功放数字预失真技术现状及未来发展
摘要：功放是无线通信发射机的重要组成部分，随着无线通信的不断发展，对宽带线性功放的要求也越来越高。然而，功放的非线性特性和记忆效应会导致信号严重失真。为了减小带内失真和邻道干扰，数字预失真成为功放线性化技术中最有发展潜力的技术。介绍了功放模型，数字预失真的学习结构、数字预失真器参数的辨识算法等研究现状，探讨了数字预失真的发展趋势，为今后数字预失真技术的研究提供参考。基于共轭梯度法的低复杂度信道估计
摘要：考虑在大规模MIMO系统中基于导频的信道估计，基站端配置有数百根天线，传统的MMSE估计器虽然在估计精度上有着良好的性能，但是由于在利用MMSE方法进行信道估计时，存在对协方差矩阵求逆的运算，导致其计算复杂度为O（M3），其中M为信道协方差矩阵的维度。在基站天线数很大的时候，这将是一个极其复杂的过程。为解决这个问题，将通过将求逆过程转化为解线性方程组的问题，利用共轭梯度法，使整个计算过程的计算复杂度降为O（NM2），其中N为共轭梯度法的迭代次数，而且N〈M。一种改进的可变步长LMS算法及性能分析
摘要：为解决自适应算法的收敛速度和稳态误差两者间的矛盾，对归一化的最小均方（NLMS）算法、变步长算法及可变步长NVSS算法进行了研究，并结合变步长的思想，提出了一种新的可变步长算法。新的算法中引入合适的遗忘因子与修正参数来建立与步长因子间的函数关系，加快了算法收敛速度的同时，也能在非平稳的环境中有好的跟踪能力。最后把不同的算法应用到系统辨识系统中，通过MATLAB进行实验仿真，结果证实了新提出的算法有快的收敛速度和跟踪时变系统的能力。一种多进制LDPC码加权符号翻转译码算法
摘要：提出了一种低复杂度基于翻转规则的多进制低密度奇偶校验（Low-Density Parity-Check，LDPC）码符号翻转译码算法。为寻求有效码字，该算法在符号向量空间迭代地更新硬判决的接收符号向量。每一次迭代只改变一个符号，其符号翻转函数综合考虑了不满足校验式的个数和接收比特和计算出符号的可靠性度量。在高阶伽罗华域中采用一种无限环路规避和翻转符号选取方法，同时提出了翻转规则设计方法，该设计决定了计算复杂度和差错性能。仿真结果表明，该符号翻转算法在帧长为150符号的16进制LDPC码中取得了纠错性能和计算复杂度的有效权衡。一种基于QC-LDPC码的低复杂度分层迭代译码器
摘要：针对具有准循环结构的LDPC码，设计了一种低复杂度译码器。利用校验矩阵的循环特性以及分层迭代的译码算法，对一般的分层迭代架构进行改进，实现了译码器流水线处理，有效的减少迭代时间，提高吞吐量，最后针对码长为1200的LDPC码，基于FPGA平台Kintex7 xc7k325的芯片实现了该架构设计，结果表明，该译码器只消耗了100多个Slices和几块RAM，有效节省了硬件资源,同时译码时间比一般的分层架构减少了2／3左右。吞吐量提高了约2倍，研究成果具有重要的实用价值，可应用于资源有限的低速通信领域。色散光纤中超连续谱的产生及多波长输出
摘要：超短脉冲在高非线性光纤中传输过程遵循非线性薛定谔方程，因此可通过分步傅里叶变换的方法对此过程进行数理模拟和分析。借用MATLAB工具软件产生一个高斯皮秒脉冲，研究脉冲通过色散光纤之后频谱得以展宽，从而能够通过阵列波导光栅（AWG）进行分波之后得到多波长输出的超连续谱。结果表明：使超连续谱频谱得以展宽的因素有很多，其中群速度色散值对其影响较为显著。对光纤及脉冲的各参数进行优化调节之后，再对色散参量D0进行微调，超连续谱将得到更好地修整优化，频谱变得更宽且平坦稳定。二维光子晶体窄带滤波器研究
摘要：由于光子晶体存在带隙，只要在完整的二维光子晶体中引入线缺陷，那么原来处于禁带处特定波长的光也能沿着形成的波导传播，从而该光子晶体就具备了滤波的功能，再在线型波导的一侧设计个点缺陷，利用时域有限差分法分析发现，在缺陷处耦合出来的光不仅仅光强增大了，而且半高宽也变小了，这就与窄带滤波器的功能十分吻合。此外，只要根据光子晶体的晶格常数和椭圆介质柱的半径与窄带滤波器的中心波长关系，通过调整光子晶体的晶格常数和介质柱的半径，就可以改变窄带滤波器的中心波长。现代OS导航信号中HRC相关间隔的优化设计
摘要：目前接收机基于环路的多径抑制主要采用窄相关和HRC技术，而在实际应用中HRC技术对不同调制方式的现代导航信号采取的相关间隔也不同。针对上述问题，通过对几种现代导航信号的鉴相范围和多径抑制性能进行分析，给出在现代导航信号中HRC鉴别器算法相关间隔的优化设计方法。仿真可见：不同现代导航信号下HRC相关间隔的优化选取也不同；带宽较宽时，鉴相范围随相关间隔增大而增大，多径抑制性能随相关间隔减小而提高；带宽较窄和相关间隔较小时，在一定鉴相范围内减小相关间隔并不会再提高现代导航信号的多径抑制性能。提出的相关间隔的优化方法具有创新性，研究成果具有重要理论价值并已应用到GNSS接收机中。复合高斯杂波下的3种目标检测算法研究
摘要：针对复合高斯分布背景下的慢速目标检测问题，从贝叶斯统计检测理论出发，系统分析了最优的GLRT检测算法、次优的基于AR模型的目标检测算法和传统的自适应MTI检测算法。结合这3种算法的特点阐述了它们的检测性能和工程可实现性。并在最后通过IPIX雷达实测海杂波数据对上述结论进行了验证，实验结果表明在性能损失不大时，基于AR模型的目标检测算法易于工程实现。改进自适应中值滤波的图像去噪
摘要：针对传统自适应中值滤波算法的不足，提出了一种改进的自适应中值滤波算法，该算法引入了角度和相关性，第一，根据角度α的大小，判断当前像素点是否为可疑噪声点，再由其像素间的相关性判断此可疑噪声点是否为噪声点。第二，把排序得到的中值与窗口中所有像素点的均值加权得到新的灰度中值，再将噪声点用新的灰度中值替代，从而达到滤除噪声的效果。实验结果表明，该算法滤波，既能有效地平滑噪声，又能保存细节，效果远优于传统自适应中值滤波算法。一种基于时频相关性的快速频谱感知算法
摘要：频谱感知技术是认知无线电的核心和基础，而自从认知无线电技术被提出以来就一直受到极大的关注。通过对无线频谱占用情况的实时采集处理，对频谱占用情况在时域和频域上的相关性进行分析。利用这种时频域的相关性提出一种快速频谱感知算法，通过频繁模式挖掘提取有效模式，使得在只需要对部分频域和时域的频谱进行检测，就可以完成对整个频谱的占用情况的认知。最后通过实时采集数据进行实验分析，表明该算法确实能达到较好的性能。基于遗传蚁群优化算法的认知无线电频谱分配
摘要：针对认知无线电中的频谱分配问题，提出一种融合了遗传算法和蚁群算法优点的频谱分配方法。该方法利用遗传算法快速随机的群体性全局搜索能力生成初始解，然后利用衔接策略将遗传算法初始解转化为蚁群算法所需的信息素初始分布，最后利用蚁群算法正反馈、收敛高效的特点求取最优解。通过仿真比较了该方法与颜色敏感图着色算法的性能。结果表明动态融合了遗传算法和蚁群算法的优化算法性能明显优于颜色敏感图着色算法，它能更好地实现网络效益最大化。无线传感器网络中不同节点分布模型的性能分析
摘要：针对传感器网络中较为关心的生存时间和覆盖率问题，对不同分布模型下的网络性能进行了分析。根据传感器网络中节点密度的分布规律，基于传统的分簇LEACH协议，选择对均匀分布、一次衰落和0．5方衰落三种随机分布场景下传感器网络的生存时间、覆盖率等指标进行了研究，仿真实验表明：对于三种传感器节点的撒布模型：一次衰落模型网络生存时间最长，但覆盖率最低；均匀分布网络生存时间最短，覆盖率最高；O．5次衰落模型下两项性能折中，更加符合现实需求。BA网络中一种基于节点动态权值的局部路由策略
摘要：为适应大规模通信网络的路由需求，提出了一种基于BA网络的局部路由策略。基本思想是在数据包转发过程中，将邻居节点的度和发送能力以一定比例加和得到的值作为权值，根据权值大小选择下一站点。其中，节点的发送能力由节点的数据包队列长度，节点的度及一个调节系数组成，节点的发送能力可根据实时数据包产生率进行调节。仿真结果表明，该路由策略有较好的通讯能力，通过改变加权算法中的比例系数可以调节网络的临界负载量，达到该算法下的最优路由方法，使节点的处理能力得到合理利用，为实际大规模通讯网络中利用局部路由实现数据传输提供了有效可靠的方法。面向高铁无线网络覆盖与容量优化的多agent模糊强化学习算法
摘要：为了提升高铁沿线LTE无线网络服务质量，提供最理想的覆盖与容量性能，在传统单agent学习算法的基础上，提出了通过多agent联合调整相邻eNodeB的天线下倾角从而实现覆盖与容量优化的模糊强化学习算法。并在LTE网络下的高速场景中进行仿真，仿真结果表明多agent学习算法与传统学习算法相比在高速环境下达到全局最优解的速率更快，特别是在应对环境突变的情况时恢复到最优解的速率有所提升。一种用于卫星网络的业务预测方法
摘要：针对卫星网络业务具有自相似的特点，介绍了一种基于集合经验模式分解的业务组合预测方法（EEMD）。该方法利用EEMD的分解特性，将具有自相似的网络流量分解成多个只具备短相关性的本征模态函数（IMF），这样便可使用传统的流量预测算法进行预测。文中使用人工神经网络与自回归滑动平均模型（ARMA）这两种方法进行预测。最后将多个本征模态函数（IMF）预测的结果相加作为原始信号的预测结果，实验证明此方法有更高的精度。为了迎合卫星实时性的需求，给出了硬件的框架，该框架采用DSP与FPGA相结合的构架实现连续数据的EEMD实时处理。一种基于行为的可信计算动态度量方法
摘要：针对恶意软件泛滥而现行杀毒软件无法检测未知恶意软件的情况，同时经分析恶意软件，发现虽然其形式多样，但是表现出的恶意行为却存在一定的规律性。由此提出一种实现可信计算动态度量的方法，通过拦截程序运行期间产生的行为，构建决策树模型，以此为依据来判定程序行为是否符合预期。实验证明，此方法可以检测出未知恶意软件，之后通过改进数据预处理模块可以进一步降低误报率以及漏报率。内容中心网络的DoS攻击研究
摘要：“内容中心网络”（Content Centric Networking，CCN）是未来互联网架构体系群中极具前景的架构之一。CCN的核心思想在于内容命名，即用户不需要根据数据的地址而仅根据数据的名字来获取目标内容。在设计上，CCN是一种基于拉（pull-based）的网络，即用户为了获取相应的内容，必须向网络发送一个兴趣包（Interest）以便获取同名数据包（Data），也就是说CCN是一个用户驱动的网络。安全对任何一种网络架构来说，都是不容忽视的一个问题，其中，拒绝服务攻击（DoS）是TCP／IP网络中最为常见的攻击手法之一，这里研究了CCN中常见的DoS攻击，并提出了具有针对性的解决方案。
