水源地突发水污染政府应急预留水量需求预测

近年来,随着工业化和产业化的快速发展,水源地突发水污染事件频发。为应对紧急情况下的水资源非常规需求,保障经济社会稳定发展,政府需要安排一部分应急预留水量。如何合理预测政府应急预留水量的规模是一个值得探讨的课题。提出了一种基于案例推理技术的政府应急预留水量需求预测方法,具体思路是:借助于案例库,利用主成分分析法从众多影响水源地突发水污染事件的因素中提取出两两不相关的因子,以此作为案例的特征属性,基于加权曼哈顿距离测算相似度,依此得到匹配案例,进而测算政府应急预留水量。以太湖流域常州地区水源地为例,进行政府预留水量需求量的预测与分析。该方法可以为政府应急预留水量的配置、储备等提供相关理论知识。     

一种适用于强脉冲噪声下的对数型恒模盲均衡算法

针对脉冲噪声下恒模算法(Constant Modulus Algorithm,CMA)失败的问题，通过分析脉冲噪声的影响，提出了一种基于最小均方（Least Mean Square,LMS）准则的对数型恒模算法（Logarithmic-type CMA,LT-CMA）。LT-CMA利用对数函数的非线性变换特性自适应地抑制强脉冲噪声对误差函数的影响，并且利用l2-范数进行信号归一化处理以增强算法的稳健性。仿真结果表明，所提出的LT-CMA可以适应于高斯噪声环境和脉冲噪声环境；与经典自适应均衡算法相比，在收敛速度和稳健性两方面上，所提出的LT-CMA都有显著的提升。     

利用信道状态信息的室内定位技术

多径效应导致基于信号接收强度（RSSI）的室内定位方法精度不高，采用更细粒度的物理层信道状态信息（CSI）可以区分不同路径，提高定位精度。在已有基于CSI室内定位方法的基础上，通过改进对数距离路径损耗模型，得到CSI与传输距离的关系，并结合目标位置所测得的CSI值回归出目标与发射端的距离，最后通过三边定位法预测出目标的位置坐标。实验表明，相比基于RSSI的定位方法以及已有的基于CSI的定位方法，所提方法2 m以内的误差概率提高了将近40%和20%，有效提高了定位精度。     

认知型飞蜂窝网络中的子信道分配与功率控制

为了解决宏蜂窝与飞蜂窝构成的两层异构网络上行干扰与资源分配问题，提出了一种在认知型飞蜂窝的双层异构网中结合子信道分配和功率控制进行资源分配的框架。通过对异构网中跨层干扰问题进行分析与建模，将求解最优子信道分配矩阵和用户发射功率矩阵作为干扰管理问题的解决方法。模型中认知型飞蜂窝网络子信道和飞蜂窝网络用户构成非合作博弈，双方利用效用函数最优值进行匹配，构成初始信道分配矩阵；再由接入控制器根据接入条件从初始信道分配矩阵中筛选用户，并优化接入用户的发射功率矩阵，得到最优子信道分配矩阵和功率矩阵。仿真结果表明，优化框架提高了双层异构网络中飞蜂窝网络用户的吞吐量和接入率，降低了异构网中跨层干扰。     

单频网多播系统中的开环半动态功率分配算法

在单频网多播传输中，传统的全反馈动态功率分配数算法需要根据每个时隙反馈的用户瞬时信道信息进行实时的调整，所以造成了资源分配频率快、上行反馈开销大的缺点。为了克服这个缺点，提出了一个低复杂度、没有用户反馈的单频网多播开环半动态功率分配算法。首先在各小区等功率分配的假设下，根据单频网的形状信息算出各小区等价信道增益，然后再根据这个增益值，实现满足速率需求情况下的各小区功率分配。仿真结果显示，与全反馈的动态功率分配算法相比，该算法以一小部分性能损失为代价，大大减少了单频网的上行反馈和资源分配的开销，因此更适用于实际的单频网多播系统。     

基于Kronecker法的MIMO信道模拟及硬件实现

针对多输入多输出（Multiple-Input Multiple-Output,MIMO）无线通信系统，在基于Kronecker 的MIMO信道模型中综合考虑了路径损耗、阴影衰落和多径衰落等因素，实现了基于现场可编程门阵列（Field Programmable Gate Array，FPGA）的MIMO信道模拟器，并分析了硬件设计方案以及MIMO信道模拟的实现方法。实测结果表明，设计的MIMO信道模拟器可以模拟瑞利衰落、莱斯衰落以及阴影衰落等常见的信道衰落类型，能够应用于3GPP、COST-207等标准信道模型的复现。该模拟器可作为无线通信系统研究的测试设备，辅助通信系统研究的算法验证、方案优化以及性能分析。     

一种带辅助译码比特的Polar码译码方法

在传统的Polar码译码的基础上，引入辅助译码比特，构造了一个辅助的Polar码字以提高译码性能。辅助比特由信道选择辅助窗口内的信息位决定。接收端如译码失败，将进行二次译码尝试。译码方案分两阶段进行：基于相同结构的扩展生成矩阵，将辅助译码比特译出；结合译出的辅助比特，对原码字进行译码，提高译码成功率。仿真结果显示，使用所提方法进行译码，其译码性能明显优于普通串行抵消译码方法；与两种传统的自动重传请求方案相比，能分别获得1 dB和1.9 dB的性能增益。     

大规模MIMO系统中基于CNN的延迟CSI反馈改进算法

在大规模多输入多输出（Multiple-Input Multiple-Output，MIMO）系统中，基站根据用户反馈的信道状态信息进行自适应编码调制以提高频谱效率，因此需要将用户侧估计到的信道状态信息反馈到基站。由于反馈过程存在的延迟会降低系统性能，因此在考虑延迟的情况下，对基于深度学习的信道状态信息自编码器CsiNet进行改进，使用下行信道的延迟状态信息作为信道状态信息自编码器的期望输出信号来对自编码器进行训练，减少了反馈延迟误差的影响。仿真结果表明，在延迟为1时隙时，所提方案的归一化均方误差(Normalized Mean Square Error,NMSE)仅为自回归-主成分分析方案、基于压缩感知的方案和基于卷积神经网络的CsiNet方案的1/8~1/7，并且随着时隙增加，NMSE性能提升越明显。     

一种深度残差网络构建的5G无线智能传播模型

为建立更为准确的全覆盖、全应用、全频谱的5G无线信道模型，提出通过认知无线电与深度神经网络相结合的方法研究无线电波传播特性。根据传统无线传播模型并考虑到不同传播环境，根据信道大尺度衰落特性（包括路径损耗、阴影衰落和小尺度衰落特性）的统计结果，通过BP算法提取特征，并应用FeatureTools进行深度特征综合建立特征方程，计算特征变量与传播损耗的相关系数，进行相关系数的置信区间及变量独立性检验，最终筛选出22个特征并排序。基于深度残差网络建立传播路径损耗的回归模型，结合批正则化过拟合测算平均接收功率，为建立更精确的无线信道模型提供了量化依据，并最终在测试数据集上取得均方根误差8.36（本地）和10.03（云端）的成绩，对工程实践具有较强的参考价值。