采用STFT幅度值的长信号相位恢复算法

针对以往基于短时傅里叶变换(STFT)幅度值的相位恢复（STFTMPR）算法仅能处理一组较短的信号,并且信号的STFT幅度测量值的长度只能是质数的情况,提出了一种基于STFT幅度值的长信号相位恢复（LS-STFTMPR）算法。把一组长信号变化成几组较短的数组信号,通过改进的最小二乘（LS）法获取梯度下降（GD）法的迭代初始值,然后最小化各数组信号的非凸损失函数,并最终收敛到全局最小值。实验结果表明,在恢复一组较长信号的时候,所提算法的性能明显优于STFTMPR算法,并且具有较强的抗噪声能力。     

选择性叠加导频信道估计

叠加导频信道估计方法是将导频与信息数据直接叠加,不占用专门的频谱和时隙,估计算法灵活多样,能解决导频信道估计系统中频谱利用率低和盲估计中不能实时估计的问题。介绍了叠加导频的MIMO-OFDM系统,采用正交多相序列作为叠加导频,利用导频符号的自相关及导频和接收信号的互相关,提出了一种选择性叠加导频信道估计信道的算法。最后,通过理论分析和计算机仿真,表明该方法在快衰落环境中有良好的性能。     

面向多路源信号的单通道盲去卷积算法研究

传统的单通道盲去卷积的方法存在仅能从混合信号中分离出2路源信号的局限,考虑到以上问题,该文提出一种基于优化的深度卷积生成对抗网络的单通道盲去卷积算法(SCBDC),能从1路混合信号中分离和解卷积出3路以上的独立源信号和混合矩阵。该文实验在汉字和遮挡图像数据集上进行,随机选择4路信号与混合矩阵进行卷积混合,实验结合峰值信噪比(PSNR)和信号相关性指标来评价分离的效果,结果显示,该算法能够有效地分离出多路源信号并去卷积。     

数据挖掘在移动通信市场中的应用

数据挖掘已被广泛应用于企业营销。在移动通信领域,数据挖掘技术和方法常常用来进行客户行为分析,交叉销售模型的建立,客户忠诚度分析,反欺诈分析,流失预警等。