期刊文献+
共找到3篇文章
< 1 >
每页显示 20 50 100
GFDM系统中基于判决重构的迭代信道估计和干扰消除算法
1
作者 刘春刚 李泽鹏 +2 位作者 王钢 王峻萱 李城达 《无线电通信技术》 北大核心 2025年第3期588-595,共8页
低轨卫星通信凭借低传输时延和组网灵活等优势,正成为新一代卫星通信的关键技术。广义频分复用(Generalized Frequency Division Multiplexing,GFDM)作为候选波形,能够满足低轨卫星通信各种应用场景需求。在基于GFDM的低轨卫星通信系统... 低轨卫星通信凭借低传输时延和组网灵活等优势,正成为新一代卫星通信的关键技术。广义频分复用(Generalized Frequency Division Multiplexing,GFDM)作为候选波形,能够满足低轨卫星通信各种应用场景需求。在基于GFDM的低轨卫星通信系统中,由于GFDM子载波间非正交特性以及低轨卫星信道存在时间-频率双选择性,导致数据符号受到严重的子载波间干扰和子符号间干扰,传统信道估计算法难以实现可靠的数据传输。现有的基于离散导频的迭代信道估计和信号检测算法(Iterative Channel Estimation and Signal Detection Algorithm Based on Discrete Pilots,ICESD-DP)虽然提高了在双选信道下信道估计的准确性,但需要付出高昂的计算成本。为解决上述问题,提出了一种基于判决重构符号的迭代信道估计和干扰消除算法(Iterative Channel Estimation and Interference Cancellation Algorithm Based on Judgment Reconstructed Symbols,ICEIC-JRS),使用经过干扰预处理的导频进行初始信道估计和均衡,在每次迭代中利用Turbo译码器生成的判决重构符号估计数据符号的有效增益和干扰增益,继而对接收符号进行干扰消除,以提高信道估计与符号检测的精度。仿真结果表明,与ICESD-DP相比,ICEIC-JRS在较多迭代次数下表现出更优异的误码率(Bit Error Rate,BER)和均方误差(Mean Square Error,MSE)性能,且ICEIC-JRS的单次迭代复杂度下降了一个数量级,更适用于对运算复杂度有较高要求的低轨卫星通信系统。 展开更多
关键词 广义频分复用 迭代信道估计 干扰消除 TURBO译码 低轨卫星通信系统
在线阅读 下载PDF
基于模拟退火DBSCAN聚类的室内定位噪声抑制方法
2
作者 李冰 柴兴绍 +1 位作者 刘宇 刘春刚 《中国惯性技术学报》 北大核心 2025年第7期698-706,712,共10页
工厂、仓库等室内环境噪声复杂多变,基于数据特征以及密度分布的优化算法难以抑制噪声干扰,严重影响超宽带室内定位的准确性与稳定性。针对这一问题,提出基于模拟退火DBSCAN聚类的室内定位噪声抑制方法。首先,通过Chan算法建立标签初始... 工厂、仓库等室内环境噪声复杂多变,基于数据特征以及密度分布的优化算法难以抑制噪声干扰,严重影响超宽带室内定位的准确性与稳定性。针对这一问题,提出基于模拟退火DBSCAN聚类的室内定位噪声抑制方法。首先,通过Chan算法建立标签初始数据集;其次,使用DBSCAN聚类算法对初始数据集进行分析,根据数据集与聚类结果的密度分布特性构建离散条件以衡量聚类质量;然后,引入模拟退火算法,利用其全局优化能力动态调整DBSCAN参数和离散条件,直至聚类质量满足要求,实现对噪声点的识别;最后,剔除噪声点,根据核心簇内数据量占比确定权重因子,结合加权质心法计算定位位置。实验结果表明,相比Chan算法和DBSCAN聚类,所提方法的三维整体定位精度分别提升59.5%、37.3%,并且采用无监督方式,在工厂、仓库等复杂室内环境定位中,具有较高的实际应用价值。 展开更多
关键词 室内定位 超宽带 噪声抑制 DBSCAN聚类 模拟退火
在线阅读 下载PDF
基于空间划分的K-means聚类室内定位垂直精度优化方法 被引量:6
3
作者 李冰 杨珊珊 +2 位作者 刘春刚 赵华 王翔 《中国惯性技术学报》 EI CSCD 北大核心 2023年第9期900-908,共9页
由于超宽带室内定位锚节点布设的高度限制导致垂直精度因子较大,进而影响标签垂直方向上的定位精度。针对这一问题,提出了一种基于空间划分的K-means聚类室内定位垂直精度优化方法。首先,采集标签的TDOA数据并利用拉依达准则剔除数据中... 由于超宽带室内定位锚节点布设的高度限制导致垂直精度因子较大,进而影响标签垂直方向上的定位精度。针对这一问题,提出了一种基于空间划分的K-means聚类室内定位垂直精度优化方法。首先,采集标签的TDOA数据并利用拉依达准则剔除数据中的异常值,使用Chan算法解算标签估计位置以确定原始标签数据集。其次,对原始标签数据集进行空间网格单元划分,根据网格单元密度和距离确定K-means算法的初始聚类中心并将数据集划分为k个子区域,确定可信度高的k个参考位置。最后,将参考位置与中心位置之间距离的倒数作为权重因子,使用加权质心法确定标签的最终优化位置。实验结果表明,与Chan算法、Chan-Taylor算法、Kalman-Chan算法和Chan-Kmeans算法相比,所提算法在垂直方向定位精度分别提升了62.88%、70.81%、41.74%和27.96%,并且所提算法采用非监督的方式无需获取先验数据,具有较高的实际应用价值。 展开更多
关键词 超宽带室内定位 CHAN算法 K-MEANS聚类算法 垂直方向精度 拉依达准则
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部