基于自适应训练的一种新的软决策融合算法

为了提高系统的检测性能,本地检测器应用了软决策算法,提出一种新的结构框图.将本地判决送至自适应训练器来估计本地检测器的性能参数,然后将得到的性能参数反馈至本地检测器来控制本地的检测门限.另外又将本地判决和可信度送至融合中心进行融合判决得到最终的判决,随后给出了迭代算法.最后通过三检测器系统仿真说明了算法的可行性,检测性能比硬判决有所改善.     

关于雷达接收机信道对遥测信号影响的研究

雷达接收机信道对于信号检测是最佳系统,当用其传输遥测信号时,由于信道噪声的影响,使遥测信号码间距发生变化,从而影响遥测信息传输精度。全面分析了雷达信道对遥测信号的影响程度,为消除其影响提供了准确、可靠的理论依据。     

基于声望模型的无线Mesh网络多信道MAC协议

文章针对现有多信道动态接入协议在数据信道接入中存在冲突概率较大,数据报文传输成功率较低的问题,提出了一种基于声望模型的信道分配算法。该算法通过引入遗忘因子来反映历史经验对当前信道选择的影响,并根据链路接收方节点中可用信道的声望值大小,选取出期望传输成功率最高的信道。仿真表明该算法在相同网络环境中,能有效提高数据报文传输的成功率,增加网络的整体吞吐量。     

WDM—PONs系统中AMOOFDM信号的多信道传输研究

为了提高波分复用无源光网络信道的传输能力,提出了自适应调制光正交频分复用的多信道传输方法．首先,在单模光纤连接上采用直接调制激光器和直接检测技术,给出了传输系统的模型;其次,给出了波分复用信道比特位加载算法;最后,用实例分析了40（或80）km直接调制与检测单模光纤连接系统及传统单一调制系统的传输性能．结果表明：自适应调制信号传输能力得到提高,同时最佳动态光发射功率范围和削峰比范围分别提高5dB和3dB．     

海量感知数据高效传输技术

现有感知数据传输模型存在能量消耗大、网络生存周期短、适用范围窄、收敛性弱以及实际应用性差的问题,为了实现大面积感知数据高效传输,提出了基于数据关联度的模糊自适应融合算法,建立了自适应网络模型。感知节点发送的数据经汇聚节点、中继节点转发时,通过自适应网络模型,根据感知数据关联度,动态修正输入参数加权系数从而改变控制规则,再用优化的控制规则进行参数调整,融合后的数据再传送到上一级平台,实验表明了该算法能明显改善海量感知数据传输性能。     

基于节约训练时隙的多中继协作通信分段信道估计

在多中继放大转发协作通信系统中,针对分段信道估计时需要增加额外的时隙来发送训练序列的问题,提出一种节约训练时隙的分段信道估计方法。该方法结合预编码技术和半盲信道估计技术,在源节点对数据序列进行预编码,使其与训练序列正交后叠加,在中继节点进行预编码,使不同中继间的训练序列彼此正交,进而估计出每条链路的信道信息值。仿真结果表明,提出的方法只需占用1个训练时隙,并可有效获取S→R链路和R→D链路每段链路的信道信息,且R→D链路的平均MSE估计性能比S→R链路大约有5 dB的优势,提高了系统的传输效率。     

一种基于最小生成树的无线多跳网络信道分配算法

为提高无线多跳网络的吞吐量和传输可靠性,提出一种信道分配算法。该算法优先考虑最小生成树上的可用信道,为每个节点分配信道资源;然后考虑利用生成树外其他可用链路,为节点提供信道资源,以提高吞吐量。算法通过考虑每个用户的通信需求,可以充分利用空闲信道资源。仿真结果显示,相比于不考虑最小生成树外链路时,有效地提高了网络整体吞吐量。     

导频设计的MIMO-OFDM改进信道估计算法

为提高系统的传输效率并改善信道估计的性能,提出了一种结合优化导频设计的分段带阻滤波算法.采用优化的导频设计,该算法在少量增加计算复杂度的基础上,能够进一步提高信道估计的性能,与实际中广泛应用的经典时域滤波算法相比,具有更高的估计精度.仿真结果证明该算法适用于不同的信道环境,尤其在低信噪比的条件下,该算法能够明显降低信道估计的MSE.     

一种新型无线Mesh网络多信道MAC协议

在多信道无线Mesh网络中,当发送节点和接收节点之间有多条可用信道时,动态信道分配协议DCA(Dynamic Channel Assignment)采用的是随机选择接入信道,这样一方面容易导致有不同性能的信道分配不合理,另一方面容易造成信道冲突的频繁发生,导致数据包时延较大。针对这些问题,文中提出一种基于信息素模型的多信道MAC协议——CAPC(Channels Assignment based on Pheromone Concentration)协议,仿真结果显示该协议在系统吞吐量和数据包投递成功率等方面明显优于DCA协议。     

一种基于博弈论的无线网状网络路由与信道分配联合优化算法

无线网络中的路由与信道分配可极大地影响网络的性能.为了解决无线网状网络中的路由与信道分配问题,提出并研究了一种称为CRAG(基于博弈论的无线网状网络路由与信道分配联合优化)的方法.CRAG采用协同博弈的方式将网络中的每个节点模型化为一个弈者,每个弈者的策略为与其相关的路由与信道分配方案,收益函数为给定流量需求矩阵下的成功传输流量.弈者通过协同博弈来优化收益函数以最大化网络的吞吐量.基于NS3的仿真结果表明,CRAG在收敛性、时延、丢包率和吞吐量方面优于其他当前的算法,从而证明了协同博弈的方法可以用于无线网状网络的路由与信道分配联合优化,并有效地改进网络性能.