高级搜索

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码
排序:
相关度
发表时间
每页显示:
10
20
30
50
信号DOA和极化信息联合估计的降维四元数MUSIC方法
李京书, 陶建武
2011, 33(1): 106-111. doi: 10.3724/SP.J.1146.2010.00242  刊出日期:2011-01-19
关键词: 简化矢量传感器, 降维Q-MUSIC, 波达方向, 四元数
基于简化电磁矢量传感器阵列,该文提出了一种新的降维四元数MUSIC估计方法。文中引用了四元数的概念,利用四元数的正交特性能够很好地描述矢量传感器阵元的正交结构这一优点,建立了电磁矢量传感器阵列的四元数模型,利用降维Q-MUSIC (Quaternion-MUSIC)方法先对极化信号DOA进行估计,通过已经估计出来的DOA信息,再借助传统的V-MUSIC (long-MUSIC)方法估计极化信息。从而依次获得极化信号的4个参数。仿真实验验证了算法的可行性。
LTE上行链路中基于探测参考信号的信噪比估计
田浩, 杨霖, 李少谦
2014, 36(2): 353-357. doi: 10.3724/SP.J.1146.2013.00445  刊出日期:2014-02-19
关键词: 无线通信, 信噪比估计, 噪声估计, 长期演进, 探测参考信号
信噪比是衡量信道质量的一个重要参数,该文主要研究LTE(Long Term Evolution)系统中基于探测参考信号(Sounding Reference Signal, SRS)的信噪比估计方法。针对DASS(Difference of Adjacent Subcarrier Signal)算法在高信噪比下噪声估计误差较大的这一缺点,该文提出一种适用于SRS的改进DASS方法。该方法通过重新定义子载波的差分方式,减小了噪声估计的误差,并且由于对连续的3个SRS频点,仅需要估计一次噪声,使得该文方法的复杂度仅为原DASS方法的1/3。仿真结果表明,所提方法的估计性能优于其余的方法,特别是在低时延和中等时延信道下,高信噪比时的估计精度提高了约10倍。
基于小区覆盖增强技术的Macro-Pico异构网络上行干扰识别与干扰协调机制
李林, 洪佩琳, 薛开平, 唐浩
2012, 34(12): 2823-2829. doi: 10.3724/SP.J.1146.2012.00744  刊出日期:2012-12-19
关键词: LTE(Long Term Evolution)异构网络, 小区覆盖增强, 上行干扰识别, 上行干扰协调
在LTE (Long Term Evolution)异构网络中,由于宏基站(Macro)与微微(Pico)基站的发射功率相差较大,一些离Pico基站较近的用户因为接收到的宏基站下行信号质量好于Pico基站而选择接入宏小区。然而,因为这些用户距离Pico基站较近,因此上行通信会对Pico基站产生严重的上行干扰。小区覆盖增强(Range Expansion, RE)技术能够减少此类干扰,但同时又可能引入新的下行干扰。该文提出一种基于RE技术的上行干扰识别与协调机制(UIICRE),能够准确识别上行干扰源及其强度,并进行相应的干扰协调处理。仿真结果表明,该文提出的方案能够解决Pico小区的上行干扰问题,提升用户的上行通信质量,并保证用户下行通信质量不受影响。
一种新的双模微基站非授权信道接入方法
廖树日, 何世文, 杨绿溪
2017, 39(11): 2556-2562. doi: 10.11999/JEIT170184  刊出日期:2017-11-19
关键词: 授权频段辅助接入, 双模微基站, 信道接入机制, 资源分配, 覆盖重叠
利用非授权频段频谱资源提升网络容量需要有效地解决LTE(Long Term Evaluation)与WiFi的共存问题。最近,学术界和工业界相继提出了授权频段辅助接入机制和双模微基站技术提升蜂窝通信系统容量。考虑双模微基站与WiFi接入点覆盖范围存在部分重叠场景,该文提出一种新的双模微基站非授权信道接入机制及联合授权非授权的优化频谱资源分配方案。仿真结果表明,双模微基站和WiFi接入点互不可见时,新方案相比于现有方案由于考虑了空间复用具有更好的系统性能;双模微基站和WiFi接入点互相可见时,新方案与现有方案性能一致,即两者分时独立占用非授权频段频谱资源。
基于双向LSTM的维吾尔语事件因果关系抽取
田生伟, 周兴发, 禹龙, 冯冠军, 艾山?吾买尔, 李圃
2018, 40(1): 200-208. doi: 10.11999/JEIT170402  刊出日期:2018-01-19
关键词: 语言信号处理, 事件因果关系, 维吾尔语, 双向LSTM, 词嵌入, 批样规范化
针对传统方法不能有效抽取维吾尔语事件因果关系的问题,该文提出一种基于双向LSTM(Bidirectional Long Short-Term Memory, BiLSTM)的维吾尔语事件因果关系抽取方法。通过对维吾尔语语言以及事件因果关系特点的研究,提取出10项基于事件内部结构信息的特征;同时为充分利用事件语义信息,引入词嵌入作为BiLSTM的输入,提取事件句隐含的深层语义特征并利用批样规范化(Batch Normalization, BN)算法加速BiLSTM的收敛;最后融合这两类特征作为softmax分类器的输入进而完成维吾尔语事件因果关系抽取。实验结果表明,该方法用于维吾尔语事件因果关系的抽取准确率为 89.19%, 召回率为 83.19%, F值为86.09%,证明了该文提出的方法在维吾尔语事件因果关系抽取上的有效性。

官方微信,欢迎关注