随着先进工艺和技术的不断进步,要想保证数据在高速传输中的正确性,均衡器需要有更高的补偿和更低的功耗,才能实现高效通信。基于12 nm互补金属氧化物半导体工艺,设计了一种高增益、低功耗的自适应连续时间线性均衡器(continuous time l...随着先进工艺和技术的不断进步,要想保证数据在高速传输中的正确性,均衡器需要有更高的补偿和更低的功耗,才能实现高效通信。基于12 nm互补金属氧化物半导体工艺,设计了一种高增益、低功耗的自适应连续时间线性均衡器(continuous time linear equalizer,CTLE),该均衡器采用2级级联结构来补偿信道衰减,并提高接收信号的质量。此外,自适应模块通过采用符号-符号最小均方误差(sign-sign least mean square,SS-LMS)算法,使抽头系数加快了收敛速度。仿真结果表明,当传输速率为16 Gbit/s时,均衡器可以补偿-15.53 dB的半波特率通道衰减,均衡器系数在16×10^(4)个单元间隔数据内收敛,并且收敛之后接收误码率低于10^(-12)。展开更多
针对高速移动场景中正交时频空间(Orthogonal Time Frequency Space, OTFS)系统线性最小均方误差(Linear Minimum Mean Square Error, LMMSE)检测复杂度过高而难以快速有效实现的问题,利用零填充(Zero Padding, ZP)OTFS系统时域信道矩...针对高速移动场景中正交时频空间(Orthogonal Time Frequency Space, OTFS)系统线性最小均方误差(Linear Minimum Mean Square Error, LMMSE)检测复杂度过高而难以快速有效实现的问题,利用零填充(Zero Padding, ZP)OTFS系统时域信道矩阵呈块对角稀疏特性提出一种逐块迭代的对称逐次超松弛(Symmetric Successive over Relaxation, SSOR)迭代算法,在降低系统复杂度的同时获得与LMMSE检测近似的性能。仿真结果表明,与逐次超松弛(Successive over Relaxation, SOR)算法相比,所提算法对松弛参数不敏感且具有更快的收敛速度,在迭代次数为10次时误码性能几乎达到LMMSE误码性能,显著降低了检测器的复杂度。展开更多
针对高速自动驾驶车辆实时高精度的运动控制问题,提出一种上层为基于路径点Cost的路径点筛选器与基于横纵向轮胎力分析的速度规划器、下层为基于线性时变动力学模型预测的路径跟踪控制器与速度控制器的两层架构,并引入最小均方(Least Me...针对高速自动驾驶车辆实时高精度的运动控制问题,提出一种上层为基于路径点Cost的路径点筛选器与基于横纵向轮胎力分析的速度规划器、下层为基于线性时变动力学模型预测的路径跟踪控制器与速度控制器的两层架构,并引入最小均方(Least Mean Square,LMS)自适应状态估计器提升系统的抗噪性。路径点筛选器提升运算速度并减少筛选过程中的关键信息损失,速度规划器在安全行驶前提下生成最优速度曲线。路径跟踪控制器考虑跟踪偏差软约束,提升跟踪效果。LMS状态估计器基于在线矫正的动力学模型,对横摆角速度与横向速度在线估计。搭建dSPACE-TX2硬件在环仿真环境,在高速公路工况及双移线工况下对比所提出方案与传统运动跟踪控制。半实物仿真结果表明,所提出的运动控制架构提升了抗噪性能与21%的跟踪精度,且满足50 Hz高频控制的要求。展开更多
文摘随着先进工艺和技术的不断进步,要想保证数据在高速传输中的正确性,均衡器需要有更高的补偿和更低的功耗,才能实现高效通信。基于12 nm互补金属氧化物半导体工艺,设计了一种高增益、低功耗的自适应连续时间线性均衡器(continuous time linear equalizer,CTLE),该均衡器采用2级级联结构来补偿信道衰减,并提高接收信号的质量。此外,自适应模块通过采用符号-符号最小均方误差(sign-sign least mean square,SS-LMS)算法,使抽头系数加快了收敛速度。仿真结果表明,当传输速率为16 Gbit/s时,均衡器可以补偿-15.53 dB的半波特率通道衰减,均衡器系数在16×10^(4)个单元间隔数据内收敛,并且收敛之后接收误码率低于10^(-12)。
文摘针对高速移动场景中正交时频空间(Orthogonal Time Frequency Space, OTFS)系统线性最小均方误差(Linear Minimum Mean Square Error, LMMSE)检测复杂度过高而难以快速有效实现的问题,利用零填充(Zero Padding, ZP)OTFS系统时域信道矩阵呈块对角稀疏特性提出一种逐块迭代的对称逐次超松弛(Symmetric Successive over Relaxation, SSOR)迭代算法,在降低系统复杂度的同时获得与LMMSE检测近似的性能。仿真结果表明,与逐次超松弛(Successive over Relaxation, SOR)算法相比,所提算法对松弛参数不敏感且具有更快的收敛速度,在迭代次数为10次时误码性能几乎达到LMMSE误码性能,显著降低了检测器的复杂度。
文摘针对高速自动驾驶车辆实时高精度的运动控制问题,提出一种上层为基于路径点Cost的路径点筛选器与基于横纵向轮胎力分析的速度规划器、下层为基于线性时变动力学模型预测的路径跟踪控制器与速度控制器的两层架构,并引入最小均方(Least Mean Square,LMS)自适应状态估计器提升系统的抗噪性。路径点筛选器提升运算速度并减少筛选过程中的关键信息损失,速度规划器在安全行驶前提下生成最优速度曲线。路径跟踪控制器考虑跟踪偏差软约束,提升跟踪效果。LMS状态估计器基于在线矫正的动力学模型,对横摆角速度与横向速度在线估计。搭建dSPACE-TX2硬件在环仿真环境,在高速公路工况及双移线工况下对比所提出方案与传统运动跟踪控制。半实物仿真结果表明,所提出的运动控制架构提升了抗噪性能与21%的跟踪精度,且满足50 Hz高频控制的要求。
