导读:本文包含了信道重建论文开题报告文献综述及选题提纲参考文献，主要关键词:分析模型,信道感知,信道重建,自适应传输方法
信道重建论文文献综述
焦春旭[1]（2018）在《移动信道分析、感知、重建与多天线自适应传输方法》一文中研究指出运载技术经过了多年的技术演进,如今再一次进入了蓬勃的发展期。高速轨道列车、低空智能无人机、无人驾驶汽车等类似的移动终端不胜枚举,而它们的移动速度更是有了明显的提升。毫无疑问,这些在数量和速度上不断提升的移动用户终端迫使我们重新审视用户移动性对通信系统性能的影响,并在此基础上设计新型自适应传输方法,以应对现有多天线(Multiple-Input Multiple Output,MIMO)通信系统所面临的严峻挑战。设计移动信道下的多天线自适应传输方法需要多方面的深入研究,本论文将重点关注两个方面,即移动信道的分析与感知。具体来讲,分析是指针对移动信道的合理分析模型,包括干扰模型、信道空时相关性模型等。无线通信系统通过对移动信道的合理分析,加以用户移动状态的感知结果,调整发送与接收参数,继而弥补因移动性造成的损害并改善系统性能。另一方面,感知是指针对移动信道的高效感知方法,感知对象包括影响信道状态的障碍物位置、空间传输参数等。利用感知结果,无线通信系统直接进行移动信道的重建,免去频繁的信道估计过程,从而在保证精确性的基础上大幅降低频谱开销。通过以上对移动信道的合理分析、高效感知与有效重建,我们在这篇论文中针对多种移动场景设计了高鲁棒性的多天线自适应传输方法,主要贡献如下:1、移动蜂窝系统干扰模型与容量分析及多天线自适应传输方法。考虑用户以不同速度随机移动的多入多出正交频分多址(Orthogonal Frequency Division Multiple Access,OFDMA)系统。在这样的多用户蜂窝环境中,移动性不仅会造成用户间的子载波间干扰(Inter sub-Carrier Interference,ICI)而且会导致信道老化(channel aging),这使得信道估计与数据传输阶段都遭遇了严重的性能下降。经过深入研究,我们首先利用子载波间干扰模型分析得到了用户移动性与子载波间干扰功率、信道老化程度之间的关系,并顺势计算出因子载波间干扰和信道老化造成的多用户干扰,求得其关于用户移动性的闭式表达式。基于以上结果,我们进一步推导出多入多出正交频分多址系统的上行和速率,刻画了系统和速率随用户移动性的变化趋势。最后,我们设计了通过调整导频百分比优化系统和速率的移动自适应传输方法,并通过仿真验证了所提出方案的有效性。2、线性高移动信道空时相关性建模与多天线自适应传输方法。在此工作中,我们受到高速列车固有的线性移动特性的启发,发现基站与列车多天线阵列间的信道呈现出一种独特的空时二维相关性。基于这种相关结构,我们得以跳出快衰落信道的限制,设计出一种适应于高速列车通信的新型差分空时调制(DifferentialSpace-Time Modulation,DSTM)方案。它不需要进行信道估计,因此极大地降低了高移动场景下的信道估计开销。经过细致的理论分析,我们进一步得到了上述方案的成对差错概率(Pairwise ErrorProbability,PEP)上界。与传统的差分空时调制方案相比,所提出的方案在高移动情形下贡献了可观的性能增益。为了进一步提升系统性能,我们设计了通过调整发送码块长度来最小化误符号率的低复杂度移动自适应传输方法。理论与仿真结果表明,所提出方法的性能要明显优于现有方案。3、毫米波场景感知、信道重建与自适应波束成形传输方法。为了满足人们日益增长的通信需求,毫米波技术受到了越来越多的关注。它不仅开放了大范围的频谱资源,而且还通过波束成形提供了极高的传输增益。业界普遍认为,毫米波将会在未来的5G及后续的通信标准中扮演举足轻重的角色。尽管如此,目前的毫米波技术仍不成熟,在移动宽带应用中面临着一系列的挑战,而其中之一就是信道估计的开销问题。为此,我们设计了基于场景感知与信道重建的毫米波通信系统。它首先通过毫米波雷达探测并感知周围场景,然后利用感知结果快速重建室内任意空间位置处的毫米波信道。相比于传统的基于码书的信道估计方法,所提出的方案不仅提高了准确性而且避免了因用户移动造成的信道重复估计问题。最后,我们设计了基于以上重建信道的自适应波束成形算法,有效提升了毫米波系统的传输速率。(本文来源于《浙江大学》期刊2018-06-11）
左登,符冉迪,周颖,纪念[2]（2018）在《面向有限带宽信道的字典学习图像超分辨率重建》一文中研究指出固定邻域回归(ANR)算法采用K层奇异值分解(K-SVD)算法进行字典训练,在字典学习过程中存在稀疏表示系数不准确的问题,导致重建的结果不理想.因此,引入一种改进的K-SVD算法对字典进行训练,该算法对字典训练改变了传统K-SVD算法更新稀疏表示系数的方式,使得稀疏表示系数更加准确,而且加快了字典的收敛速度,使得训练得到的字典具有更好的稀疏表达能力.同时,针对ANR算法的不足,提出一种面向有限带宽信道基于字典学习的图像超分辨率方法,该方法采用改进的K-SVD算法训练字典对{Φ_h,Φ_1},并将其应用到ANR算法中,实现图像的超分辨率重建.实验结果表明,本文提出的方法不仅能够保持ANR算法快速重建的优势,而且提高了图像的重建质量,具有更高的峰值信噪比和结构相似度.(本文来源于《宁波大学学报(理工版)》期刊2018年03期）
喻杨灿,卿粼波,欧先锋,何小海,余艳梅[3]（2014）在《误码信道中分布式视频编码优化重建算法》一文中研究指出针对分布式视频编码在误码环境下部分比特面解码失败,单一区间重建导致视频质量下降的情况,提出了一种多量化区间优化重建算法。该算法充分利用所有连续或不连续的正确解码比特面进行重组,从而得到多个候选的量化区间,并根据边信息与这些区间的位置关系找出最佳的解码区间。相较于传统的单一区间的重建算法,在误码环境中该算法可以更准确地重建出正确解码值。实验结果表明,所提出的算法性能明显优于单一区间的重建算法,在错误比特面错误率相同时,所提算法解码视频的峰值信噪比最大分别有1.2 dB和3.0 dB左右的提升。(本文来源于《电视技术》期刊2014年09期）
苏天择[4]（2012）在《基于压缩感知的OFDM系统信道估计中重建算法》一文中研究指出论文就压缩感知技术在正交频分复用(Orthogonal frequency division multiplexing,OFDM)系统稀疏信道估计中的应用进行研究。在分析正交匹配追踪(Orthogonal matching pursuit,OMP)、压缩采样匹配追踪(Compressive sampling matching pursuit,CoSaMP)、正则正交匹配追踪(Regularized orthogonal matching pursuit,ROMP)这3种压缩感知重建算法的基础上,依据3种算法的均方误差(Mean square error,MSE)和误比特率(Bit error rate,BER),提出性能较优方案。(本文来源于《信息化研究》期刊2012年06期）
邓涛,陈晔,焦晓亮[5]（2011）在《基于数字信道化的信道检测与信号重建技术》一文中研究指出针对宽带雷达信号信道化接收的失真问题,提出了一种信号重建方案。利用瞬时测频技术改进了跨信道信号的检测方法,根据子信道信号的瞬时频率分布来决定是否需要信号重建,分析了信道化与重建系统原型滤波器需要满足的条件,建立了系统的高效模型。仿真结果表明该系统能够准确恢复原信号的特征。(本文来源于《舰船电子对抗》期刊2011年06期）
王芳,黄振,陆建华[6]（2011）在《高效非均匀数字信道化及信号重建技术》一文中研究指出针对宽带接收机接收信号多,且信号在频谱上呈现非均匀分布的情况,提出了基于多相离散傅里叶变换(DFT)滤波器组和信号重建的高效非均匀数字信道化的设计方法。该数字信道化结构由分析和综合两部分组成,采用同一组原型滤波器系数,通过对原型低通滤波器的优化设计提高其带外衰减性能,以利用平行结构正交镜像滤波器组重建信号。与常用的并行数字下变频、多级多相DFT滤波器组两种非均匀数字信道化方法运算量比较,该方法在信号重建失真很小的情况下具有高效性和可行性。(本文来源于《电讯技术》期刊2011年05期）
吴培荣,王昭辉,蔡惠智,刘云涛,张秋生[7]（2010）在《基于稀疏信道重建技术的相邻多目标序贯检测算法研究》一文中研究指出为进行强目标相关旁瓣干扰下的相邻弱目标检测,采用稀疏重建理论进行多目标方位估计。高信噪比情况下,由方位估计结果即可完成目标检测;对于低信噪比弱目标回波,为提高系统检测能力,结合方位估计结果,提出了两种检测算法,前者类似于传统CLEAN算法,从能量角度进行目标检测;后者则利用相关函数能量集中于主瓣的特点,通过计算将目标方位估计结果中非零元素置零前后匹配滤波峰值的差值,采用Page-test序贯检测器进行多目标检测。仿真和试验数据处理结果表明,相同检测概率下,第二种方法具有更加优良的弱目标检测性能。(本文来源于《声学学报》期刊2010年03期）
杨恒[8]（2009）在《数字信道化与重建及相关技术研究》一文中研究指出现代电子战的环境越来越复杂多变,传统接收机受到硬件等条件的制约,难以很好地适应新的需求。软件无线电构造了一个通用的、标准的、具有良好可扩展性的硬件平台,仅需要对软件进行重编程和重配置就能满足多种不同的应用需要,具有巨大的商业和军事价值。本文结合具体的项目,进行了一系列研究,主要内容安排如下:1.深入研究了数字信道化与重建系统,在保留数字信道化同时接收处理多个信号的优点的基础上,通过重建处理减少了带宽大于子信道频带宽度的信号经信道化接收后由于抽取和相邻子信道滤波器过渡带交迭引起的混迭失真,增强了数字信道化技术的适应性。首先介绍了数字接收的基本理论:采样理论、数字下变频和多速率信号处理。在此基础上推导并建立了数字信道化与重建系统的数学模型。然后针对该系统的特性,对采用由不同的原型数字滤波器构造的系统性能进行了分析和比较。详细讨论了减少宽带信号信道化接收时的混迭失真以及误码率的有关方法。通过对重建效果的比较,以及对解调后的接收信号的误码率等情况的仿真分析,证明了文中采用的通过分析滤波器组得到综合滤波器组进行重建处理的方法能够减少宽带信号信道化接收时的混迭失真,较为准确地实现宽带信号的重构恢复。在此算法的基础上利用C语言实现了其系统软件。2.介绍了A/D采样的关键性能对数字接收的影响。着重讨论了A/D器件的孔径抖动,信号中频频率对量化信噪比的影响。从理论上推导出了它们相互之间的关系公式。通过仿真验证了其正确性,为减小孔径抖动的影响提供了有益的帮助。3.在阵列信号处理中,信道间幅相误差会影响其处理性能。因此研究了误差产生的原因,对几种校正方案进行了比较分析,根据系统特点采用了一种基于时域比较法的校正方案,并利用FPGA实现了其功能。通过数据位扩展提高了校正精度,采用流水线处理提高了效率,达到了设计要求。(本文来源于《电子科技大学》期刊2009-04-01）
王剑,杨知行,潘长勇,王军[9]（2007）在《TDS-OFDM对信道频谱零点的重建》一文中研究指出当无线传输信道出现频谱零点,正交频分复用(OFDM)系统会出现严重的性能恶化。针对信道频谱零点带来的性能恶化问题,现有的OFDM系统采用信道编码和交织来恢复丢失的数据。为时域同步OFDM系统提出一种低复杂度的信号重建方法,该方法不需要对现有的时域同步OFDM发射机作任何额外的修改,完全在OFDM接收端进行,在均衡过程中重建因信道频谱零点而丢失的数据,并且其计算复杂度只与快速Fourier变换相当。计算机仿真证明,新方法的应用使时域同步OFDM系统的性能显着提升,大大优于现有的重迭相加均衡方法。(本文来源于《清华大学学报(自然科学版)》期刊2007年04期）
孙建成,张太镒,刘枫[10]（2005）在《基于重建相空间的衰落信道非线性预测算法》一文中研究指出基于多径快速衰落信道所具有的混沌行为,利用坐标延迟,重建系统的相空间和混沌吸引子,从而获得比标量时间序列更多的系统信息,另外从非线性动力学的角度讨论了快速衰落信道的可预测性,并根据混沌吸引子的稳定性和分形性,提出了非线性快速衰落信道的预测算法,通过引入加权函数,平衡了预测点的邻域对于预测所提供的信息。最后对65.9毫秒的数据进行了预测,仿真结果表明该算法适于进行较大时间范围的预测,预测性能高于无加权预测算法,在信噪比大于15dB时,预测结果可以接受。(本文来源于《电波科学学报》期刊2005年02期）
信道重建论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
固定邻域回归(ANR)算法采用K层奇异值分解(K-SVD)算法进行字典训练,在字典学习过程中存在稀疏表示系数不准确的问题,导致重建的结果不理想.因此,引入一种改进的K-SVD算法对字典进行训练,该算法对字典训练改变了传统K-SVD算法更新稀疏表示系数的方式,使得稀疏表示系数更加准确,而且加快了字典的收敛速度,使得训练得到的字典具有更好的稀疏表达能力.同时,针对ANR算法的不足,提出一种面向有限带宽信道基于字典学习的图像超分辨率方法,该方法采用改进的K-SVD算法训练字典对{Φ_h,Φ_1},并将其应用到ANR算法中,实现图像的超分辨率重建.实验结果表明,本文提出的方法不仅能够保持ANR算法快速重建的优势,而且提高了图像的重建质量,具有更高的峰值信噪比和结构相似度.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
信道重建论文参考文献
[1].焦春旭.移动信道分析、感知、重建与多天线自适应传输方法[D].浙江大学.2018
[2].左登,符冉迪,周颖,纪念.面向有限带宽信道的字典学习图像超分辨率重建[J].宁波大学学报(理工版).2018
[3].喻杨灿,卿粼波,欧先锋,何小海,余艳梅.误码信道中分布式视频编码优化重建算法[J].电视技术.2014
[4].苏天择.基于压缩感知的OFDM系统信道估计中重建算法[J].信息化研究.2012
[5].邓涛,陈晔,焦晓亮.基于数字信道化的信道检测与信号重建技术[J].舰船电子对抗.2011
[6].王芳,黄振,陆建华.高效非均匀数字信道化及信号重建技术[J].电讯技术.2011
[7].吴培荣,王昭辉,蔡惠智,刘云涛,张秋生.基于稀疏信道重建技术的相邻多目标序贯检测算法研究[J].声学学报.2010
[8].杨恒.数字信道化与重建及相关技术研究[D].电子科技大学.2009
[9].王剑,杨知行,潘长勇,王军.TDS-OFDM对信道频谱零点的重建[J].清华大学学报(自然科学版).2007
[10].孙建成,张太镒,刘枫.基于重建相空间的衰落信道非线性预测算法[J].电波科学学报.2005