摘要:在物联网时代，多用户接入系统的设计将迎来巨大的挑战。本文在现有系统基础上提出了一种多用户接入与SLT编码结合的二维喷泉系统。在时间层上对各用户原始信息进行SLT编码，在用户层上各用户通过接入概率竞争传输，从而构成一种二维喷泉形式，该系统充分利用喷泉编码能有效提高信号抗干扰能力。对于采用SLT编码的每个用户，可以简单地使用置信传播译码算法进行译码。仿真结果表明，与已有多用户接入系统相比，本文提出的系统明显能实现更好的吞吐性能，且解决了已有系统译码算法在较高接入概率下性能急剧下降的问题，从而能给更多的用户进行信息传输的机会，在多用户数据传输中有很好的实用性。

摘要:将传统电磁矢量均匀阵列推广为电磁矢量互质阵列，突破了阵元间距不大于半波长的限制。提出了电磁矢量互质阵列中基于降维Capon的波达方向（Direction of arrival，DOA）和极化联合估计算法。该算法无需假设已知极化信息，且只需一维搜索，避免了多维搜索，可实现DOA和极化参数自动配对；与相同阵元数的均匀阵列相比，明显提高了角度估计性能，并拓展了天线孔径，具有相对较高的自由度，且降低了运算复杂度。相同阵列及参数条件下，本文算法的角度估计性能优于ESPRIT算法和三线性分解算法。

摘要:极限学习机是一种随机化算法，它随机生成单隐含层神经网络输入层连接权和隐含层偏置，用分析的方法确定输出层连接权。给定网络结构，用极限学习机重复训练网络，会得到不同的学习模型。本文提出了一种集成模型对数据进行分类的方法。首先用极限学习机算法重复训练若干个单隐含层前馈神经网络，然后用多数投票法集成训练好的神经网络，最后用集成模型对数据进行分类，并在10个数据集上和极限学习机及集成极限学习机进行了实验比较。实验结果表明，本文提出的方法优于极限学习机和集成极限学习机。

摘要:针对低信噪比环境下二相编码（Binary phase shift keying，BPSK）信号的参数估计性能差问题提出了一种新方法。该方法首先对信号进行平滑伪维格纳分布（Smooth pseudo Wigner-Ville distribution，SPWVD）变换得到时频矩阵S_SPWVD（t_m，f_n），再利用最小熵法对得到的时频矩阵进行处理得到BPSK信号载频的较高精度估计。SPWVD变换将BPSK信号相位突变信息转换为时频域内信号载频处的幅度突变信息，通过搜索相邻负尖峰并进一步处理得到BPSK信号的码宽、码率、码数以及编码序列的估计。仿真结果验证了方法的有效性。

摘要:为克服单一状态无法充分体现实际卫星信道传播特性的缺点，本文研究了三状态Markov陆地移动卫星信道的建模方法，首次基于该信道模型进行了误符号率（Symbol error rate，SER）性能仿真。在该建模方法中，每个状态服从不同参数的Loo分布，状态之间的转移服从Markov随机过程。此外，本文还基于该信道模型进行了SER性能仿真，对比了S波段、仰角40°和正交相移键控下中度树阴影和郊区环境的SER，发现SER性能的好坏主要取决于卫星信道直视分量的强弱，当直视分量受到重度遮蔽时，为了补偿SER损失需额外的3~5 dB信噪比。另外，中度树阴影环境相比于郊区环境，为达到相同的SER=0.01的性能，要多消耗约5 dB的信噪比。本文的研究工作有助于研究卫星通信传输技术及其工程应用。

摘要:针对OFDM通信中的多径信道估计问题，本文提出了一种群稀疏信道估计和译码迭代算法。在信道估计中，利用了无线多径信道的群稀疏特性，采用群基追踪降噪算法（Group basis pursuit de-noising，Group-BPDN）算法，提高了信道估计的精度。在译码时，采用软输出的维特比算法，从译码输出中提取可信度大的结果，反馈到信道估计的输入部分，与已知的导频信号一起构成新的已知信号集。这样，通过反馈迭代处理，一方面增加了稀疏恢复时的已知信息，提高了恢复的精度；另一方面，新的已知信号集和已估计出的信道响应可以用来估计噪声功率，提高了噪声环境下稀疏恢复算法的精度。仿真实验证明本文算法提升了信道估计性能，降低了误码率。

摘要:LDPC码编码识别是信道编码识别中的难点。随着LDPC码在通信领域的广泛应用，LDPC码编码识别技术也引起越来越多的关注。针对在低信噪比条件下，现有算法对LDPC码编码参数识别率低的问题，首先利用信道输出的软信息，将编码校验关系映射到对数似然比域，并定义编码校验对数似然比（Check log-likelihood ratio，CLLR）。然后，分析CLLR模值的统计特性，建立CLLR与待识别LDPC码参数之间的联系。最后，充分利用在不同校验矩阵下CLLR统计特性的区别，设计一种综合CLLR均值和方差特征的最大均方比判决器。从仿真结果看，在给定先验编码集合的闭集应用模式下，本文算法明显优于已有算法，识别增益在低信噪比环境下可达2~5 dB。而且对于高码率LDPC码的识别，本算法可以显著提高识别性能。

摘要:在认知无线网络中，认知基站需要进行频谱管理来提升非授权用户的服务质量。基站在寻找频谱空洞分配给非授权用户的过程中，需要做出最好的选择，但极可能是局部最优解，从而造成非授权用户频繁的频谱切换和吞吐率的下降。针对此问题，本文提出基于两步决策与探索的集中式增强学习频谱分配算法。通过设计新型状态动作集，认知基站进行信道分配的两步决策，并应用探索模式，解决认知基站在增强学习过程中探索环境和利用经验进行决策的平衡问题，防止决策的局部最优，提升频谱管理的性能。仿真结果表明，该算法在提升非授权用户吞吐率以及降低频谱切换方面明显优于现有的一些频谱分配策略。

摘要:针对认知无线电系统中主用户信号随机出现与离开时的频谱感知问题，提出了一种新型的能量感知方法：该方法首先假设主用户信号的随机出现和离开服从泊松随机过程，当认知用户准备接入时，该方法先将从待测频段上接收到的样本能量按照泊松离开概率进行线性合并，然后计算相应的判决门限并判断待测频段是否有主用户信号，如果没有则接入并使用待测频段。当认知用户使用频段时，将接收到的样本能量按照泊松到达概率进行线性合并同时计算相应的门限，再判断主用户信号是否随机出现，如出现则退出当前使用频段。仿真结果表明，相比传统能量感知方法，所提新的能量感知方法能够在主用户信号随机出现与离开的情况下有效工作。

摘要:作为一种典型的大数据，数据流具有连续、无限、概念漂移和快速到达等特点，因此传统的分类技术无法直接有效地应用于数据流挖掘。本文在经典的精度加权集成（Accuracy weighted ensemble，AWE）算法的基础上提出概念自适应快速决策树更新集成（Concept very fast decision tree update ensemble，CUE）算法。该算法不仅在基分类器的权重分配方面进行了改进，而且在解决数据块大小的敏感性问题以及增加基分类器之间的相异性方面，有明显的改善。实验表明在分类准确率上，CUE算法高于AWE算法。最后，提出聚类动态分类器选择（Dynamic classifier selection with clustering，DCSC）算法。该算法基于分类器动态选择的思想，没有繁琐的赋权值机制，所以时间效率较高。实验结果验证了DCSC算法的有效和高效性，并能有效地处理概念漂移。

摘要:设备直连（Device-to-device，D2D）通信用户通过复用蜂窝用户的频谱资源可提高频谱利用率和系统的整体通信容量，但复用蜂窝网络频谱资源会带来严重的干扰，影响整体通信质量。针对干扰问题，本文通过建立通信系统模型，研究系统的线性规划问题以及相应的最佳资源分配算法。考虑到最佳算法复杂度较高，本文提出一种启发式算法来分配通信资源，通过遍历D2D对用户与蜂窝用户之间的干扰矩阵找到最小干扰值，分配复用资源给相应的蜂窝用户和D2D对用户。在蜂窝用户都分配到通信资源之后，对D2D对用户进行专用通信资源分配。仿真结果表明，该算法在降低算法复杂度的基础上显著地减小了D2D对用户对蜂窝用户的干扰，能够最大程度地增加D2D对用户的数量。

摘要:在非合作通信中，交织类型识别是进行交织参数识别的前提。针对现有类型识别算法受码长约束且抗误码性能较差的问题，提出了一种适用于RS码的基于归一化秩特征的交织类型盲识别算法，在不需要考虑码长约束的条件下，通过高斯约当消元法对分析矩阵做初等变换，结合所得下三角阵中各列的零值比计算出秩缺矩阵的归一化秩，最后利用分组交织和卷积交织的归一化秩变化规律完成交织器类型盲识别。仿真实验结果表明，本文所提方法可以较好地完成交织类型识别，且具有良好的抗误码性能，运算量较小，可为实际的工程应用提供一些参考。

摘要:针对数据业务可能在中继节点处排队等待发送，不能有效满足业务对时延要求的问题，在译码转发协作通信系统中建立了考虑中继时延的中继选择模型，提出了一种能有效降低数据业务在中继节点处的中继时延的中继选择方法，并进行了性能分析。首先推导了中继时延的概率密度函数，在此基础上通过进一步推导获得了基于所提方法的系统平均容量和中断概率。仿真结果与解析结果高度一致，并且表明：所提中继选择方法在保证传输速率前提下，可有效降低业务在中继节点处的平均时延，提高系统整体性能。

摘要:由于无人机（Unmanned aerial vehicle，UAV）机动性好且部署简单，基于无人机中继的传输技术受到了广泛关注。功率作为通信系统的重要资源，其分配问题直接影响各条链路的性能和整个通信系统的能量效率。本文以莱斯衰落信道为背景，提出了一种在系统能效准则下的无人机中继通信系统的功率分配算法。首先在双跳放大转发（Amplify-and-forward，AF）中继传输模型的基础上建立功率分配的优化模型，将功率分配问题转化为求解最大系统能效的优化问题。在最优功率分配的求解过程中，先固定发射信号功率，获得波束形成优化方案；然后通过大信噪比区间近似，将非凸优化问题转化为凸优化问题；最后利用KKT（Karush-Kuhn-Tucker）条件，计算得出功率分配方案的闭式解。仿真实验表明，本文算法相对于迭代算法降低了算法复杂度。

摘要:数据分块数的选择是并行/分布式机器学习模型选择的基本问题之一，直接影响着机器学习算法的泛化性和运行效率。现有并行/分布式机器学习方法往往根据经验或处理器个数来选择数据分块数，没有明确的数据分块数选择准则。提出一个并行效率敏感的并行/分布式机器学习数据分块数选择准则，该准则可在保证并行/分布式机器学习模型测试精度的情况下，提高计算效率。首先推导并行/分布式机器学习模型的泛化误差与分块数目的关系。然后以此为基础，提出折衷泛化性与并行效率的数据分块数选择准则。最后，在ADMM框架下随机傅里叶特征空间中，给出采用该数据分块数选择准则的大规模支持向量机实现方案，并在高性能计算集群和大规模标准数据集上对所提出的数据分块数选择准则的有效性进行实验验证。

摘要:传统聚类算法由于单机内存和运算能力的限制已经不能满足当前大数据处理的要求，因而迫切需要寻找新的解决方法。针对单机内存运算问题，结合聚类算法的迭代计算特点，提出并实现了一种基于Spark平台的聚类系统。针对稀疏集和密集集两种不同类型的数据集，系统首先采用不同策略实现数据预处理；其次分析比较了不同聚类算法在Spark平台下的聚类性能，并给出最佳方案；最后利用数据持久化技术提高了计算速度。实验结果表明，所提系统能够有效满足海量数据聚类分析的任务要求。

摘要:随着无线电技术的飞速发展和无线电作弊手段的日新月异，考试中利用无线电设备进行作弊的情况也逐年增加。为保证考试的公平性，如何有效地发现和定位无线电作弊信号、建设智慧考场已成当前迫切需要解决的新课题。鉴于此，在室内定位和频谱监测技术的基础上，本文设计了基于深度学习的无线电作弊信号发现与定位系统，系统实现了无线电作弊设备判决、定位、告警、以及移动终端实时显示等功能，为监考人员提供了直观、远程和实时的考场环境的安全情况，为广大考生创造了一个公平的竞争环境。

摘要:介绍了一种便于部署的超声波室内定位系统。通过普通高音喇叭可以发射的20~22 kHz超声波频段，本文实现了基于3个高音喇叭信号源的超声波到达时间差（Time difference of arrival，TDOA）的定位。普通手机通过麦克风采集该频段的超声波，经过信号处理后实现了高精度、低成本的室内定位。本文在定位系统中设计了发射端超声波定位声源的信号结构，并设计了接收端通过频率搜索和基于快速傅里叶变换的频域搜索的同步方法。同时本文还将一种修正秩-1拟牛顿法应用到了基于TDOA的定位场景中，并验证了在使用3个高音喇叭时该算法定位精度与经典的CHAN算法基本相同。实验中本方法采用了不同于以往的40 kHz超声波频段的定位方案，在使用普通手机接收的条件下，各次实验结果误差均低于9 cm。

摘要:针对高效LDPC译码器设计过程中的参数选择问题，提出了针对Turbo译码消息传播（Turbo decoding message passing，TDMP）译码算法的离散密度进化算法。利用这种离散密度进化算法对译码算法中的校正因子及量化精度进行了优化。与传统的通过数值仿真进行优化的方法相比，本文算法效率大大提高，且效果显著。测试结果表明，优化的定点化译码器与纯浮点仿真相比性能只相差0.1 dB左右。在译码器实现结构设计中提出了一种基于分布式RAM的P消息循环存储结构，与传统的基于寄存器和Benes网络的存储器结构相比，资源消耗明显下降。在Xilinx公司的FPGA平台上进行了硬件实现与测试，结果表明与同类译码器相比在资源消耗和吞吐率上均有一定优势，是一种高效的LDPC硬件译码器。

摘要:对电网中电力设备进行实时的温度检测是避免电网设备故障与安全事故的重要手段，采用非接触式的无线测温技术是近年来电力系统向智能化发展的重要体现。针对智能电网的发展需求，设计了一种基于无线射频通信技术的温度检测节点，该节点由温度传感器DS18B20、超低功耗单片机PIC18LF14K50与无线射频收发芯片MRF49XA组成，可实现休眠等待、数据采样处理与无线通信3种工作状态。通过设置不同工作状态下的关键参数，对温度检测节点的平均功耗进行测试比较，总结归纳了节点功耗规律。在此基础上，为温度检测节点设计了一种基于LTC3588-1芯片的自供电电源管理单元，采用成熟可靠的感应电流取能技术满足温度检测节点的自供电需求。研究表明，当节点处于充满电状态时，一旦切断能量源，节点仍能持续稳定工作47 h，足以维持温度检测节点的正常工作直至电网恢复正常运行。