杜芬振子能有效检测出淹没在噪声中的正弦信号,并且对噪声具有免疫力,但是随着信号信噪比进一步降低,传统混沌检测方法的漏报概率快速增加直至无法检测出被噪声完全淹没的信号。针对此问题,提出了一种变相位周期策动力杜芬振子弱信号检...杜芬振子能有效检测出淹没在噪声中的正弦信号,并且对噪声具有免疫力,但是随着信号信噪比进一步降低,传统混沌检测方法的漏报概率快速增加直至无法检测出被噪声完全淹没的信号。针对此问题,提出了一种变相位周期策动力杜芬振子弱信号检测方法,该方法利用了杜芬振子的初值敏感性,通过改变系统内置周期策动力的初始相位对接收的信号进行并行检测以降低检测的漏报机率,进而降低了信号检测的错误率,使杜芬振子能在更低信噪比下进行信号检测。仿真实验表明,相同参数条件下文中方法可以保持传统理论对噪声的可靠免疫,并且在检测错误率为零时,新方法可以将混沌理论的检测信噪比降低约10 d B。展开更多
现有直接信息采样(analog to information conversion,AIC)框架未考虑信号的轮廓在重构中占据特殊地位且对输入信号的有效性缺乏判断。针对这一问题,在压缩感知理论框架下,提出基于轮廓预提取的直接信息压缩采样理论。将输入信号的大轮...现有直接信息采样(analog to information conversion,AIC)框架未考虑信号的轮廓在重构中占据特殊地位且对输入信号的有效性缺乏判断。针对这一问题,在压缩感知理论框架下,提出基于轮廓预提取的直接信息压缩采样理论。将输入信号的大轮廓用低速采样器件先行提取出来,再对输入信号的细节进行压缩采样。在重构算法方面,提出自适应分段正交匹配追踪算法以解决实时流信号的精确重构问题。从理论上分析了轮廓预提取直接信息压缩采样的有效性和可靠性。仿真结果表明,在同等条件下,通过引入少量轮廓信息的改进型AIC比传统AIC重构性能更好。展开更多
在采用多天线高阶QAM的MIMO通信系统中,现有基于信道分组并行检测算法虽然接近最优检测性能但以牺牲计算效率为代价.针对这一问题,本文提出一种MMSE准则下基于信道分组的并行检测算法,不但有效降低计算复杂度,而且仍保证检测性能.该算...在采用多天线高阶QAM的MIMO通信系统中,现有基于信道分组并行检测算法虽然接近最优检测性能但以牺牲计算效率为代价.针对这一问题,本文提出一种MMSE准则下基于信道分组的并行检测算法,不但有效降低计算复杂度,而且仍保证检测性能.该算法采用MMSE准则下格归约算法改进分组后条件较好子信道矩阵特性,并在消除参考信号基础上利用改进的子信道矩阵对剩余信号以非线性方式进行检测.仿真结果表明:对4@4和6@6MIMO系统,该算法检测性能达到最优,对于8@8 MIMO系统,比最优算法所需信噪比提高约1dB.复杂度分析表明:相比现有信道分组检测算法,相同检测性能下该算法在6@6 M IMO系统中复杂度降低90%以上,在8@8 MIMO系统中复杂度降低98%以上.展开更多
文摘杜芬振子能有效检测出淹没在噪声中的正弦信号,并且对噪声具有免疫力,但是随着信号信噪比进一步降低,传统混沌检测方法的漏报概率快速增加直至无法检测出被噪声完全淹没的信号。针对此问题,提出了一种变相位周期策动力杜芬振子弱信号检测方法,该方法利用了杜芬振子的初值敏感性,通过改变系统内置周期策动力的初始相位对接收的信号进行并行检测以降低检测的漏报机率,进而降低了信号检测的错误率,使杜芬振子能在更低信噪比下进行信号检测。仿真实验表明,相同参数条件下文中方法可以保持传统理论对噪声的可靠免疫,并且在检测错误率为零时,新方法可以将混沌理论的检测信噪比降低约10 d B。
文摘现有直接信息采样(analog to information conversion,AIC)框架未考虑信号的轮廓在重构中占据特殊地位且对输入信号的有效性缺乏判断。针对这一问题,在压缩感知理论框架下,提出基于轮廓预提取的直接信息压缩采样理论。将输入信号的大轮廓用低速采样器件先行提取出来,再对输入信号的细节进行压缩采样。在重构算法方面,提出自适应分段正交匹配追踪算法以解决实时流信号的精确重构问题。从理论上分析了轮廓预提取直接信息压缩采样的有效性和可靠性。仿真结果表明,在同等条件下,通过引入少量轮廓信息的改进型AIC比传统AIC重构性能更好。
文摘在采用多天线高阶QAM的MIMO通信系统中,现有基于信道分组并行检测算法虽然接近最优检测性能但以牺牲计算效率为代价.针对这一问题,本文提出一种MMSE准则下基于信道分组的并行检测算法,不但有效降低计算复杂度,而且仍保证检测性能.该算法采用MMSE准则下格归约算法改进分组后条件较好子信道矩阵特性,并在消除参考信号基础上利用改进的子信道矩阵对剩余信号以非线性方式进行检测.仿真结果表明:对4@4和6@6MIMO系统,该算法检测性能达到最优,对于8@8 MIMO系统,比最优算法所需信噪比提高约1dB.复杂度分析表明:相比现有信道分组检测算法,相同检测性能下该算法在6@6 M IMO系统中复杂度降低90%以上,在8@8 MIMO系统中复杂度降低98%以上.
