酉阵和非酉阵预编码的输出SINR分析

在LTE(Long Term Evolution)的预编码技术中,预编码矩阵存在着使用酉阵和非酉阵的选择。本文分析了酉阵预编码的输出SINR的形式,提出了一种简化计算输出SINR计算的方法,计算4个矩阵(8个矢量)的输出SINR操作复杂度下降到原始方法的18%。同时分析了非酉阵预编码时的输出SINR相比于使用酉阵时的损失。仿真结果表明,非酉阵预编码相比于酉阵预编码在输出SINR上会有损失,这种损失从统计上可以用线性关系近似描述。     

新型数字化脉冲转角传感器设计

介绍新型数字化脉冲转角传感器的设计。利用高分子导电塑料作为敏感材料,核心元件通过特种加工工艺做成电阻码盘,数字信号是由电刷在电阻码盘上滑动得到。电路模块能保证转角测量正反旋转。初步实验表明:传感器可以在360°范围内自由旋转,精度高,工作稳定,寿命长。     

利用一种新LDPC码的编码OFDM系统性能分析

提出了一种新的构造LDPC码的方法, 并把用该方法产生的LDPC码应用到编码正交频分复用(OFDM)系统中进行了研究. 该方法拓展了单位阵移位构造的LDPC码, 它利用简单的不等式可确保在置换单位阵构造中不会产生Tanner图中的短圈, 使得产生的LDPC码的Tanner图最小圈长为8. 由于该类码是准循环码以及其校验矩阵所固有的分层结构, 编码器和解码器都易于实现, 它们分别是线性可编和线性可译的. 所提出的LDPC码码率范围较大, 可以灵活选取. 利用迭代解码进行计算机仿真, 发现新的LDPC码比其他的规则LDPC码在编码OFDM系统中具有更好的性能.     

基于自编码网络模型的风机故障检测研究

为了保障风机的正常运行,提出基于自编码（Autoencoder,AE）的风机故障检测方法。依据法国风机ENGIE公开的风速传感器数据,建立欠完备自编码模型（UAE）、去噪自编码模型（DAE）与收缩编码器（CAE）模型,对风机风速传感器数据进行编码和解码,计算重构误差并设定阈值进行故障检测。用多风机风速传感器数据建立PCA模型并与去噪编码器模型对比。根据ROC曲线与AUC值对比,得出欠完备自编码模型、去噪自编码模型、收缩编码器模型均可用于风机异常检测,且收缩编码器效果最好的结论。PCA模型也可用于故障检测,同时多风机故障检测效果高于单一风机。     

LDPC码在高速移动环境下的编译码实现

为便于硬件实现,选择了一种块状结构的Block-LDPC码。编码算法采用与Block-LDPC码结构相对应的基于近似下三角矩阵的编码算法,这种算法无须改变矩阵结构,便可实现编码。高速移动下的信道模型是一类频率选择性信道现有的信道仿真模型,为便于硬件仿真采用频率选择性确定性信道模型中的多径瑞利衰落信道仿真模型。实验证明了该模型基本符合当前仿真需求。译码算法采用UMPBP_Based算法,不需要信道估计、复杂度较低,特别适合硬件实现。采用上述算法并通过Matlab编程实现了整个编译码平台的搭建。     

多用户MIMO系统预编码技术的研究

在多输入多输出(MIMO)多用户通信系统下行链路中,当发射端知道信道状态特性(CSI)时,即对发射端进行预编码设计,使接收与发射联合处理可获得较好的通信性能。本文着重分析目前MIMO多用户系统下行链路的三种预编码技术,即直接信道求逆的迫零预编码、规范的信道求逆预编码和基于THP预编码。分析了迫零预编码性能不好的主要原因,可以由规范的信道求逆预编码进行改进,并得出非线形预编码THP预编码性能优于前面两种线形预编码。MATLAB仿真结果证明了以上分析。     

货物码盘系统的设计与实现

介绍了一种新型货物码盘系统，阐述了该系统在现代工业生产、货物流通中，对货物进行自动码盘过程的设计与实现，并给出了系统工作流程图、子系统工作流程图和电路控制系统。     

适宜图书馆管理的输入法——四角号码汉字输入法

四角号码汉字输入法以四角号码查字法为基础 ,用 0 -9十个阿拉伯数字代表汉字十种笔形 (数字版 )或英文字母中的十个英文字母代表汉字十种笔形 (字母版 )为输入编码。编码规定单字、词语由四码、五码组成。四角号码查字法对同码字 (重码字 )采用再取右下角 (第四角 )上方一个笔形作”附号”的方法 ,而输入法不采用加”附号”的编码方法 ,但是设计了 10 0个不同的高频字输入简码。对词语的编码是四个号码加词语末位字右下角 (第四角 )一个笔形号码 (离散码 )共五码的编码方法。     

基于MATLAB的线性循环码编码器设计

针对线性循环码的编码理论,以MATLAB软件作为平台,设计了线性循环码编码器。通过MAT-LAB软件的Simulink和GUI分别架构循环码编码器的结构和设计编码器的图形用户界面程序,实现了编码器的编码和码字波形输出,达到了编码器的编码可视化。     

一种基于可学习快速回归量的稀疏编码算法

针对现有的稀疏编码和建模算法计算量太大的问题,文章基于可学习快速回归量来精确近似稀疏码这一思路,提出了全面的结构性稀疏编码和建模算法.首先根据分块坐标算法的迭代,提出一种高效的前馈架构.该架构可以精确近似结构性稀疏码,且复杂性远远低于标准优化算法.其次证明了通过使用不同的训练目标函数,得出的可学习稀疏编码器不仅可以近似给定字典条件下的稀疏码,还可用作全功能稀疏编码器及建模工具.仿真实验结果表明,与当前最新的精确优化算法相比,文中算法的性能基本相当,但运行速度快出数个数量级,更加适用于实时和大规模应用领域.