的方式合并邻域区间,删除异常值,减少错误数据对冗余数据消除的影响。建立决策树模型,根据最大增益值确立分类规则,实现数据分类,计算类间相似度,检测出冗余数据,设置消除器,按照时间顺序迭代消除冗余数据。实验结果表明,所提算法不仅能够提高数据缩减率,而且能够确保吞吐量满足系统要求。

基于迭代并行干扰消除的低复杂度大规模MIMO信号检测算法

基于干扰消除思想该文提出一种适用于大规模MIMO系统上行链路的低复杂度迭代并行干扰消除算法,在算法实现中避免了线性检测算法所需的高复杂度矩阵求逆运算,将复杂度保持在。在此基础上,引入噪声预测机制,提出一种基于噪声预测的迭代并行干扰消除算法,进一步提高了硬判决检测性能。考虑天线间残留干扰,将干扰消除思想运用到软判决中,最后提出一种基于迭代并行干扰消除的低复杂度软输出信号检测算法。仿真结果表明:提出的信号检测方法的复杂度优于MMSE检测算法,经过几次简单的迭代,算法即快速收敛并获得接近甚至优于MMSE检测算法的误码率性能。

一种多级迭代干扰消除多用户检测算法

提出了快跳频多址通信多级迭代干扰消除多用户检测算法.该算法首先使用传统检测器对只有惟一最大行的用户做出正确译码,对于有多个最大行的用户进行迭代干扰消除.在迭代干扰消除中,对干扰数据信干功率比进行估计,若干扰频点没有受到其他信号的重叠干扰,则在迭代中被消除,否则继续迭代,直到所有用户译码完成.该算法具有线性的复杂度,消除了Fiebig多级干扰消除算法的错误传播,仿真结果表明提出的多级迭代干扰消除算法性能优于其他多用户算法.

HRPD系统中基站协作式迭代并行小区间干扰消除技术

高速分组数据(HRPD)技术能够很好地支持移动通信网络中各种类型数据分组应用,采用干扰消除技术能够有效提高系统的容量和对各用户信号正确接收。基于基站协调器的协作式迭代并行小区间干扰消除算法利用基站协调器监视相邻小区的强干扰用户,并且通过信令传递强干扰用户的特征信息,利用基站协调器的协作来实现迭代式的并行小区间干扰消除。仿真结果表明,该算法可以有效的消除邻近小区对本小区的干扰,与不使用小区间干扰消除技术相比较,其性能有所提高。

基于CRC纠错与迭代干扰消除的星载AIS接收机

为了提升星载船舶自动识别系统（AIS）的卫星接收性能,提出了一种采用4b循环冗余校验（CRC）纠错与迭代干扰消除算法的星载AIS接收方案.针对星载AIS系统中多路信号碰撞明显的情况,首先,通过分析星载AIS系统中CRC错误类型,采用比特反转的方式进行纠错;其次,对纠错后的序列进行AIS数据重构,采用迭代干扰消除方法消除重构信号,并将余下信号作为输入信号再次进入系统进行解调.仿真结果表明,和传统的CRC纠错系统相比,针对典型的两路信号碰撞情况,基于4bCRC校验与迭代干扰消除的星载AIS系统能够带来1-2dB的误码率增益,对星载AIS系统的性能提升有重要指导意义.

多用户传感器网络系统迭代干扰消除检测

在集中式多用户传感器网络系统中,单个传感器往往需要具备同时观察多个目标属性并将判决结果传送给判决中心的能力;建立了一个由判决中心和多个传感器组成的集中式传感器网络系统,其中每个传感器相对独立地对多个用户的状态同时进行观察,并将其判断结果通过多进制频移键控调制和跳频技术传送给判决中心;经过瑞利信道和高斯噪声的影响,接收到的信号首先经过举手表决算法对所有的用户状态进行判决;对于状态不能确定的用户,则通过代入已经判断的状态和相应的跳频地址对其判决矩阵进行干扰消除,然后再应用举手表决法进行判断;如此通过迭代运算消除多用户的影响,直至得到所有用户的状态。通过仿真结果可以看到,提出的基于举手表决算法的迭代干扰消除检测可以在较低的计算复杂度条件下得到较好的联合判决效果。

滤波多音系统迭代时域信道估计方法

滤波多音系统中,多径衰落信道会给导频引入严重的符号间和载波间的干扰,导致信道估计算法性能降低,针对该问题,提出了一种基于迭代干扰消除的时域信道估计算法。算法由信道估计、发送符号估计和干扰求解3个模块构成,通过三者的级联反馈,迭代消除数据对导频的干扰,提高算法的估计准确度。此外,文章从实用角度对算法进行了简化。仿真结果表明,该算法能够在增加极少运算量的情况下明显地提高信道估计性能,且经过二次迭代,其性能更能趋近克拉美罗限。

技术创新对产业经济增长贡献率的实证研究——以天津市为例

通过运用拓展的C-D生产函数模型对天津市技术创新对产业经济增长的贡献率进行实证研究,发现技术创新对天津市产业经济增长的贡献率较高,近年来呈现不断上升趋势。知识经济时代,技术创新已成为未来经济社会发展的强力引擎,京津冀协同发展的战略机遇背景下,天津市应大力提高技术创新水平,加强高新技术人才的引进,充分把握非首都功能疏解的机遇,打造高端制造业与研发基地,加强产学研技术交流,在技术创新上协同发力,促进天津市乃至整个京津冀地区产业经济的发展。

基于SVM的视频用户需求预测算法

移动互联网的不断成熟和智能终端设备的普及推动了视频行业的发展,视频用户喜好的不同使得用户对视频内容的需求也不相同,精准的用户需求预测有利于从大量视频中寻找用户所需的视频内容,节约用户寻找其喜爱视频内容的时间,提升用户体验。为实现用户需求预测,该文基于支持向量机(support vector machine, SVM)理论构建不同核函数下的用户需求预测模型,并利用迭代特征消除法对小波去噪后的数据进行降维处理,降低预测模型的复杂度。通过对不同核函数下SVM用户需求预测模型的对比分析,得到参数优化后的SVM用户需求预测模型具有最佳的预测效果,验证了参数优化对预测模型的重要性。优化后的SVM用户需求预测模型的预测结果均方误差(mean square error, MSE)为0.012 5,平均绝对百分比误差(mean absolute percentage error, MAPE)为0.075 5,准确率(Accuracy)为90.23%。

面向差异化MTC场景需求的随机接入方案

针对机器类通信(MTC)中大规模机器类通信(mMTC)和超可靠低时延通信(URLLC)的混合场景下差异化的随机接入需求,提出了一种面向差异化MTC场景需求的随机接入方案。该方案根据设备定时提前(TA)信息进行分组:对于URLLC设备,基站为组内核心设备预留前导码资源并通过非竞争方式接入网络,进而满足URLLC场景的高可靠低时延接入需求;对于mMTC设备,基站利用不同设备组TA信息的差异来区分选择相同前导码设备,并利用迭代干扰消除(SIC)检测设备数据信息,进而满足mMTC场景的海量接入需求。仿真结果表明,本方案能够显著提升成功接入设备数。

一种分布式MIMO-OFDM系统的多参数估计方法

对分布式多输入多输出正交频分复用(MIMO-OFDM)系统中的多频偏多信道估计问题进行研究,提出一种基于多项式求根和迭代干扰消除的多参数联合估计算法。该算法利用导频将多维搜索函数简化成多个一维搜索函数,通过泰勒级数将一维搜索函数转换成闭合的多项式形式,求多项式的根来获得频偏,利用迭代干扰消除进一步得到频偏和信道的迭代估计。仿真结果表明,提出算法适用于通信环境较为复杂的多径衰落信道和广泛应用的OFDM信号分析,与现有算法相比,估计精度高,性能较好,可以达到近似最大似然的最优解。

一种改进的OvTDM检测算法

重叠时分复用(Overlapped Time Division Multiplexing,OvTDM)技术是一种通过人为引入符号间干扰的超奈奎斯特技术,其通过压缩时限信号的符号间间隔来进一步提升系统传输速率。因其存在的符号间干扰使得其信号检测变得非常复杂,如何开发设计适合OvTDM系统的检测算法是一项重要研究内容。对OvTDM的编码原理、系统模型及其符号特性进行了详细介绍,并结合互信息理论来分析OvTDM系统容量。此外,基于噪声相关性分析的基础上提出一种改进的MIMO相关检测算法。该算法利用符号相关性作为检测约束条件,采用迭代消除的方式对检测符号进行逐位检测,降低了信号的检测复杂度;同时该算法采用了串行干扰消除的思想进一步降低误差传播问题的影响,使之更加适合OvTDM系统的信号检测。数据仿真结果表明,所提算法相较于常规的ZF算法在检测性能方面具有优势。

低轨卫星星座系统的快速随机接入算法

在低轨卫星星座系统中,针对高动态终端需要快速接入的问题,提出了一种基于增强型冲突解决ALOHA(ECRA,enhan cingcontent resolution ALOHA)改进算法(MECRA,modifiedECRA).该算法利用用户终端会被两颗及以上低轨卫星覆盖的特点,数据包只需发送一次,可被多颗卫星同时接收.在接收端采用滑动窗口确定数据包的位置,并通过迭代干扰消除实现数据包的接收与检测.在此基础上引入区分优先级的接入控制,优化了高动态终端首次接入成功率.通过仿真验证了所提算法在吞吐率和丢包率方面均优于传统ECRA算法,采用优先级接入控制后,高动态终端的首次接入成功率可以达到90%以上.

C-RAN系统中干扰软消除估计算法

为减小无线接入网系统的小区间干扰,提出了基于集中式无线接入网络(C-RAN)架构下的多用户集中式干扰迭代软消除估计算法,通过对数后验似然函数得出干扰信号的贝叶斯最小均方误差(MMSE)估计量来逼近最优估计量,进行软信号重置,防止误差的扩散,并最终达到收敛.仿真分析表明:在C-RAN架构下,采用多用户集中式干扰迭代软消除算法,在最优的干扰检测机无法实现的情况下,可采用次优的干扰软信号估计算法,并针对干扰信号迭代估计过程中有可能出现的误差扩散状况采用软信号重置机制,实现低复杂度的快速收敛.