一种新的QR-SIC-MSD联合MIMO信号检测算法

针对MIMO信号检测中球形译码(Sphere decoding,SD)算法在低信噪比时接近最大似然(Maximum likelihood,ML)算法复杂度的缺点,提出了一种基于QR分解的串行干扰抵消(Successive interference cancellation,SIC)和修改的球形译码(Modified sphere decoding,MSD)联合MIMO信号检测算法,称之为QR-SIC-MSD算法。该算法在低信噪比时采用SIC算法,在高信噪比时,采用MSD算法,根据噪声方差仅选择一次初始搜索半径,若搜索失败则用SIC解代替。通过SIC算法与MSD算法的结合,大大地降低了球形译码算法的复杂性,同时保证了在中高信噪比时逼近ML算法性能,在低信噪比时接近ML算法性能。文中同时给出了完整的算法流程图及计算机仿真结果。

地磁匹配导航算法研究

提出一种Monte Carlo方法和均方差算法(MSD)相结合的匹配算法,并将本算法用于地磁匹配导航中。该方法根据惯性导航系统指示的位置从地磁图上提取参考地磁数据,将地磁测量数据进行若干次随机干扰后和参考地磁数据使用MSD算法进行匹配,得到若干个匹配位置,取其均值作为最终匹配位置。仿真结果表明本算法可行。

一种改进的均方差协同过滤算法

由于传统基于均方差的协同过滤算法(MSD)计算相似性时仅考虑评分向量间均方差值,导致其推荐性能不理想,针对这个问题,提出融合评分向量间余弦值和均方差值的改进均方差协同过滤算法(Improved MSD,IMSD)。通过在2个Movielens数据集上进行实验表明,IMSD算法较MSD算法的推荐准确度有所提高。更为重要的是,将IMSD算法进行推广应用,也能够取得较好的效果。本文将其应用于改进另外2种算法,即JAC_MSD和AC_MSD算法,并提出了2种相应的JAC_IMSD和AC_IMSD算法,发现算法的推荐准确度都有所提高。在所研究的几种算法中,AC_IMSD算法推荐准确度最优。