结合现代移动通信系统的主要技术,主要针对多输入多输出天线系统(Multiple-Input Multiple-Output,MIMO)、正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)技术和空时编码技术进行了研究。首先介绍了MIMO技术的发展现...结合现代移动通信系统的主要技术,主要针对多输入多输出天线系统(Multiple-Input Multiple-Output,MIMO)、正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)技术和空时编码技术进行了研究。首先介绍了MIMO技术的发展现状和基本原理;然后介绍了OFDM技术的发展现状和基本原理,并分析该技术的优缺点,分析MIMO-OFDM系统形成的必然性及该系统的关键技术;最后介绍了3种典型空时编码技术,即分层空时码、空时网格码和空时分组码的编译码原理,并利用MATLAB软件对上述内容进行了仿真分析和比较,从而得出MIMO技术、OFDM技术和空时编码技术的结合将是未来移动通信发展的方向。展开更多
在无人机自组织网络(UAV Ad Hoc Network, UANET)中,传统的基于单包接收的信号检测算法极大限制了多路传输共享的并发通信性能。针对此问题,利用迭代并行干扰消除技术和多输入多输出技术并联合机器学习设计出一种UANET多包接收智能信号...在无人机自组织网络(UAV Ad Hoc Network, UANET)中,传统的基于单包接收的信号检测算法极大限制了多路传输共享的并发通信性能。针对此问题,利用迭代并行干扰消除技术和多输入多输出技术并联合机器学习设计出一种UANET多包接收智能信号检测算法。该算法保留了迭代并行干扰消除算法的整体结构,采用最合适的深度神经网络来代替传统的基于信道模型的复杂计算,使得分簇UANET的簇头节点不仅可以对任意无记忆固定信道进行处理,而且也不需要去获取准确的信道状态信息便可以同时正确接收来自多个发送节点并发传输过来的数据包。仿真结果表明,该算法可以在不同场景下有效降低系统误码率(Symbol Error Rate, SER),从而有效增加UANET的通信并发度。在线性信道多节点通信场景下,所提出的算法相比于最优MAP(Maximum A Posteriori,最大后验概率)检测算法,系统误码率可以降低约25%。展开更多
LTE—A中使用的OFDM（Orthogonal Frequency Division Multiplexing）技术对频偏非常敏感，很小的频偏会导致系统性能的急剧下降，一个好的时频估计算法能够大幅提高系统性能，是接收机设计中关键技术之一。提出一种基于4发4收MIMO（Mul...LTE—A中使用的OFDM（Orthogonal Frequency Division Multiplexing）技术对频偏非常敏感，很小的频偏会导致系统性能的急剧下降，一个好的时频估计算法能够大幅提高系统性能，是接收机设计中关键技术之一。提出一种基于4发4收MIMO（Multiple—Input Multiple—Output）的LTE-A下行共享链路的MSS（Muhi—signal synchronization）同步方法，并利用C和LABVIEW进行了软硬件联合仿真验证。仿真结果表明，提出的同步算法较经典算法有1—2dB的性能提升。展开更多
文摘结合现代移动通信系统的主要技术,主要针对多输入多输出天线系统(Multiple-Input Multiple-Output,MIMO)、正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)技术和空时编码技术进行了研究。首先介绍了MIMO技术的发展现状和基本原理;然后介绍了OFDM技术的发展现状和基本原理,并分析该技术的优缺点,分析MIMO-OFDM系统形成的必然性及该系统的关键技术;最后介绍了3种典型空时编码技术,即分层空时码、空时网格码和空时分组码的编译码原理,并利用MATLAB软件对上述内容进行了仿真分析和比较,从而得出MIMO技术、OFDM技术和空时编码技术的结合将是未来移动通信发展的方向。
文摘在无人机自组织网络(UAV Ad Hoc Network, UANET)中,传统的基于单包接收的信号检测算法极大限制了多路传输共享的并发通信性能。针对此问题,利用迭代并行干扰消除技术和多输入多输出技术并联合机器学习设计出一种UANET多包接收智能信号检测算法。该算法保留了迭代并行干扰消除算法的整体结构,采用最合适的深度神经网络来代替传统的基于信道模型的复杂计算,使得分簇UANET的簇头节点不仅可以对任意无记忆固定信道进行处理,而且也不需要去获取准确的信道状态信息便可以同时正确接收来自多个发送节点并发传输过来的数据包。仿真结果表明,该算法可以在不同场景下有效降低系统误码率(Symbol Error Rate, SER),从而有效增加UANET的通信并发度。在线性信道多节点通信场景下,所提出的算法相比于最优MAP(Maximum A Posteriori,最大后验概率)检测算法,系统误码率可以降低约25%。
