复杂应用场景决定短距离无线通信系统面对多种干扰、较低硬件资源配置导致其抗干扰能力有限,为实现可靠传输,设计基于改进LDPC码的短距离跳频无线通信系统。其中,提出低复杂度校验和更新(LCU,low-complexity check sum updating)算法,...复杂应用场景决定短距离无线通信系统面对多种干扰、较低硬件资源配置导致其抗干扰能力有限,为实现可靠传输,设计基于改进LDPC码的短距离跳频无线通信系统。其中,提出低复杂度校验和更新(LCU,low-complexity check sum updating)算法,降低计算复杂度;提出基于MTBF(multi-threshold bit flipping)的LCU-MTBF算法,提高译码性能,降低译码复杂度。仿真结果表明,LCU算法适用于多种硬判决译码算法,在不影响原有算法性能的基础上降低译码算法的计算复杂度;LCU-MTBF在误码率(bit error rate)为10^(-5)、迭代次数为5时,获得0.15 d B性能增益,将MTBF算法中加法次数降低约40%;当误码率为10^(-4)、信噪比为15 d B时,在部分频带干扰和全频带干扰下,基于改进LDPC码的短距离跳频无线通信系统均获得7 d B左右的性能增益,有效改善其干扰性能。展开更多
无线信道均衡可以被看成将接收端符号恢复成发射符号集中某个符号的问题;而无线通信系统中的许多恢复过程可以被认为是通过学习一组具有良好的概率包络和相干时间的随机滤波器来克服信号的线性混合、旋转、时移、缩放以及卷积等特性。...无线信道均衡可以被看成将接收端符号恢复成发射符号集中某个符号的问题;而无线通信系统中的许多恢复过程可以被认为是通过学习一组具有良好的概率包络和相干时间的随机滤波器来克服信号的线性混合、旋转、时移、缩放以及卷积等特性。具体地,使用卷积神经网络(CNN)来学习这些滤波器,然后将学习到的滤波器送入后续的循环神经网络进行时域建模,最后对信号进行分类。实验显示:卷积-循环神经网络(CRNN)均衡器与传统的递归最小二乘滤波器(RLS)、多层感知机滤波器(MLP)在达到相同误码率(SER)情况下好2～4 d B。展开更多
MIMO检测是LTE-A系统中的一个重要环节,在实际应用中,MIMO信号检测算法的选用需要在复杂度和性能之间进行合理折中。文中针对ML(Maximum Likelihood)算法复杂度高的问题,提出了一种改进的算法(ML-SQRD),主要是缩小搜寻空间,尽可能多地...MIMO检测是LTE-A系统中的一个重要环节,在实际应用中,MIMO信号检测算法的选用需要在复杂度和性能之间进行合理折中。文中针对ML(Maximum Likelihood)算法复杂度高的问题,提出了一种改进的算法(ML-SQRD),主要是缩小搜寻空间,尽可能多地考虑可能的发送符号集,并在分析过程中结合了SQRD(Sort QR Decomposition)算法。经仿真和复杂度分析,改进算法的性能接近ML算法,且复杂度低于ML算法,可应用于未来5G通信中大规模MIMO检测。展开更多
文摘复杂应用场景决定短距离无线通信系统面对多种干扰、较低硬件资源配置导致其抗干扰能力有限,为实现可靠传输,设计基于改进LDPC码的短距离跳频无线通信系统。其中,提出低复杂度校验和更新(LCU,low-complexity check sum updating)算法,降低计算复杂度;提出基于MTBF(multi-threshold bit flipping)的LCU-MTBF算法,提高译码性能,降低译码复杂度。仿真结果表明,LCU算法适用于多种硬判决译码算法,在不影响原有算法性能的基础上降低译码算法的计算复杂度;LCU-MTBF在误码率(bit error rate)为10^(-5)、迭代次数为5时,获得0.15 d B性能增益,将MTBF算法中加法次数降低约40%;当误码率为10^(-4)、信噪比为15 d B时,在部分频带干扰和全频带干扰下,基于改进LDPC码的短距离跳频无线通信系统均获得7 d B左右的性能增益,有效改善其干扰性能。
文摘无线信道均衡可以被看成将接收端符号恢复成发射符号集中某个符号的问题;而无线通信系统中的许多恢复过程可以被认为是通过学习一组具有良好的概率包络和相干时间的随机滤波器来克服信号的线性混合、旋转、时移、缩放以及卷积等特性。具体地,使用卷积神经网络(CNN)来学习这些滤波器,然后将学习到的滤波器送入后续的循环神经网络进行时域建模,最后对信号进行分类。实验显示:卷积-循环神经网络(CRNN)均衡器与传统的递归最小二乘滤波器(RLS)、多层感知机滤波器(MLP)在达到相同误码率(SER)情况下好2～4 d B。
文摘MIMO检测是LTE-A系统中的一个重要环节,在实际应用中,MIMO信号检测算法的选用需要在复杂度和性能之间进行合理折中。文中针对ML(Maximum Likelihood)算法复杂度高的问题,提出了一种改进的算法(ML-SQRD),主要是缩小搜寻空间,尽可能多地考虑可能的发送符号集,并在分析过程中结合了SQRD(Sort QR Decomposition)算法。经仿真和复杂度分析,改进算法的性能接近ML算法,且复杂度低于ML算法,可应用于未来5G通信中大规模MIMO检测。
