MIMO场景下的低轨卫星选星算法

低轨(LEO)宽带星座卫星通信作为地面5G无线通信系统的重要补充,始终面临地面可视卫星数量大、传统选星算法计算复杂度高等难题。为实现高效的卫星分组选择算法,基于多输入多输出(MIMO)系统原理,以大尺度路径损耗模型为基础,结合递减卫星选择算法,从而以较低计算复杂度、更快收敛速度有效逼近最优容量性能。该算法在典型LEO星座系统构型下通过数值仿真得到了验证,为未来5G低轨卫星星座通信传输方案设计提供了一种参考思路。     

5G双工演进技术研究

5G新型双工演进技术将在TDD频谱上引入基站侧子带不重叠全双工制式,以迎合万物智联和工业互联网对低时延和大上行吞吐量同时提出的更高要求,同时还需要进一步研究并解决基站间交叉时隙干扰问题,使能公网和专网采用不同的TDD上下行时隙配比的组网方式。为满足5G新型双工演进技术的未来部署需求,对TDD宏微异时隙组网和子带不重叠全双工制式的潜在部署场景和相关干扰特征进行了分析和研究,提出潜在可行的干扰抑制方案,并通过链路预算、仿真评估和样机验证等形式论证了技术可行性。     

机载多传感器两种数据融合方法探讨

分析了最大似然估计法和贝叶斯判别法，并将其应用在完成目标２估计和判别的数据和合方面。讨论了该方法实现机载雷达和红外探测器的数据融合及其对目标检测性能和抗干扰性能提高的效果。     

TD-LTE室内覆盖增强的灵活手段:中继

TD-LTE主要部署在高频段,传播损耗和穿透损耗较大,给未来网络室内深度覆盖带来严峻的挑战。在明确TD-LTE室外覆盖室内部署需求的基础上,结合现网测试验证,对中继(relay)增强室内覆盖的性能进行了深入分析。结果表明,针对一些暂时不具备有线回传条件的楼宇,引入中继并以室外覆盖室内方式进行部署,可提供快速、灵活、低成本的深度覆盖解决方案。     

应用神经元网络方法实现目标分类

研究了目标信号功率谱特征，提出利用神经元网络方法进行雷达－红外信号融合处理，实现对各种目标信号识别和分类。