采用混合图的双向异质频谱拍卖算法

为了解决频谱稀缺的问题,提高频谱利用率,采用频谱拍卖方法激励主用户（卖家）出售空闲的频谱,次用户（买家）通过在拍卖中获胜得以接入其急需的频谱,提出了一种采用混合图的双向异质频谱拍卖算法(Double Auction based on Mixed Graph for heterogeneous spectrums,MGDA)。该算法使用混合图能够更准确地量化买家之间对于频谱的干扰情况,使频谱交易数量最大化,显著提高了频谱利用率。MGDA还考虑了频谱的异质性,允许买家表达对不同频率频谱的偏好,为不同的频谱建立不同的频谱干扰图。仿真结果表明,MGDA在空间利用率、买家满意度和拍卖收益等方面具有良好的性能,空间利用率比采用无向图的拍卖算法提高5.8%~13.6%。     

一种提高频谱利用率的航空导航台站频率指配算法

针对多个新建航空无线电导航台站高效频率指配问题,根据美国联邦航空管理局（FAA）的频谱管理规范,研究了在已有多台站场景下的频率指配算法。总结了导航台站频率指配的复用干扰和频率配对两个约束条件,给出了提高频谱利用率的频率指配度量准则,设计了单个新建台站的频率指配算法,给出了多台站频率指配的深度优先递归搜索算法。数值仿真结果表明,所提算法在为多个新建台站同时指配频率时,可有效提高频谱利用率。     

MIMO信号检测中软信息计算的简化方法

编码的多入多出（MIMO）迭代接收技术，是一种高频谱利用率、高性能的接收技术。本文对这种迭代接收机进行了分析。为便于硬件实现，利用QAM调制的特性，对MIMO信号检测中的软信息计算提出了简化方法。仿真结果表明，简化方法对系统性能影响很小。     

D2D通信中基于粒子群优化的能效最大化策略

5G中终端的能量消耗和频谱资源问题日益严重，在终端直通技术（D2D）中尤为突出。为了提高D2D对用户（DP）的能效和资源利用率，提出了一种基于粒子群算法的联合功率控制和资源分配策略。以最大化D2D链路总能效为目标，将构造的资源分配矩阵和功率分配矩阵作为粒子的位置，依照蜂窝用户（CU）和DP服务质量的约束来修正粒子位置和速度，使之适合于原分式规划问题的求解，合理地提升了DP的总能效，实现了一个DP链路能复用多个CU资源。仿真结果表明，所提算法不仅使能效显著提升，而且使资源利用率提高了80%。     

一种利用优先经验回放深度Q-Learning的频谱接入算法

针对认知无线传感器网络中频谱接入算法的频谱利用率不高、重要经验利用率不足、收敛速度慢等问题，提出了一种采用优先经验回放双深度Q-Learning的动态频谱接入算法。该算法的次用户对经验库进行抽样时，采用基于优先级抽样的方式，以打破样本相关性并充分利用重要的经验样本，并采用一种非排序批量删除方式删除经验库的无用经验样本，以降低能量开销。仿真结果表明，该算法与采用双深度Q-Learning的频谱接入算法相比提高了收敛速度；与传统随机频谱接入算法相比，其阻塞概率降低了6%~10%，吞吐量提高了18%~20%，提高了系统的性能。     

LTE虚拟MIMO系统中用户正交配对改进算法

第三代合作伙伴计划（3GPP）在长期演进（LTE）上行传输中引入了虚拟多输入多输出（V-MIMO）技术，能够提升频谱效率，改善无线链路传输性能。用户配对是V-MIMO技术必不可少的环节。针对现有的正交配对算法由于不能准确衡量两用户的正交性而导致的性能恶化问题进行了理论分析，并提出更具有一般性的正交性定义。为适应LTE-Advanced上行最大支持4流、下行最大支持8流的特点，结合贪婪思想将正交配对的应用情形由两用户推广至多用户。为了进一步改善系统性能，提出基于范数的贪婪正交配对算法。仿真结果与复杂度分析表明，基于范数的贪婪正交配对算法与穷举的最优算法性能接近，且在计算复杂度上要远低于最优算法，对于V-MIMO技术的发展具有重要意义。     

恒包络MIMO-OFDM系统中的盲载波同步

盲频偏估计不占频谱资源，但性能欠佳。为了提高性能，在盲估计算法中引入多天线，推导出恒包络MIMO-OFDM系统中盲估计的代价函数，充分利用多天线的分集增益来改善性能，仿真表明性能确有明显提高。当子载波满载时，该算法的约束条件之一保护边带将不复存在，估计的频偏只能局限于小数范围内。运用在频域插入少量导频的半盲估计算法，并利用一种导频方案——空载导频，在频率利用率不损失的情况下，扩大了频偏的搜索范围。仿真发现该半盲算法即使在低信噪比下也能很好地估计频偏。     

基于图论的认知无线网络频谱动态分配

在认知无线电网络中，图论与量子遗传算法相结合的频谱分配策略能够提高频谱利用率，但存在早熟和收敛精度不够等缺点。为了解决该问题而实现算法的优化，对图着色理论的频谱分配模型进行数学建模，并针对该模型提出了改进的量子遗传算法。首先，通过使用小生境技术初始化种群，使种群分布更加广泛、算法的收敛度更高；其次，根据进化代数对量子旋转角进行实时动态调整，对染色体进行阈值变异，防止个体陷入早熟，跳出局部解；然后，对干扰约束条件进行重新设计，有效地避免盲目性，提高了网络的公平性和网络效益。仿真结果表明，所提算法有效地提高了频谱利用率，极大地增强了网络系统的性能。     

重叠滤波多音系统的频偏性能分析及优化

重叠滤波多音(O-FMT)是针对滤波多音(FMT)系统频谱利用率低的缺点而根据超奈奎斯特(FTN)概念引入子载波重叠得到的方案。鉴于O-FMT系统在频偏环境下的性能缺陷，理论分析了频偏对系统信号各部分的影响，比较了O-FMT与正交频分复用（OFDM）系统的抗频偏性能。针对频偏性能优化问题，提出了基于最佳线性无偏估计（BLUE）的改进盲估计算法，设计了基于频域滤波器系数的内嵌结构进行频偏补偿。仿真实验表明，O-FMT相比OFDM具有更好的抗频偏能力，改进的盲估计算法估计值精度更高，抗干扰、抗衰落能力更强，设计的频偏补偿结构可以使系统获得更好的性能。     

移动通信中的空分多址技术

在信息时代，人们对通信业务的需求不断增加，这对通信技术提出了更高的要求，空分多址（SDMA）技术由于其在提高系统容量和频谱利用率方面的独特优势而引起了人们的广泛关注。本文从基本概念、信道模型、系统实现和对通信系统的性能改善等几个方面对空分多址技术进行了较为全面的论述。     

频偏稳健的分级调制分类算法

通过对观测样本进行非线性变换,提出了一种基于高阶累积量分级调制分类算法,有效解决 了频偏引起的相位旋转问题。仿真表明,在归一化频偏小于0.2时,算法具有 较好的分类性能。理论分析和仿真结果均证明了算法的正确性和有效性。     

基于旋转不变技术实现多用户交织OFDM频偏估计

本文提出一种针对多用户交织OFDM载频偏移估计的算法。首先介绍上行链路中交织OFDM的信号结构,利用其周期性质,形成特定的数据矩阵,利用旋转不变技术(ESPRIT)实现载频偏移估计。这种估计方法不需要利用任何训练序列或导频信号,进一步提高了系统频带利用率,降低了计算复杂度。仿真表明,该估计算法在信噪比大于零的情况下也能获得较好的频偏估计。     

基于蜜源优化策略的频率分配方法

为解决频率分配问题，提出了一种基于蜜源优化的频率分配方法。首先提出了评估干扰程度的计算方法，对传统人工蜂群算法的引领蜂搜索行为进行改进，并重新设计跟随蜂搜索行为，增加选择性变异操作，以达到增加蜜源多样性以及降低陷入局部最优解可能性的目的。仿真结果表明，所提算法在搜索效率和稳定性上具有明显优势，能够在有效时间内找到满足频率距离约束的频率分配方案。     

基于天线选择和功率分配的联合迭代优化算法

当使用所有天线进行无线数据传输时，大规模多输入多输出（Multiple-Input multiple-Output,MIMO）系统中的基站需要使用与天线数相同的射频链路，导致系统的实现复杂度增加，降低了系统的能效。针对能效降低的问题，提出了一种天线选择和功率分配的联合迭代优化算法。该算法在给定初始发送功率的条件下，随机生成一个天线集合作为内循环的初始值，内循环每次从余下的天线集合中选择一根具有最大能效的天线进行替换，得出最优天线集合，求出相应的最优发送功率，并以此作为下次外循环发送功率的初始值。仿真结果表明，所提算法在降低计算复杂度的前提下，几乎可以达到近似于最优穷举搜索算法的能效性能。     

基于群Monte Carlo的大气噪声二维模型参数估计

为解决多天线最佳接收下的多维非高斯噪声参数估计问题,提出了基于群蒙特卡洛的大气噪声二维模型参数估计方案,通过联合设计蒙特卡洛马尔科夫链和优化重要性重采样算法,实现噪声模型的全局最优参数估计。针对该算法高强度运算需求,在GPU平台上对核心运算作细粒度并行计算处理并优化设计,使运算速度大幅提升,以满足实时处理要求。仿真实验结果表明,该算法迭代收敛快,精度高,各参数估计相对误差普遍小于0.02,最大相对误差可控制在0.05以内,运算速度较传统计算有大幅度的提高,可充分满足低频通信系统中实时计算的要求。     

融合改进FT显著性与Grabcut的图像目标分割算法

针对目前复杂度较大的图像中目标分割速度较慢、显著性边界分割不明确等问题,提出了一种融合改进的FT（Frequency-tuned）显著性检测与Grabcut的图像分割算法。该算法首先通过改进基于频率调谐的FT显著性检测方法得到图像中显著性较高的区域,并利用SLIC（Simple Linear Iterative Clustering）算法对显著图进行预处理得到超像素图,能够有效改善边界的分割效果,然后通过以图论GraphCut算法为基础改进的Grabcut算法建立高斯混合模型。为了提高算法效率,通过聚类以超像素代替原像素,并反复迭代高斯混合模型（Gaussian Mixed Model,GMM）参数,最后利用最大流最小割算法得到最优目标分割结果。实验结果表明所提算法能够更准确更高效率地分割图像中的显著性目标,对高分辨率图像也有很好的适用效果,相比于其他算法在分割精度上提高10%左右,并具有较高的分割效率。     

一种新的极高精度的T_IIN频率估计内插算法

针对多普勒条件下接收端复信号的频率估计难的问题，研究了一种基于离散傅里叶变换与迭代频率估计的内插综合算法。区别于经典的内插算法，新算法在迭代频率内插算法基础上充分利用复数快速傅里叶变换结果的实虚部值，并通过最大峰值频谱和相邻两侧谱线以极高精度内插估计出复信号的频率参数。仿真结果分析表明,在二次迭代条件下信噪比为-10 dB时，该算法估计均方根误差仍能逼近克拉美-罗限的1.002 1倍。该算法在同等条件下比经典的Rife、Quinn和IIN算法具有更高的准确性、稳定性和可靠性。     

多用户MIMO-OFDM系统中一种子载波分配算法

介绍了多用户MIMO-OFDM系统中的Hungarian子载波分配算法，然后针对其计算复杂度过高的缺陷，提出一种局部最优的子载波分配算法，并与Hungarian子载波分配算法进行仿真比较。结果表明，该算法使系统总数据速率仅下降1．7％，而其计算复杂度却大幅减小，提高了资源分配的效率，符合高速无线系统资源实时分配的要求。