【摘 要】
：
无线通信行业的飞速发展,人们更加看重获取信息的质量,对通信速率和质量也提出了更快捷、更准确的要求。在第五代无线通信系统中,如何改善通信的性能提高频谱效率一直是众多研究学者们探讨的焦点问题。索引调制(Index Modulation,IM)是一种可以很好提升系统效率和性能的多维度技术,现已成为一个热门的话题。近些年,针对正交频分复用(Orthogonal Frequency Division Mul
论文部分内容阅读
无线通信行业的飞速发展，人们更加看重获取信息的质量，对通信速率和质量也提出了更快捷、更准确的要求。在第五代无线通信系统中，如何改善通信的性能提高频谱效率一直是众多研究学者们探讨的焦点问题。索引调制(Index Modulation，IM)是一种可以很好提升系统效率和性能的多维度技术，现已成为一个热门的话题。近些年，针对正交频分复用(Orthogonal Frequency Division Multiplexing，OFDM)系统，通过载波实现索引调制技术被发现，取得一些好的研究效果。该技术有着较好的能量效率，但频谱效率还有待提升。多模OFDM-IM技术(Multiple-Mode OFDM-IM，MM-OFDM-IM)是一种新型的索引OFDM系统，通过使所有载波活动，发射不同模式的信号星座符号来附带额外的信息，从而改善系统频谱效率。
本文以OFDM和索引技术为背景，首先详细的介绍了OFDM-IM系统，研究了如何通过索引技术改善系统性能。然后详细的研究了多模索引调制系统，并对接收机检测算法进行了详细的理论研究，提出一种复杂度较低的次优检测算法。最后，为了改善OFDM系统性能，提出了编码多模的索引调制系统，并详细的研究了系统调制模型和接收机检测算法。通过Matlab仿真来衡量编码多模索引调制系统和传统OFDM系统的性能。仿真结果表明，相对于传统的OFDM系统，在中高信噪比下，编码多模索引调制系统确实能获得性能上的增益。
其他文献
随着移动通信技术的飞速发展，人们对基于位置的服务(Location Based Services，LBS)需求日益增长。相比已经成熟的室外定位技术，室内定位在精度、成本、抗干扰等方面有更高的要求。目前最常见的基于接收信号强度(Received Signal Strength Indication，RSSI)的室内定位算法易受室内障碍物、信号多径效应等的影响，使得基于RSSI路径损耗公式计算得到的距
图像块包含图像局部信息且处理过程计算量小，因此基于图像块相似度的方法在图像处理领域应用广泛。考虑到在大多数图像处理任务中图像块相似度度量过程未充分考虑图像块的结构信息，本文采用深度学习中的深度神经网络(Deep Neural Network，DNN)与卷积神经网络(Convolutional Neural Network，CNN)方法提取图像块中包含结构信息的特征，并研究如何构造更有效的图像块相似
在导航服务、移动社交、公共安全以及智慧城市建设等领域中,位置信息的确定成为人们获取泛在服务的重要元素。得益于北斗等卫星系统的全球化部署,室外目标定位已经成为应用范围较广且相对成熟的位置信息来源,然而,卫星信号的遮蔽敏感性导致其无法为室内目标定位提供有力的保障。为此,无线室内定位技术便成为当前网络通信领域的研究热点之一。基于Wi-Fi信号的方法已经在室内定位领域有了多年的研究积累,然而,在大型商超、
半导体行业依旧遵循摩尔定律在高速发展,相应的通信技术亦有了长足的进步,每时每刻都有海量的信息在互联网上进行存储与交互。然而,近年来信息泄露问题频频出现,信息安全问题的重要性日益凸显出来。混沌系统以其独特的动力学行为特性与加密系统设计的两个基本原则“混淆”和“扩散”相符合而在信息安全领域大放异彩。然而,将存在于实数域的混沌系统用数字电路来实现时,发现其最终会坍塌到有限域上,出现短周期和多周期等动力学
随着移动计算和物联网技术的迅速普及,人们对位置导航的需求迅速增加。北斗卫星导航系统(Bei Dou Navigation Satellite System,BDS)、全球定位系统(Global Positioning System,GPS)等可以在室外提供良好的定位保证,然而因建筑物遮挡等原因无法服务于室内定位。无线局域网(Wireless Local Area Networks,WLAN)现已大
图像在人类的社会发展、信息存储、认知学习中发挥着不可或缺的作用,但受到采集硬件设备及网络传输等限制,往往使收集到的图像分辨率不高,利用效果一般。而高分辨图像具有的更多细节信息能够带来更多的帮助,因此,图像超分辨重建技术便应运而生。图像超分辨重建是指在不升级硬件的条件下,从计算机数字技术出发,利用软件提升图像的分辨情况。该技术目前在公安、医学、航空、艺术等多个方面取得了广阔的发展。因此,本文在现有的
高光谱遥感技术快速发展并被广泛地应用于各个领域。然而,由于高光谱图像的空间分辨率通常是数米或数十米,而实际地物确具有复杂的空间分布,从而导致一个像元内包含多种地物,就形成了混合像元。混合像元的存在会影响到高光谱图像的实际应用,而混合像元分解是一个行之有效的方法。随着高光谱混合像元分解研究的不断深入,真实高光谱图像中的先验知识是可以获得的,而且高光谱数据中含有大量的二维空间信息,表现出了丰富的空间相
图像匹配主要原理是对两幅图片的特征描述子进行匹配计算,如果距离小于预定值,则判定为同一场景。本文对所用到的图像进行了预处理,基于尺度不变特征变换(Scale Invariant Feature Transform,SIFT)算法着重研究了特征点的聚类、检索、匹配,并将其应用在视觉定位中。本文提出基于SIFT的改进图像匹配算法。主要针对SIFT算法对图像进行特征点提取时由于数据库图像较多,每幅图片的
数字化图像是我国网络通讯的重要载体,它在多媒体、电子和网络通讯中扮演了广泛的角色,并且在通讯、医疗等各个方面起到了很大的作用。因此,对于图像加密技术的探索和研究,已经成为安全领域的重要课题。由于图像中的相邻像素之间冗余程度高、数据容量大,当利用传统的图像加密方法进行加密时,其加密效率较低,所以此类方法不适合应用于数字图像的加密。混沌系统以及DNA计算具有的特性,使其恰好适合于图像加密。本文基于目前