基于Alamouti编码方案的多天线系统的BER性能研究

分析了采用Alamouti编码方案(ACS)的两发射天线和多接收天线系统(2Tx mRx)的工作原理,介绍了传输符号分离的一般分析方法。在平坦衰落信道中,导出了系统传输MPSK调制信号的比特误码率理论式。从理论上证明了采用ACS的2Tx mRx系统与同阶MRC接收分集有相同的分集增益。对最大似然(ML)判决估计器给出了易于理解和实现的仿真算法。理论和仿真结果均表明:ACS与相同的最大比合并(MRC)分集阶数的性能一样。

基于Alamouti编码的协作频谱检测性能分析

针对感知无线电系统的频谱检测问题,设计Alamouti空时编码与时分多址方式相结合的协作通信上报方案,并对其检测性能进行分析。推导系统误告警概率、漏告警概率和误告警概率下限的理论表达式。分析结果表明,该方案的上报误码率会随本地用户交互信道质量的改善而下降,编码增益可达3 dB以上,系统误告警概率的下限降低。

基于Alamouti编码方案的多天线系统性能界分析与仿真

分析了基于A lamouti编码方案(ACS)技术的双发多收天线系统(M IMO/ACS)工作原理.给出了传输符号分离的一般分析方法,计算了系统输出信噪比.对MPSK调制,推导了系统比特误码率Chernoff(切诺夫)上界理论表达式.计算了一种简易的最大似然(ML)判决表达式,方便了系统的性能仿真.蒙特卡洛仿真结果和切诺夫上界均表明:ACS与最大比合并(MRC)具有相同的分集阶数.

采用分布式Alamouti编码的虚拟全双工中继通信方案

针对单输入单输出系统无法获得发射分集的缺陷以及全双工中继(FDR)通信中存在自干扰(SI)降低系统性能的问题,提出了一种采用分布式Alamouti编码的虚拟全双工(VFD)中继传输方案(DA-VFD)。该方案先将3个时隙划分为一组并在第1、2个时隙内传输发送符号以及发送符号的复共轭至中继节点和目的节点,再在第3个时隙将前两个时隙的接收符号联合解调,由于联合解调时的公式具有Alamouti的形式,因此目的节点可以获得二阶发射分集,抵抗信道衰落对系统误码性能造成的不利影响;同时,由于2个半双工节点在地理位置上隔离,其中一个节点发送的信号不会被另一个节点接收到,避免了全双工通信中SI带来的系统性能下降以及对SI消除带来的硬件需求;最后通过2个半双工中继之间的相互配合,达到近似于全双工(FD)通信的频谱效率。仿真结果表明:DA-VFD方案的误码性能不受残余自干扰(RSI)的影响,并比Alamouti FD方案具有更好的误码性能;在消除质量参数为0.5的情况下,频谱效率为1.33 b/(s·Hz)时,可以获得约2 dB的性能增益;频谱效率为2.67 b/(s·Hz)时,可以获得约6 dB的性能增益。

基于Alamouti编码的MIMO-SAR高信噪比高分辨宽测绘带成像

提出了一种基于Alamouti空时编码的方位-慢时间波形编码方案.系统沿方位向分两个子孔径按Alamouti编码矩阵对正交波形作脉间编码发射,接收端全阵列分子孔径接收,通过对回波信号作方位多普勒解模糊,再解码处理Alamouti编码组内相邻两个脉冲重复间隔(PRI)的回波信号,实现了正交子波形的彻底分离,改善了回波信号的信噪比,可实现高信噪比下高分辨宽测绘带成像.系统结构简单,孔径资源利用率高,且具有同时多模式工作潜力.仿真分析验证了系统信号处理方法的正确性.

基于动态天线分组的Alamouti编码/V-BLAST合并算法

将Alamouti编码与V-BLAST结合在一个MIMO系统中可以同时获得空间分集和复用技术的优点。基于最优检测排序信息,新算法在不增加接收机计算复杂度的情况下构造一定数量的反馈信息,并据此将发射天线动态地分为两组:最弱两根天线为一组并传送Alamouti编码信号,剩余天线为一组并按V-BLAST结构发射信号。通过改善接收机第一检测级的BER性能并抑制误差传播效应,新算法可以获得比具有相同频谱效率的V-BLAST算法更好的BER性能,而且可以应用在发射天线数大于接收天线数的系统中。

基于Alamouti编码与发射天线选择的MIMO中继系统中断性能分析

为增加网络覆盖范围、保持网络的高吞吐量,研究了使用发射天线选择的MIMO中继系统的中断概率性能。在多输入多输出中继系统中,分别以最大化中继和目标上的接收信噪比为准则在源、中继上选择发射天线,推导了系统中断概率的封闭表达式,并进一步分析了该系统的分集阶数。蒙特卡罗仿真实验证实了理论推导的正确性。

MIMO系统中Alamouti编码算法的仿真研究

对多输入多输出(MIMO)中的Alamouti编码技术进行研究。首先分析了Alamouti空时分组码编码器的信号产生,其次用最大似然译码算法对其解码,并对不同场景下的传输方案进行性能分析,最后仿真研究它在瑞利信道和Ricean衰落信道下不同收发天线数量的系统误码率的变化。仿真结果表明所提出的译码算法拥有更好的误符号率性能,该研究为高速移动环境下双向通信系统的设计提供参考。

基于Alamouti编码的移动台无线定位方法

基于移动台位置的服务已经广泛融入人们的生活。目前基站定位主要作为GPS定位的补充,然而在低信噪比环境下,基站定位方法受信道影响具有较大定位误差。为了充分利用LTE系统中基站发送端多天线特点,提升定位精度,文中提出了一种基于Alamouti空时编码技术的OFDM-MIMO系统的移动台定位方案。首先给出了通用的无线定位系统模型及定位算法,其次研究了Alamouti编码译码过程及其对无线定位系统性能的影响,最后通过仿真,与传统OFDM系统定位方案进行性能对比。结果表明,较传统定位方案,基于Alamouti编码的移动台无线定位方法可以在低信噪比环境下显著降低定位参考信号误码率,提升定位系统性能。

协同MIMO移动Ad Hoc网络中的一种新型Alamouti编码

针对协同MIMO(Multi-Input Multi-Output)移动ad hoc网络无线带宽相对有限、无线信道噪声干扰强烈而导致的信号传输质量不佳等问题,提出一种基于反相对称调制法的Alamouti空时编码方案。通过在编码过程中加入噪声相消运算环节而大大减小接收端接收到的噪声干扰强度;重点分析此种方案的编译码过程,并通过理论分析和系统仿真表明,相较于传统的Alamouti空时编码,此方案可使传输系统获得更优越的抗噪声性能和更小的传输误码率,大大提高了系统传输可靠性。

Alamouti编码方案在联合天线选择下的BER精确解

提出了一种基于最大瞬时信噪比在瑞利衰落信道中的多发多收(MIMO)天线系统的简单联合收发天线算法。在选定两个发送天线和一个接收天线情况下,利用Alamouti编码可以获得二进制相移键控(BPSK)的误码率(BER)精确解,该分析结果通过仿真得到确切验证。

基于改进实数编码遗传算法的神经网络超参数优化

针对神经网络超参数优化效果差、容易陷入次优解和优化效率低的问题,提出一种基于改进实数编码遗传算法(IRCGA)的深度神经网络超参数优化算法——IRCGA-DNN(IRCGA for Deep Neural Network)。首先,采用实数编码方式表示超参数的取值,使超参数的搜索空间更灵活;然后,引入分层比例选择算子增加解集多样性;最后,分别设计了改进的单点交叉和变异算子,以更全面地探索超参数空间,提高优化算法的效率和质量。基于两个仿真数据集,验证IRCGA-DNN的毁伤效果预测性能和收敛效率。实验结果表明,在两个数据集上,与GA-DNN(Genetic Algorithm for Deep Neural Network)相比,所提算法的收敛迭代次数分别减少了8.7%和13.6%,均方误差(MSE)相差不大;与IGA-DNN(Improved GA-DNN)相比,IRCGA-DNN的收敛迭代次数分别减少了22.2%和13.6%。实验结果表明,所提算法收敛速度和预测性能均更优,能有效处理神经网络超参数优化问题。

基于三级编码的智能城市网络安全风险评估体系构建研究

[研究目的]城市的智能化发展为城市建设带来了多元的网络安全风险,这些风险已经成为城市发展中的极大隐患,为有效应对该问题,构建了智能城市网络安全风险评估体系。[研究方法]首先基于计量分析对国内外近十年的相关研究进行整理和可视化处理,构建用于评价指标提取的数据集;然后利用扎根理论中的三级编码方法提取智能城市安全风险评估中不同级别的评价指标,并进行编码;最后采用量化分析对指标进行合理性检验和修正,并根据HP-ANP模型进行指标赋权,完成智能城市网络安全风险评估体系的构建。[研究结论]通过对评估体系中影响智能城市网络安全风险要素的关联和重要性分析,提出了智能城市安全建设的对策建议,助力智能城市规避网络安全风险。

PSK脉冲编码降低瑞利散射型光纤传感系统相干瑞利噪声的理论和仿真研究

频移平均(Frequency Shift Averaging,FSAV)技术是目前降低相干瑞利噪声(Coherent Rayleigh noise,CRN)的最主要方法,然而其降噪效果会受到频率漂移和脉冲啁啾效应的影响,且不适合应用在高空间分辨率系统中。针对以上问题,提出一种利用相移键控(Phase Shift Keying,PSK)脉冲编码降低CRN的新方法。详细分析了该方法的原理,仿真验证了该方法的有效性和适用性。结果表明:该方法不仅能有效降低CRN,且能在高空间分辨率下完全适用,为基于瑞利散射的高空间分辨率高精度分布式光纤传感系统中CRN的降低提供了新的视角和实用方法。

基于混沌理论与DNA动态编码的卫星图像加密算法

针对卫星图像在传输、存储过程中涉及的信息安全问题,该文提出一种新型的基于混沌理论与DNA动态编码的卫星图像加密算法。首先,提出一种改进型无限折叠混沌映射,拓宽了原有无限折叠混沌映射的混沌区间。之后,结合改进型Chebyshev混沌映射与SHA-256哈希算法,生成加密算法的密钥流,提升算法的明文敏感性。然后,利用混沌系统的状态值对Hilbert局部置乱后的像素进行DNA编码,实现DNA动态编码,解决了DNA编码规则较少所带来的容易受到暴力攻击的弱点。最后,使用混沌序列完成进一步混沌加密,从而彻底混淆原始像素信息,增加加密算法的随机性与复杂性,得到密文图像。实验结果表明,该算法具有较好的加密效果和应对各种攻击的能力。

新一代通用视频编码标准H.266/VVC:现状与发展

相比于上一代标准,新一代通用视频编码标准(H.266/VVC)在同等质量下能够节省大约50%的码率,且适用于多种多样的视频应用场景。论文从H.266/VVC的关键技术出发,对标准的现状、实现和应用发展进行深入探讨。H.266/VVC沿用既往标准中的双层码流体系和混合编码框架,针对帧内预测、帧间预测、变换、量化、环路滤波等所有主要编码模块进行了技术革新,并为屏幕内容视频等应用提供了高效的专用编码工具。H.266/VVC标准目前已处于实用化阶段,官方参考软件VTM和开源编解码器VVenC/VVdeC是目前最具代表性的软件编解码实现。对H.266/VVC的性能分析可以看出:H.266/VVC针对高分辨率视频取得的编码增益更为突出;主要编码工具对性能的贡献通常以复杂度为代价,但也有部分编码工具在提升编码性能的同时可降低整体编码复杂度。H.266/VVC的硬件实现面临诸多挑战,发展明显滞后于软件实现,现有研究主要集中在对具体编码模块的硬件加速方面。H.266/VVC标准发布之后,下一代视频编码标准的发展目前仍围绕混合编码框架进行探索,聚焦在两大方向:超越VVC的增强压缩关注更为先进的、非神经网络的编码工具,基于神经网络的视频编码则探索采用神经网络的编码工具。除此之外,部分或完全跳出现有混合编码框架的端到端视频编码也在飞速发展,未来视频编码标准与神经网络结合成为趋势,但面临着计算资源依赖和稳定结构两方面的考验。

基于深度学习的HEVC编码复杂度优化方法

为降低高效率视频编码(HEVC)的计算复杂度,提出一种基于深度学习的复杂度优化方法。构建大规模编码单元(CU)划分数据库,为算法设计和神经网络训练提供数据基础;设计一种适用于HEVC的CU划分图模型,高效表征多个邻近CU的划分模式;在此基础上,提出一种基于稠密网络的分层卷积神经网络结构,准确预测HEVC中的三级CU划分结果。实验结果表明:该方法能够在保证编码效率前提下,平均节省57%的编码时间,有效解决了HEVC编码复杂度过高的瓶颈。

基于GeoSOT的文旅数据编码方法

文旅资源数据的种类多样,格式复杂,存储管理难度大,文旅资源的传承保护和发展需求迫切,亟需建立一种数据组织管理方法。基于GeoSOT网格剖分理论,提出了一种对多元文旅资源数据的统一组织管理的方法,并详细介绍了文旅资源数据概况、剖分方案、编码方法、检索机制和检索结果。设计了一个文旅资源数据库,使GeoSOT编码组织管理各种类型数据,结果表明:基于GeoSOT剖分网格编码能够有效地组织管理文旅资源数据,提升数据检索访问效率,满足文旅资源数据的管理需求。

非编码RNA调控真社会性昆虫品级分化和个体分工的研究进展

真社会性昆虫是最具代表性的表型可塑性的研究对象之一,其个体之间分工协作的社会性生活方式增强了整个群体的环境适应性和繁殖力。真社会性昆虫虽然具有相同的遗传背景,个体之间却表现出明显的品级分化和个体分工,这是由环境和遗传共同影响的。表观遗传被认为是应对环境条件下重塑基因表达的主要机制,非编码RNA作为一类广泛参与机体生命活动的不编码蛋白的功能性RNA,在真社会性昆虫的品级分化、个体分工等方面起着重要的调控作用。本文从微小RNA、长链非编码RNA、环状RNA、与PIWI蛋白相作用的RNA等非编码RNA,对蜜蜂、蚂蚁及白蚁等真社会性昆虫的非编码RNA调控机制研究进展进行了综述,以加深对真社会性昆虫内在遗传分子基础的理解和认识,也为害虫防治领域提供新的研发视角。

融合改进自编码器和残差网络的入侵检测模型

互联网中存在大量隐私数据,因此防止网络入侵成为保护网络安全的关键问题。为提高网络入侵检测的准确率并解决其收敛慢问题,设计一种改进的堆叠自动编码器和残差网络(ISAE-ResNet)入侵检测模型。融合栈式自编码器和残差网络,首先将预处理后的数据输入到改进的栈式自编码器中,该栈式自编码器由2个副编码器和1个主编码器组成,数据经过副编码器和主编码器训练后重构出新的特征来防止过拟合问题;然后将解码层的权重捆绑到编码层进行优化,使模型参数减半来进行降维,提高模型的收敛速度;最后将处理过的数据输入到改进的残差网络中,并基于改进的ResNet网络设计一种加入软阈值函数的残差模块,通过降低数据中的噪声来提高模型准确率。在CIC-IDS-2017数据集上的实验结果表明,该模型准确率为98.67%,真正例率为95.93%,误报率为0.37%,损失函数值快速收敛至0.042,在准确率、真正例率、误报率和收敛速度方面均超过对比入侵检测模型,具有较高的有效性和可行性。