【摘 要】
:
随着无线通信技术的蓬勃发展和广泛应用,人们对信息的高效可靠传输提出了更高的要求。无线通信系统中始终面临的一个关键问题是如何在信道条件不断地随着时间变化的情况下实现一种具有高吞吐率的通信协议。与固定码率编码方案不同,无码率码能够根据干扰情况自适应地调整传输的编码符号数量,而无需对信道质量进行估计或对码率进行显式调整。在面对快速变化或无法估计的信道时,无码率码的优势更为显著。作为一种无码率码,Spin
论文部分内容阅读
随着无线通信技术的蓬勃发展和广泛应用,人们对信息的高效可靠传输提出了更高的要求。无线通信系统中始终面临的一个关键问题是如何在信道条件不断地随着时间变化的情况下实现一种具有高吞吐率的通信协议。与固定码率编码方案不同,无码率码能够根据干扰情况自适应地调整传输的编码符号数量,而无需对信道质量进行估计或对码率进行显式调整。在面对快速变化或无法估计的信道时,无码率码的优势更为显著。作为一种无码率码,Spinal码编码结构简单,并且理论上已证明Spinal码在BSC信道和AWGN信道下均能逼近信道容量。本文针对Spinal码的序列译码算法进行研究。为了减少译码时间,提高译码效率,本文提出了一种带有返回搜索层数限制的非量化费诺译码算法。该算法通过在非量化费诺译码算法的基础上增加最大返回搜索层数限制,在译码器返回层数达到最大限制时降低门限,避免译码器在码树中反复前后移动,使得译码算法能够尽快收敛,在更短时间内得出译码结果。相较于改进的非量化费诺序列译码算法、Bubble译码算法以及前向堆栈译码算法,新的译码算法在不影响码率性能的条件下提高了译码效率。此外,本文在前向堆栈译码算法的基础上,提出了一种能够自适应地根据噪声干扰情况调整码树分层大小的动态分层的前向堆栈译码算法。该算法可以根据候选节点存储空间中节点的度量值信息动态地调整分层大小,从而更好地适应信道条件的变化,在受不同程度噪声干扰的情况下提供更优异的译码性能。与前向堆栈译码算法相比,新的算法有着更低的计算复杂度和更高的吞吐率。最后,为了进一步提升Spinal码的码率性能,本文设计了一种多分段的Spinal码编码结构,并在此基础上提出了并行的非量化费诺译码算法。分段后,各个分段内部的编码符号相互独立,发送端整合多个分段产生的编码符号一起进行传输。译码过程将由多个译码器从各个分段的初始状态开始构建独立码树。新的方案同时结合了短码的低复杂度以及长码的传输效率。结果表明,在多分段的编码结构下,并行的非量化费诺译码算法能够以更低的复杂度实现更高的码率性能。
其他文献
物联网旨在实现万物互联,提供无处不在的服务,支撑着智慧城市、智能家居、工业控制等领域。海量物联网数据接入和分布式服务提供是其广泛应用的核心技术。针对物联网海量设备差异化、通信协议多样化、数据格式私有化、服务提供组合化等导致了物联网数据接入复杂度高、服务组合提供难度大的问题,本文聚焦于异构物联网数据的快速接入和多域物联网服务组合提供方法,设计并实现了物联网平台数据接入和服务提供系统。针对海量异构设备
合成孔径雷达(SAR)作为一种主动式的对地观测系统,可安装在飞机、卫星、宇宙飞船等飞行平台上,全天时、全天候获取遥感数据,分辨率高,且穿透力和存活力极强,因而被广泛应用于军事和民用领域。作为一种独特的侦察手段,SAR在军事领域最主要的应用是实现对特定军事目标的检测和识别,推动军事战场的信息化、现代化以及高效化。因此如何实现SAR图像目标识别具有重要的理论和实践意义。近年来,计算机硬件性能飞速提升,
随着科技水平的发展,水下探测已经成为世界范围内一项重要的科学探测工作。水下光学成像是开展水下科探的重要手段之一,其图像质量是影响探测成效的关键因素。然而,复杂的水体环境致使水下物体成像时受悬浮颗粒吸收和散射作用影响,形成模糊的边界与较低的对比度,水中物体难以被辨认,同时呈现不同程度的蓝绿色偏,不能反映水下物体的真实样貌,也为后续一些图像处理高级任务带来困难。水下图像复原处理能够提升这类图像的清晰程
恒虚警率处理作为雷达系统中实现自动目标检测的重要技术手段,是当今雷达信号处理领域中不可或缺的一部分。雷达工作的电磁环境随着军用、民用无线电技术的快速发展和应用而变得日益复杂,其对目标检测方法的性能要求也在不断提高。最早被提出的经典恒虚警率处理方法由于不具备自适应的特性,在复杂的背景环境中往往无法保持良好的检测性能。因此,如何根据参考单元的样本特性自适应的计算检测门限就成为了恒虚警率方法研究的主要方
随着信息时代的逐步发展,人们对图像分辨率的要求也越来越高。由于通过改进硬件提升拍摄图像分辨率的方案成本较高且存在瓶颈,人们对已获取的图像分辨率也有提升需求,因此,超分辨率重建技术通过使用数字信号处理的方法提高图像分辨率,获得了国内外学术界与商业界的极大关注和深入研究。基于深度学习的图像超分辨重建方法是近年来新兴的一类方法,此类方法主要使用卷积神经网络从大量的低分辨率-高分辨率图像对中学习二者间的映
目标检测与跟踪是计算机视觉领域的研究热点,随着技术的高速发展,逐渐应用到了生活、军事等各个领域。尽管已经有很多优秀的算法被提出,但在实际应用场景中,对检测算法的实时性要求较高,而且尺度变化、遮挡等因素会对跟踪算法造成较大的影响,目标检测与跟踪技术依然存在很大挑战。本文主要研究了基于深度学习的目标检测算法和基于核相关滤波的目标跟踪算法,针对存在的问题做出了相应改进。主要内容与改进工作如下:对基于深度
随着社会的不断发展和人们生活水平的日益提高,人们开始更加重视人类自身的身体属性在科技进步中的重要性,利用人体姿态提取技术开发相关的应用技术以及分析海量的图像、视频数据已经成为了当今互联网发展的主流趋势。而单人姿态估计作为人体姿态提取技术的基础,自然成为了众多领域的基础技术。人体姿态的关节点相比于其他任务,尺度较小,对遮挡以及模糊非常敏感,因此算法在设计过程中对精度和鲁棒性都有非常高的要求,目前的单
雷达信号处理是通过对雷达回波数据进行分析和处理来获得感兴趣目标的速度、角度和高度等有用信息的一种处理方式。由于雷达的接收回波数据中会存在着大量的强杂波干扰,这会严重影响雷达对感兴趣目标的检测、定位、跟踪及识别等性能。为了降低杂波对雷达目标探测性能的影响,需在对复杂环境中杂波特性研究的基础上,再通过设计性能良好的滤波器来抑制杂波对雷达目标探测的影响。因此,杂波的参数估计和杂波抑制滤波器的设计方式是实